课程背景
面向公司管人者、业务主力、货品/营运/研发协同队伍的一天制实战课程，支援买方从模型认知、核心本领、智能体开发到公司级MVP推进构筑完整落地路径。
课程大纲
阶段产出
1
09:30-09:50
课程导入和AI落地共识
20分钟
识别买方当前AI运用阶段、痛点和期望产出。
诉求清单
2
09:50-10:40
国内&海外头部大模型深度拆解以及运用盘查
50分钟
对比模型生态、本领边界、运用入口、选型要则。
模型选型地图
3
10:40-11:40
AI核心运用本领：从Prompt Engineering到Vibe Coding
60分钟
训练结构化提示词、差事拆解、AI协同写作和自然语言驱动开发。
Prompt模板和Vibe Coding事务流
4
11:40-12:30
RAG学识库结合智能体开发公司级情境
50分钟
解说RAG、向量检索、权限、抓手调用、Agent事务流和公司学识问答。
公司级RAG Agent架构图
5
13:30-14:30
业界先进AI运用：Coding Agent实战教学
60分钟
演示诉求领会、代码生成、调试、重构、测试和文档生成。
Coding Agent差事样例
6
14:30-15:20
AI智能体运用落地最 佳实践分享
50分钟
拆解字节跳动，美的、普利司通、罗氏制药等等实例的情境、组织和推进方式。
实例启发清单
7
15:20-16:05
AI智能体情境挖掘、识别和MVP打磨
45分钟
借助业务链路、学识密度、抓手链和ROI识别适合智能体的高价值情境。
智能体情境优先级矩阵
8
16:05-16:30
项目推进办法论和结晶点评
25分钟
形成从情境到MVP、从试点到推广的推进路径。
一页式MVP推进方案
三、核心模块内容规划
模块1：国内&海外头部大模型深度拆解以及运用盘查
模块标的：支援买方构筑模型生态的全局认知，防止只按照热度选型。
海外模型生态：OpenAI，Anthropic Claude，Google Gemini，Meta Llama、Mistral等等模型路线和运用侧重点。
国内模型生态：DeepSeek、通义千问，豆包、Kimi、智谱GLM、文心等等模型本领和公司接入方式。
对比维度：推理、长上下文、多模态、代码本领、抓手调用、成本、私有化、合规和生态成熟度。
运用盘查：学识问答、内容生产、资料拆解、代码研发、流程自动化、客服助手、销售支持、研发辅助。
买方收益：形成可复用的模型选型表，明晰“通用模型、垂直模型、开源模型，私有化部署”的适用边界。
模块2：AI核心运用本领 - 从Prompt Engineering到Vibe Coding
模块标的：将AI从“聊天抓手”升级为“差事协同伙伴”。
Prompt Engineering基础：定位、标的、上下文、约束、示例、裁决准则、输出格式。
复杂差事拆解：用AI做调研、拆解、方案生成、改写、复盘和决策辅助。
Vibe Coding办法：用自然语言驱动诉求澄清、代码生成、调试、重构、测试和部署说明。
质量将控：事实核验、上下文补充、反向审查、边界条件和交付准则。
买方收益：掌握跨岗位可迁移的AI协同办法，能将模糊想法转成可执行内容、流程或者代码原型。
模块3：RAG学识库结合智能体开发公司级情境
模块标的：让公司学识从“文件沉淀”转向“可检索、可调用、可执行”。
RAG核心制度：文档切分、Embedding、向量检索、重排序，引用回溯、答案生成。
公司学识库治理：资料准入、权限将控、版本更新、敏感资讯、引用和审计。
智能体开发要素：差事规划、抓手调用、状态管控、事务流编排、人机协同审批。
典型情境：制度问答、销售学识助手、研发文档助手、售后诊断助手、医学/法务/客服学识助手。
买方收益：领会公司级RAG Agent从资料准备到上线运行的要害环节，降低“做了学识库但不可用”的隐患。
模块4：业界先进AI运用 - Coding Agent实战教学
模块标的：借助研发情境展示智能体怎样承担连续差事，而不只是生成单段答案。
Coding Agent差事链：阅读诉求、领会代码库、生成方案、修改代码、运行测试、定位失败，补充文档。
实战演示：从一个业务诉求出发，完成接口/页面/脚本类差事的AI辅助开发闭环。
协同边界：哪些差事适合交给Agent，哪些差事必须由人将控架构、质量和安全。
研发治理：代码审查、测试覆盖，权限隔离、日志留痕、变更回滚。
买方收益：让非技艺管人者领会Coding Agent的生产力价值，也让技艺队伍构筑可控采用边界。
模块5：AI智能体运用落地最 佳实践分享
模块标的：用跨业界实例支援买方领会智能体落地不是抓手采购，而是业务、资料、流程和组织协同。
字节跳动实例研讨：大规模业务情境、内容/研发/营运抓手链、平台化本领沉淀。
美的实例研讨：制造、供给链、售后、学识问答和流程自动化情境的智能化路径。
普利司通实例研讨：工业服务、买方支持、学识检索和实地流程辅助的智能体机会。
罗氏制药实例研讨：医药研发、医学事务、合规学识助手和高可信情境的治理要求。
买方收益：从实例中提炼“情境选项、资料准备、MVP范围、组织协同、成效评核”的共性规律。
模块6：AI智能体情境挖掘、识别、MVP打磨以及项目推进办法论
模块标的：将培训收束到买方自己的业务情境，输出后续项目推进依据。
情境挖掘：从业务链路、学识密度、重复劳动、决策频次、抓手链断点识别Agent机会。
情境筛选：价值、可行性、资料基础、隐患、上线周期、复用潜力六维评分。
MVP打磨：明晰用户、输入、学识源、抓手、流程、输出、人工审核点和成功指标。
推进办法：PoC验证、MVP试点、业务验收、推广复制、营运治理和持续迭代。
买方收益：形成一页式MVP方案和项目路线图，实操中，便于培训后直接进入试点交流。
四、课堂实战和交付物
课程建议采用“讲授30% + 演示30% + 实操30% + 点评10%”的方式组织。实战不追求复杂系统一次性建成，而是让买方领会从情境识别到MVP定义的要害判断，并能形成可继续推进的项目材料。
交付物
内容说明
买方用途
模型选型地图
按照通用问答、拆解推理、代码、多模态、私有化、成本等等维度梳理模型选项。
用于后续抓手采购、平台选型或者内部AI本领规划。
Prompt和Vibe Coding模板
沉淀复杂差事提示词、代码协同提示词、质量查验提示词。
用于业务队伍和研发队伍日常提效。
RAG Agent架构草图
明晰学识源、检索链路、抓手调用、权限、日志和人工审核点。
用于公司学识库和智能体项目立项交流。
智能体情境优先级矩阵
按照价值、可行性、资料基础、隐患、周期和复用性评分。
用于筛选首批MVP情境。
一页式MVP推进方案
定义标的用户、流程、输入输出、指标、隐患和阶段规划。
用于培训后项目推进和管控层呈报。
五、智能体MVP推进办法论
锁定高频、高价值、低争议流程：优先选项有明晰输入输出、重复度高、学识密度高并且人工判断链路清晰的情境。
定义最小可用闭环：MVP只验证一个核心流程，换个角度看，不在第 一阶段追求全业务覆盖。
构筑可信资料底座：先破解学识源、权限、更新制度、引用回溯和错误反馈，而不是先堆功能。
设置人工审核点：对高隐患输出保留人工确认，渐次从辅助决策过渡到半自动执行。
用指标管控试点：至少跟踪节省时间，回答准确率、采纳率、转人工率、用户满意度和隐患经过。
从模板化到平台化：将成功情境沉淀为Prompt、流程、抓手连接器、学识库规范和治理制度。
六、适用对象和课前准备
建议基础：无需编程基础，但建议参训者具备本部门业务链路、学识文档和典型提效痛点的基本弄懂。
课前材料：买方可准备2-3个真实业务链路、3-5份制度/货品/研发/客服学识文档、1个希望用AI改造的候选情境。
抓手环境：建议提前确认可访问的大模型抓手、学识库/RAG抓手、Coding Agent或者代码助手环境，以及演示账号权限。
七、参考更新口径
大模型本领和货品版本变化较快，庄重交付前建议按照买方业界和抓手可用性更新模型清单、实例素材和演示环境。本大纲中的模型生态仅作为课程轮廓和选型维度规划，具体模型版本以交付当周官方资讯为准。
参考方向
示例来源
海外模型生态
OpenAI Models，Anthropic Claude Models，Google Gemini Models等等官方文档。
国内模型生态
Qwen，DeepSeek、火山方舟/豆包、Kimi、智谱GLM等等官方文档。
公司实例
以公开实例、公司官网、官方白皮书或者买方放权材料为准，防止采用未心得证的二手资讯。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|丛兴飞老师
适合谁听
公司相关管人人员、公司管控层、数智化负责人、业务部门负责人、货品经理、营运人员。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。