课程背景
当前，航天科研正面临“资料爆炸”和“智力密集型劳动”的双重挑战。
试飞资料、仿真结果、文献资料呈指数级增长，实操中，而顶 尖工程师的精力却被大量重复性、低附加值的资料处理、报告编写和基础编码事务所消耗，形成了“高级英才干初级活”的困局
。和此同时，国家对
资料资产入表
的重视，以及内部涉密资料的安全合规要求，使得怎样在
安全可控
的前提下，利用AI技艺挖掘资料价值、拉升研发效率，成为像贵所这样的核心科研机构必须解答的方略命题。
本课规划遵循“
认知重塑 → 安全实践 → 核心赋能 → 前沿拓展
”的递进推演。
第 一天
，我们将首先为参训者构筑和AI协同的正确“第 一性原理”，破除抓手迷思，并掌握将自然语言转化为代码本领的核心本领。
第二天
，锁住科研结晶的高效产出（写作和专利）和资料安全的根本保障（本地化部署），达成“能产出、保安全”的双重标的。
第三天
，则放眼多模态AI的前沿运用，激发队伍对下一代智能科研情境的想象力。全程贯穿“理论精讲+军工航天情境实例剖析+动手工作坊”的教学模式。
对工程师个人而言，本课将直接赋予其“AI协同者”，将重复劳动自动化，让其专注于更高阶的革新和决策，达成个人效能的倍数级拉升。对研究所而言，这是在合规前提下
将海量试验资料、技艺文档从“成本中心”转化为“价值资产”
的要害一步，不仅能加速项目迭代、拉升科研产出的数量和质量，更是响应国家“AI+”行动、布局未来智能化科研范式、构筑核心竞争力的必要投资。
课程收益
完成本培训后，参训者将能够：
1.
构筑
正确的“AI协同者”思路模型，
摆脱
将大模型视为搜索引擎的惯性误区。
2.
掌握
采用自然语言驱动AI编程助手（Cursor）完成资料拆解和自动化脚本编写的
本领
，降低技艺门槛。
3.
运用
结构化Prompt工程办法，
高效辅助
完成学术论文、技艺报告以及专利申请材料的起草和润色。
4.
明晰
公有云AI抓手的
资料安全边界
，并
学会
在内部环境中部署私有化大模型和搭建涉密学识库的
可行路径
。
5.
弄懂
多模态大模型在图像判读、信号拆解等等前沿情境的运用潜力，
激发
在本职事务中融合革新的
思路
。
6.
带走
一套包含Prompt清单，安全自查表、本地化部署指南的“AI科研助手抓手包”，
达成
培训内容向日常事务的
即刻迁移
。
课程大纲
课程导入
• 破冰活动：用AI生成你的“科研侠”名片
• 研习公约共创：设定3天研习标的和安全研讨规则
• “痛点墙”共创：每位参训者写下当前事务中最想被AI自动化的一项差事
• 学识模块：
◦ 学识点一：大模型本质再认知——从“资料库”到“数字实习生”
◦ 学识点二：高质量提示（Prompt）的核心公式：定位 + 差事 + 上下文 + 输出要求
◦ 学识点三：科研事务流重构：识别可被AI增强或者替代的环节
• 实例研讨：
◦ 实例：某航天院所利用AI开展技艺方案对比评审的效率拉升实践
◦ 碰头：1. 评审环节中，哪些部分AI做得好，实操中，哪些必须由人决策？
2. 怎样给AI设定一个合格的“评审专家”定位？
• 小组碰头：“我的‘数字实习生’上岗规划”
◦ 碰头标的：基于“痛点墙”，为一项具体差事规划完整的AI协同流程和Prompt。
◦ 产出要求：在A1纸上绘制事务流导图，往细里说，并写出核心环节的Prompt示例。
◦ 展示方式：每组3分钟，具体来看，分享最有可能落地的一个情境。
• 学识模块：
◦ 学识点一：超越代码生成——AI编程助手的“结对编程”思路
◦ 学识点二：从诉求描述到代码达成：结构化描述资料、进程和期望输出
◦ 学识点三：代码审查、调试和重构的AI辅助招数
• 实例研讨：
◦ 实例：采用Cursor对一段飞行试验时序资料开展自动清洗、特征提取和可视化拆解
• 小组碰头：“给AI下个清晰的编程指令”
◦ 碰头标的：针对一个简单的资料拆解诉求（如：读取CSV文件，在实际应用里，绘制某参数随时间变化曲线，并标出最 大值点），执行层面，协同编写最 优的指令Prompt。
◦ 产出要求：对比不同小组指令生成的代码质量，收束“好指令”的特征清单。
• 抓手交付：《科研资料拆解常用AI指令模板》
• 学识模块：
◦ 学识点一：从“茶壶煮饺子”到“文思泉涌”——AI辅助写作的心理建设
◦ 学识点二：学术写作的IMRaD结构和AI填充招数
◦ 学识点三：专利权利要求书的AI辅助起草和“红队攻击”式修改
• 实例研讨：
◦ 实例：怎样将一组材料性能实验资料迅速转化为一篇技艺报告的核心章节。
• 小组碰头：“担当最苛刻的审稿人”
◦ 碰头标的：各小组用AI生成一段技艺描述，然后交换，用AI担当审稿人对其开展挑错和质疑。
◦ 产出要求：收束AI在“写作”和“批判性审阅”两个定位中的有效采用模式。
• 学识模块：
◦ 学识点一：资料安全红线——公有云AI服务协议隐患点解读
◦ 学识点二：轻量化本地部署实战：Ollama + Qwen模型
◦ 学识点三：从零构筑私有学识库：文档加载、向量化和RAG检索问答
• 实例研讨：
◦ 实例：在断网环境下，为内部某型装置维护指引搭建一个智能问答系统。
• 小组碰头：“我们的学识库蓝图”
◦ 碰头标的：规划一个本部门最急需构筑的私有学识库项目。
◦ 产出要求：定义学识库范围、资料源、核心问答情境，并绘制施行路径图。
• 抓手交付：《内网AI部署和学识库搭建自查清单》
• 学识模块：
◦ 学识点一：多模态大模型怎样“看”和“听”——基本原理浅析
◦ 学识点二：科研图像（金相图，光谱图、热成像）的AI辅助判读
◦ 学识点三：振动、音频信号的AI模式识别初探
• 实例研讨：
◦ 实例：采用多模态模型自动识别并描述卫星遥感图像中的特定特征。
• 小组碰头：“发现身边的‘多模态’情境”
◦ 碰头标的：分组脑暴，在本所科研流程中，有哪些视觉、听觉或者混合信号的差事可被AI辅助。
◦ 产出要求：每组提出一个具体情境，并描述其输入、处理和输出进程。
课程收束和行动规划
• 学识地图共创：全体参训者共同回顾，在白板上绘制3天课程的学识关联图。
• 结晶路演和评选：评选最 佳“数字实习生上岗规划”和“学识库蓝图”。
• 个人行动规划：每位参训者完成“531行动规划表”（5个收获、3个运用、1周内启动的1件事）。
• 资源包发放：提供全套课件、抓手列表、Prompt库以及推荐研习资料。
• 结业仪式和合影。
后续建议：为巩固研习成效，建议在培训结束1个月后，组织一次线上回访会，由参训者分享行动规划落地情况，并针对共性问题开展集中答疑。期待和贵所出色的工程师队伍共同开启这场智能科研的深度探索之旅！
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|冰洋老师
适合谁听
• 航天研究所各科室的工程师、规划师、资料处理和拆解人员、技艺文档工程师。 • 具备扎实的专精理论基础、但对AI运用感到好奇或者面临效率瓶颈的技艺主力。 • 建议参训人员自带笔记本电脑、以便参与实战上手。。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。