课程收益
1. 技艺认知升级：支援一线员工领会生成式AI 的核心原理和技艺特性，构筑对智能化生产的基础认知，能够准确识别烟草生产情境中可运用 AI 技艺的要害环节。
2. 运用本领落地：掌握生成式AI 在装置运维、质量检测等等生产情境的具体运用办法，拉升运用 AI 抓手破解实际生产问题的本领，助力生产效率拉升。
3. 抓手实操精通：熟稔生成式AI 辅助办公的实用抓手和招数，如提示词工程、事务流自动化等等，拉升日常事务的数智化处理效率，降低交流和协同成本。
4. 系统思路构筑：练就员工的系统思路，领会AI 技艺和生产流程、管控协同之间的关联，学会从全局角度看待数智化转型对烟草公司的价值。
5. 革新意识练就：明晰一线员工在公司数智化转型中的定位和作用，激发主动参与技艺运用和革新的意识，为个人数智化综合素质拉升奠定基础。
课程大纲
1.1.
模块一：技艺奠基・生成式
AI
重塑烟草生产力（
3
小时）
1.1.1.
第一单元：生成式
AI
技艺全景和烟草业界适配性（
1.5
小时）
1.
【学识精讲】生成式
AI技艺全景和核心术语拆解
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、思路链（CoT）等等
2.
【学识精讲】生成式
AI 在烟草业界的价值价值体现
²
传统
AI 在烟草业界的局限：
如视觉检测仅能识别预设缺陷，无法化解新型瑕疵
²
生成式
AI 的三大突破：
自主生成解题打法、跨情境学识迁移、自然语言交互降低采用门槛
² 量化价值展示：
某烟厂引入生成式
AI 后，装置停机时间缩短 20% 的具体资料拆解
3.
【学识精讲】烟草生产的
AI 适配情境图谱
² 制丝环节：
原料配比方案生成、烘丝温度动态建议，异常参数预警
² 卷包环节：
装置异响诊断、包装缺陷溯源、换牌参数迅速生成
² 物流环节：
仓储空间精进方案、配送路线智能规划、库存预警报告生成
² 情境优先级评核表：
从
“施行难度”“效率拉升幅度”“成本节约” 三维度评分
1.1.2.
第二单元：典型实例深度剖析和技艺落地推演（
1.5
小时，含
10
分钟茶歇）
1.
【实例剖析】装置运维实例：某烟厂
“生成式 AI 故障诊断系统” 实践
² 资料积累阶段：
怎样采集
3 年卷接机组故障记录（含文字描述、维修方案，处理结果）
² 模型训练进程：
技艺队伍怎样将烟草专精术语转化为
AI 可领会的训练资料
² 实际运用流程：
操作工输入
“ZJ119 机组出现周期性异响，就一线经验说，频率随转速升高”→系统 30 秒生成 3 套维修方案以及优先级
² 成效对比：
传统人工排查平均
45 分钟，从实践看，AI 辅助后缩短至 12 分钟
2.
【实例剖析】质量将控实例：
AI 生成式视觉检测在烟丝异物剔除中的运用
² 传统人工检测痛点：
连续事务
2 小时后准确率降至 78%，从实践看，易漏检透明塑料碎片
² AI 系统事务原理：
先研习
10 万 + 异物样本，换个角度看，再生成虚拟样本强化训练罕见异物识别本领
² 实地运用情境：
实时拍摄烟丝流
→AI 生成异物轮廓和类别判断→触发剔除装置
² 资料对比：AI 检测准确率 99.2%，就一线经验说，每天减少不合格品 3.2 公斤
3.
【学识精讲】情境适配办法论：
² 研发流程适配矩阵：
将诉求拆解、概念规划、工程开发等等环节和生成式
AI 技艺本领开展匹配
² 公司规模适配打法：
针对中小公司的轻量化
SaaS 抓手运用方案和大型公司的私有化部署架构规划
² 业界特性适配实例：汽车业界的空气动力学仿真精进、生物医药业界的分子结构生成
4.
【交流碰头】生成式
AI 在烟草公司的运用情境拆解
² 差事：
每组选取本车间
1 个高频问题（如 “卷包机商标纸歪斜”）
² 拆解维度：
现有破解流程耗时、可采集的要害资料、
AI 介入的切入点
² 结晶输出：
绘制
“问题 - 资料 - AI 方案” 关联图，每组派代表分享（茶歇后开展）
1.2.
模块二：数智提效・生成式
AI
赋能生产和协同（
3
小时）
1.2.1.
第三单元：生产情境
AI
抓手实操和提示词工程（
1
小时）
1.
【学识精讲】提示词规划核心要则
² 精准提问：
防止模糊表述，如不说
“装置有问题”，运行层面，换个角度看，而说 “GDX6 包装机第 3 工位出现卡纸，运行层面，每分钟 2-3 次”
² 来由补充：
必须包含装置型号、运行参数、环境条件（如
“当前车间湿度 65%，装置已连续运行 8 小时”）
² 格式要求：
明晰输出形式，如
“请分 3 步列出排查步骤，每步注明操作抓手”
² 基础法则：从模糊诉求到精准指令，实例对比：
低效指令：
"帮我拆解测试资料"
高效指令：
"基于2024年某车型制动系统台架测试资料，识别异常振动频率特征，输出SPC将控图以及改进建议"
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，执行层面，按照制度分类并标注争议点
”
² 提示词结构拆解：
指令词（
Describe），执行层面，限定词（In detail），结果要求（In markdown format）的组合运用
² 成效精进招数：温度参数调整对生成结果多样性的影响，多次生成对比选项最优方案。
² 业界垂直领域提示词库建设：构筑制造业工艺参数规划、科研实验方案规划专用提示词模板。
² 反面实例：
拆解
3 个无效提示词（如 “这台机器坏了，落地时，怎么办”）的改进方案
2.
【学识精讲】公司
级提示词规划的三大黄金法则
² 定位设定法：
要求
AI还原“汽车检测工程师” 撰写自动驾驶功能安全检测办法，拉升专精性；
² 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。
² 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。
3.
【小组研讨】日常事务中的
Prompt 规划
²
差事：结合结合自身科研事务，就一线经验说，运行层面，选项
1-2个情境撰写
Prompt
并做测试
² 小组竞赛
各组提交
Prompt 并对比 AI 输出
集体打分，运行层面，评价最优方案
讲师点评。
4.
【实操上手】智能办公抓手实操：
² 文档处理：
采用
ChatGPT 插件达成研发报告自动生成，包括技艺方案撰写、实验结果拆解
² 资料处理：
借助
Google Sheets AI 功能开展实验资料异常值检测和趋势预测
² 创意规划：
利用
Midjourney 生成货品概念图，掌握“主题 - 风格 - 细节”三要素提示招数
5.
【实操上手】装置运维
AI 抓手实操
² 系统登录和界面熟稔：
认识
“故障描述框”“历史实例库”“方案导出” 等等核心功能
²
还原操练
1：
输入
“PROTOS-M5 卷接机烟支重量偏差超标，换个角度看，上限值 1.05g”，落地时，解读 AI 生成的 5 项排查建议
²
还原操练
2：
上传装置异响录音（预存素材），对比
AI 识别结果和人工判断的差异
² 结果验证：
将
AI 方案和装置指引推荐方案开展一致性比对
6.
【实操上手】工艺参数精进辅助
² 制丝工艺输入模板：
原料等级、含水率，落地时，批次重量等等要害参数填写说明
² 实操演示：
输入
“云南烟叶 C3F，执行层面，含水率 16%，500kg 批次”，运行层面，生成烘丝温度曲线建议
² 人工决策要点：
怎样结合心得调整
AI 参数（如雨季适当降低干燥温度）
² 成效记录：
对比采用
AI 建议前后的烟丝碎丝率变化
1.2.2.
第四单元：人机协同流程重构和效率拉升（
1
小时，含
10
分钟茶歇）
1.
【学识精讲】四大运用范式拆解
² 事务流自动化：
业务链路串联推演
² Prompt 工程：
提示词规划核心轮廓
² RAG 架构：
公司学识库构筑原理
² 领域微调：
模型定制化办法
2.
【学识精讲】生产协同中的
AI 介入点
² 交接班记录：AI 自动提取装置运行资料（如停机次数、产量），生成 80% 准则化内容，人工补充异常情况
² 装置运行日报：
系统自动汇总生产资料，生成质量趋势图，往细里说，效率拆解表等等可视化图表，运行层面，减少
2 小时制表时间
² 培训资料生成：
输入
“卷接机清洁步骤”，从实践看，AI 自动生成带图片的 SOP 文档，换个角度看，可直接用于新员工培训
3.
【技艺演示】简单事务流自动化演示
² 巡检资料处理流程：
手机
APP 录入资料→AI 自动比对准则值→异常项推送至班组长微信
² 低代码抓手操作：
演示
3 步搭建 “装置保养提醒” 流程（设定周期→AI 生成保养项→自动发通知）
² 资料联动实例：
展示卷包质量资料和制丝环节参数的
AI 关联拆解，迅速定位问题源头
4.
【小组研讨】即时操练：个性化事务流的推演拆解和规划
² 分组差事：
结合公司业务以及部门事务诉求，筛选最需要自动化的三个流程（如：采购部的供应商评核报告生成
+ 审批流转）。
² 结晶输出：
每组分享规划结晶，换个角度看，从实践看，运行层面，从实践看，跨组提问。
讲师点评。
5.
【操作演示】
5 分钟搭建第一个智能体
² 创建空白流程：
命名为
“发动机排放资料处理流程”。
²
拖入第一个节点
“Excel 文件上传”：
设置支持的文件类型为
“.xlsx”。
²
连接
“资料清洗节点”：
配置项：删除
“检测时间” 列为空的行，运行层面，从实践看，将 “NOx 浓度” 列数值统一保留 2 位小数。
²
连接
“大模型节点”：
提示词：
“根据以下发动机排放资料，执行层面，收束 3 条异常趋势，每条不超过 20 字，换个角度看，用加粗字体标注超标值”。
²
连接
“图表生成节点”：
选项折线图，具体来看，
X 轴为 “检测时间”，换个角度看，Y 轴为 “CO 浓度”，就一线经验说，自动生成 PNG 图片；
² 测试流程：
上传样例资料文件，
30 秒内输出清洗后的资料表、异常收束文本、可视化图表。
6.
【技艺演示】个人学识库搭建实战
²
采用飞书学识问答搭建个人学识库，结合
RAG 技艺达成资料检索和报告生成。
7.
【实操上手】
AI 辅助生成周维护规划表
² 差事：
为
ZJ119 卷接机组生成下周维护规划
² 步骤：
输入装置当前运行小时数、近期故障记录
→选项维护类型（常规/专项）→AI 生成初稿
² 精进：
分组碰头怎样调整
AI 方案（如增加易损件查验频次）
² 结晶：
对比人工编制和
AI 辅助的耗时差异（茶歇后展示）
1.2.3.
第五单元：烟草公司数智化转型路径和员工定位（
1
小时）
1.
【学识精讲】转型三阶模型
²
第一阶段（
AI 辅助操作）：
2024-2026 年，从实践看，在实际应用里，重点达成装置故障 AI 诊断，往细里说，质量资料自动拆解
² 第二阶段（人机协同决策）：2027-2029 年，具体来看，建成生产全流程 AI 辅助决策系统，实操中，人工负责最终决策
² 第三阶段（智能自主运行）：2030 年后，达成要害环节无人化，员工转向系统监控和精进
² 本公司当前定位：
结合现有数智化基础，明晰所处阶段以及下阶段重点差事
2.
【学识精讲】一线员工的三大核心定位
² AI 资料提供者：
研习准确记录装置参数（如
“轴承温度 38℃” 而非 “温度正常”）的准则办法
² 技艺运用者：
掌握
3 类必用抓手（故障诊断系统、参数建议抓手、报表生成器）的考核准则
² 精进建议者：
构筑
“AI 运用问题反馈表”，每周提交 1 条情境改进建议（如 “希望增加外文装置的 AI 翻译功能”）
3.
【小组研讨】行动规划拟定
²
《个人
AI 运用拉升清单》填写指南：
含
“岗位可运用情境”“需研习的抓手”“3 个月标的” 三部分
² 实例参考：
展示卷包车间操作工的清单范例（如
“9 月前熟练采用故障诊断系统，标的降低本班停机时间 10%”）
² 资源支持：
引见公司内部
AI 研习平台、技艺支持热线、月度心得分享会等等渠道
1.3.
收束闭环
和课后行动
1.
学识图谱复盘
2.
课后答疑
² 构筑课后微信群，提供3个月持续答疑服务，确保落地进程中遇到的技艺、管控问题及时破解。
3.
愿景升华
² 重申生成式AI
对制造业的方略意义
—— 不是选项题，而是必答题，呼吁管人者成为公司
AI
转型的
"催化剂"。
2.
交流环节规划
1.
小组研讨（
5 次）：
² 情境识别工作坊：
生成式
AI 在烟草公司的运用情境拆解
² 提示词：日常事务中的
Prompt 规划
² 事务流：
个性化事务流的推演拆解和规划
² 智能体以及学识库：事务流规划以及学识库搭建
²
公司级
AI 落地方案规划：
行动规划拟定
2.
实操训练（
4 次）：
² 智能办公抓手实操
²
装置运维
AI 抓手实操
² 工艺参数精进辅助
² AI 辅助生成周维护规划表
3.
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。
² 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
烟草公司的一线员工。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。