课程收益
1. 技艺认知和情境融合：深度领会生成式AI
核心原理（大语言模型
/ 多模态生成），执行层面，精准匹配汽车质量业务情境（节点管控、道路试验、售后改进），构筑 "技艺抓手 - 质量流程 - 效能拉升" 的三维运用轮廓。
2. 技艺认知和情境融合：
深度领会生成式
AI 核心原理（大语言模型 / 多模态生成），就一线经验说，精准匹配智能制造、能源业界班组管控情境（装置运维、生产调度、质量管控），构筑 “技艺抓手 - 班组流程 - 效能拉升” 的三维运用轮廓。
3. 实战本领和效率突破：
掌握提示词工程，轻量化
Agent 开发、零代码平台等等核心抓手，达成班组文档生成效率拉升 60%+、装置故障预警准确率拉升 30%，显著缓解一线人员负荷。
4. 标杆心得和办法论迁移：
拆解等等业界实例，提炼可复用的
“资料采集 - 模型调优 - 人机协同” 落地路径，往细里说，形成广投集团专属的班组 AI 运用办法论。
5. 队伍共创和方案落地：
借助情境识别、沙盘推演等等交流环节，挖掘
3-5 个高价值 AI 运用情境，输出可执行的轻量化落地方案，促成班组从心得管控向资料驱动转型。
课程大纲
1.1.
上午：
技艺奠基和情境洞察（
1.5
小时
）
1.1.1.
生成式
AI
技艺全景和核心术语拆解（
30
分钟）
² 【基础概念】
生成式
AI的基本概念、特点；
² 【演进历程】
回顾生成式
AI的演进历程和技艺跃迁图谱；
² 【技艺原理】核心技艺原理精要，各技艺流派、分支以及代表货品；
² 【趋势拆解】
关于生成式
AI业界演进以及业界运用的一些要害判断；
² 【核心本领】
生成式
AI 的核心本领（如文本生成、文档处理、资料拆解、推演推理等等）；
² 【常用术语】
常用术语对齐：提示词（
Prompt），检索增强生成（RAG）、微调（Fine-tuning），智能体（Agent）、混合专家模型（MoE），Transformer架构，幻觉（Hallucination）、思路链（CoT）等等。
1.1.2.
生成式
AI
技艺和班组管控价值对齐（
15
分钟）
1.
学识精讲：
²
生成式
AI vs
传统工业软件：
从
“规则引擎” 到 “智能决策” 的本质差异；
² 技艺跃迁三阶段：
感知智能（缺陷识别）
→拆解智能（故障归因）→创造智能（工艺生成）；
² 工业运用成熟度图谱：
已规模化（装置预测性维护，成熟度
85%）、爆发前夜（生产调度精进，成熟度 65%）。
2.
技艺演示：
²
实时调用
DeepSeek
生成某电厂《装置巡检异常报告》，运行层面，对比人工处理效率（
AI
耗时
15
分钟
vs
人工平均
45
分钟）。
1.1.3.
标杆实例深度拆解：制造业和能源业界的
AI
班组实践（
15
分钟）
1.
华为煤矿实例：
² 情境：
综采班组智能调度，
AI 根据装置运行资料自动生成割煤路径（效率拉升 20%，能耗降低12%）；
² 抓手：
基于大模型的
“生产指令生成系统”，换个角度看，附调度指令提示词模板。
2.
某能源集团实例：
² 情境：
变电站
AI 巡检，多模态模型拆解红外图像 + 传感器资料，缺陷识别准确率达 98%；
² 抓手：“巡检资料标注 - 模型训练 - 异常预警” 全流程抓手链演示。
1.1.4.
生成式
AI
在班组管控中的情境化运用剖析（
15
分钟）
1.
智能制造情境：
² 质量管控：AI自动拆解质检报告，生成《不合格品处理方案》（附某工厂实例，良率拉升3%）；
² 工艺精进：
根据历史资料生成新工单工艺参数，减少试错成本（某车企实例，调试时间缩短
40%）。
2.
能源业界情境：
² 能耗拆解：AI 实时监测机组资料，自动推送节能建议（某电厂实例，吨煤耗下降 5%）；
² 应急响应：
基于学识图谱生成《装置故障应急处置流程》，缩短停机时间（某变电站实例，恢复效率拉升
50%）。
1.1.5.
小组碰头：班组管控中的
AI
机会识别（
15
分钟）
1.
差事：以小组为单位，结合广投集团实际，填写《班组
AI 情境机会诊断表》：
² 情境描述
（如
“某产线装置故障率波动大”）；
² 痛点现况
（如
“每月人工拆解故障耗时 80 小时”）。
²
AI
介入价值
（如
“故障预警准确率拉升至 90%，在实际应用里，减少停机损失”）。
2.
输出：
² 每组绘制思路导图
² 推选代表呈报
²
形成《广投班组
AI
情境优先级清单》。
【
茶歇
】
10分钟
1.2.
运用实战和方案共创（
1.5
小时）
1.2.1.
生成式
AI
抓手链实操：从提示词到事务流（
4
5
分钟）
模块
1：提示词工程规划轮廓和进阶招数（25分钟）：
²
实例对比：
低效指令：
“帮我拆解底盘异响资料”。
高效指令：
“基于 2024 年某车型底盘异响测试资料，识别异常振动频率特征，运行层面，输出频谱图以及改进建议（需标注国标 GB/T 3811-2022 相关要求）”。
低效指令：
“帮我写关于基因编辑技艺
的文献综述”
高效指令：
“生成关于CRISPR-Cas9基因编辑技艺的文献综述，需包含2018年后突破性研究，按照制度分类并标注争议点”
² 规划基础：
“定位设定 + 细节颗粒度 + 格式约束” 三要素轮廓；
明晰提示词的定义、作用、类型以及要害要素（标的、受众、情境），借助实例拆解成功提示词的结构。
² 系统规划轮廓：
标的明晰化（
SMART 要则）。
受众拆解和画像：针对不同受众，调整提示词的技艺深度和表述方式。
结构规划（
AIDA 模型）：勾住注意→激发兴趣→刺激欲望→促成行动。
语言精进招数：采用简洁、专精的术语，防止歧义，增强行动导向。
² 进阶招数：
资料驱动精进：借助
A/B 测试对比不同提示词的 AI 输出成效。
多渠道适配：根据诉求，规划适用于文档生成、资料可视化、跨部门交流等等不同情境的提示词。
² 高阶提示词规划的三大黄金法则
定位设定法：要求
AI还原某定位撰写内容，拉升专精性；
细节约束法：借助
“输出格式 = Markdown 表格 + 技艺流程图” 规范AI报告结构。
(3)结果验证法：
加入
“请标注引用的国家准则编号（如GB/T 34590）”防止幻觉。
² 实地操练：
用
3 种提示词生成《班组周例会纪要》，运行层面，对比输出成效（提供广投专用提示词库）。
模块
2：轻量化 Agent 开发（20 分钟）：
² 迅速搭建“
装置故障分类
Agent
”，运行层面，达成自动将工单归类为“机械故障
/
电气故障
/
仪表故障”；
² 代码轮廓和调优参数实地发放，参训者分组完成模型微调（附某工厂故障资料脱敏样本）。
1.2.2.
沙盘推演：班组
AI
落地方案规划（
25
分钟）
来由：假设广投某智能制造班组面临以下挑战：
²
装置故障率较上月上升
15%
，人工拆解耗时增加；
²
新员工占比
30%
，在实际应用里，工艺培训周期长；
² 生产调度倚重心得，紧急订单响应滞后。
差事：从以下情境中任选其一，规划
AI 落地方案：
²
情境
A
：装置故障根因拆解自动化；
²
情境
B
：新员工工艺培训智能辅助；
²
情境
C
：紧急订单智能排产。
方案要素：
² 资料层：明晰输入资料（如装置台账、工艺文件）。
²
流程层：标注
AI
处理环节（如故障原因初步拆解）和人工校验点（如方案可行性审核）；
² 效能层：设定量化标的。
1.2.3.
方案答辩和专家点评（
20
分钟）
流程：
²
每组
5
分钟方案呈报（可演示自制的
AI
抓手
Demo
）；
²
跨组提问（还原
IT
部门：“怎样确保装置资料安全？”）；
讲师点评：
² 结合华为工业互联网心得，执行层面，提供资料治理和模型精进建议。
结晶奖励：
²
评选
“最佳落地潜力方案”，具体来看，赠送《班组
AI
提效抓手包》（含提示词模板、零代码平台账号）。
1.3.
收束闭环（
10
分钟）
²
学识回顾：重申
“技艺原理
-
情境匹配
-
抓手落地” 核心推演；
²
行动指引：发放《
30
天
AI
运用规划表》，带出参训者拟定班组试点规划；
² 交流问答：解答参训者关于资料安全、模型训练等等具体问题。
2.
注意事项
² 在解说技艺细节时，考虑到参训者的专精来由，适当调整难度，防止过于深奥的技艺术语，并根据参训者所在业界、岗位属性做适当的技艺术语转化。
² 防止泛泛而谈技艺原理，所有概念都锚定贴合参训者业界的实际业务情境。
提供实际操作的机会或者实例拆解，支援参训者更好地将理论学识转化为实践本领。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|李檀老师
适合谁听
广投集团 高级技师班、班组长。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。