AI职场应用入门必修课

一、AI 基础核心推演

1. 大模型 = 概率预测机器

1）AI 不是"懂"学识，是在"猜下一个字"

2）训练资料决定学识边界——没学过的会"编"

3）上下文窗口 = AI 的短期记忆

2. AI 事务的成本和边界

1）Token 计费 = AI 的"工时费"

2）微调 vs RAG：公司专属学识怎么"喂"给 AI

3）多模态：文字、图片，表格、语音都能聊

二、职场 AI 运用底层思路

1. AI 擅长 vs 不擅长

1）AI 擅长的 4 类事务：资讯整理、初稿撰写、模板填充，模式识别

2）AI 不擅长的 4 类事务：最终决策、原创创造、价值判断、情感交流

2. 万 能 prompt 四段式

1）【定位】+【差事】+【要求】+【格式】

2）迭代对话法：第 一稿不满意？追加指令让 AI 重写

3）差事颗粒度要则：将大差事拆成 3-5 个 AI 能完成的小差事

三、AI 采用避坑要点和合规安全

1. 五大常见坑以及避坑法

1）坑 1：幻觉（胡说八道）——要害资料 100% 人工核对

2）坑 2：prompt 注入——不要让 AI 读来路不明的长文档

3）坑 3：资料泄露——买方名单、未公开财报严禁上传公网 AI

4）坑 4：版权隐患——AI 生成的图文不得直接商用

5）坑 5：倚重症——AI 是拐杖不是轮椅

2. 公司资料合规边界

1）资料 4 级分类：公开 / 内部 / 秘密 / 绝密——AI 只能接触"内部"以及以下

2）敏感资讯识别清单：买方资讯、财务资料、未公开货品图、工艺参数、薪资资料

3）上传前 3 问：是否涉密？是否合规？是否可追责？

四、制造业 AI 演进趋势

1. AI 在制造业的 5 大运用方向

1）生产环节：智能排产、装置预测性维护、AI 视觉质检（参考比亚迪，特斯拉超级工厂）

2）管控环节：生产日报自动汇总、异常预警、根因拆解

3）研发环节：参数寻优、仿真还原、规划方案迭代

4）供给链：诉求预测、库存精进、物流调度

5）办公环节：文档处理、资料汇总、会议纪要、客服应答

2. 一线员工的"三个不会"和转型路径

1）看不懂、不会用、不敢用——本课就是解药

2）AI 替代论 vs AI 增强论：AI 替代的是"差事"不是"职业"

3）未来 3 年最稀缺：既懂业务又懂 AI 的"翻译者"

一，3 套万 能 prompt 模板

1. 通知类 prompt 模板

1）全公司通知，车间通知、临时通知

2）3 个通知情境对比演示

2. 呈报类 prompt 模板

1）事务呈报、项目进展、问题反馈

2）月度呈报 1000 字模板

3. 邮件类 prompt 模板

1）外部买方、内部跨部门、向上呈报

2）外贸邮件中英双语模板

二，5 招改写技法

1. 技法 1：精简——1000 字缩到 300 字

2. 技法 2：扩写——要点扩成完整段落

3. 技法 3：改语气——通知+感谢双语气

4. 技法 4：中英互译——制造业外贸情境

5. 技法 5：错别字/语病纠正——AI 是天然校对员

三、3 个真实上手

1. 实例 1：车间生产异常通知（紧急性 + 准确性）

2. 实例 2：月度生产呈报（资料 + 收束 + 规划）

3. 实例 3：买方投诉回复邮件（道歉 + 解题打法 + 跟进）

一、资料清洗模板

1. 资料清洗的 3 大情境

1）格式统一、缺失值处理，异常值识别

2）AI 清洗 prompt 模板：将脏资料样例贴给 AI

3）AI 擅长 vs 不擅长的清洗情境

2. 清洗 checklist

1）源资料备份 → AI 给方案 → 小样本验证 → 批量执行 → 抽查

二，Excel 公式自动生成

1. 公式生成 prompt 模板

1）将"我要做什么"翻译成自然语言

2）3 类高频公式 demo：VLOOKUP 查表，SUMIFS 多条件求和，IFERROR 容错

2. 3 步验证法

1）解释公式推演 → 拿小资料测试 → 看是否符合预期

2）公式生成 vs VBA 宏：AI 也能写 VBA，就一线经验说，但要先小范围测试

三、2 个资料上手

1. 实例 1：员工考勤资料清洗 + 汇总

2. 实例 2：销售资料透视（买方×货品二维汇总）

一、生产日报自动汇总

1. 生产日报的 5 个核心字段

1）产量，良品数、停机时间、异常事项，人员

2. AI 汇总 prompt 模板

1）将 7 天日报一次性喂给 AI，具体来看，让它出周报

2）AI 异常识别：自动标红停机超 2 小时、良品率突降等等异常项

3）AI 趋势拆解：自动对比上周同期、给出环比

3. "日报→周报"二段式事务流

1）AI 出初稿 → 车间主任补业务判断 → 上报

二、装置常见故障预判

1. 故障预判的底层推演

1）历史故障资料 → 模式识别 → 提前预警

2. AI 帮建"故障模式库"

1）将过去 5 年的故障记录喂给 AI，让它分类

2）3 类典型情境：电机类（温度异常），液压类（压力波动），机械类（振动异常）

3. AI 故障预判 prompt

1）将装置参数（温度/振动/电流）给 AI，让它拆解趋势

2）AI 预判的边界：只能给"概率"建议，最终判断仍是装置工程师

三、2 个综合实例上手

1. 实例 1：某车间 5 月份生产复盘

1）输入：5 月 31 天日报资料

2）输出：周报 1 份 + 异常清单 1 份 + 下月改进建议 3 条

2. 实例 2：某冲压机月度故障复盘

1）输入：5 月 8 次故障记录

2）输出：故障分类 + 高频故障 top 3 + 6 月预判建议

收束和答疑

说明1：本课纲为制造业通用版，未针对特定公司定制，可直接用于多业界、多岗位的 AI 普惠培训。

说明2：所有引用实例（比亚迪、特斯拉超级工厂、ABB 工业 AI 等等）都来自公开渠道可查的真实运用。

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|焦波老师