AI办公效率提升实战

第一部分：双轮驱动

——AI技艺认知筑基和国产化实践跃迁

首讲

：

AI认知筑基——技艺原理和国产化实践

一、技艺变革和效率革命

1. “AI四要素”轮廓：算法、算力、资料、情境

2. “保安四问”交互原理：是谁？找谁？干啥？填表！

二，开启

AI大门：AI大模型的事务原理

1. AI大模型的基本事务制度

核心：

怎样借助大规模预训练和微调来生成自然语言文本？

2.

常见

办公情境中的

3大

运用

1）买方服务：自动回复机器人

2）内容生成：自动翻译，报告生成

3）资料拆解：图表制作，资料透视

交流示范：

参训者亲自体验

AI大模型的对话本领和运用成效，加深技艺原理的领会

三、国产化替代路径

——

DeepSeek的全拆解

1. 演进路径拆解

2. 技艺内核

3. DeepSeek和Chatgpt的PK战

4. DeepSeek的底层推演和运用实例

DeepSeek-R1技艺拆解：

MoE,资料标注，资料蒸馏

要点：

大模型本领边界实证（能做什么？

vs 不能做什么？）

次讲

：刚需情境突破

——文档×资料×会议智能革命

一

、

AI大模型的潜力

1. 大资讯量

——超海量资料（数百万行）以及超大文件（30MB）以上的文件处理注意事项

2. 高质量内容

——高敏感内容（政策性文件，法律性文件、医疗健康等等）的处理注意事项

3. 拉升事务效率

——AHT概念（Average Handling Time）以及人工效率的拉升测算方式

二

、

AI大模型的本领边界

1. 复杂上下文（来由）情境下的局限性，规避和精进方式

2. 高精度内容时的局限性，规避和精进方式

3.

情境汇总：

Deepseek版本下的运用本领边界

情境运用：

有效规避

AI大模型的局限性

——法律情境：法律条款解读的演示以及根因拆解

——医疗顾问：医疗咨询演示以及根因拆解

三、

AI办公革命三大核心战场

核心战场一：

智能文档处理（

IPO链条升级

→

智能体）

技艺：

报告自动化

2.0

1.

政务公文规范生成（公文写作模块）

——

IPO要则

1）

资料投喂

=“内力输送”

2）Prompt工程=“招式组合”

跨模态内容生成

2. 自媒体爆款文案

实例：

AI写作营

3.

政务呈报

PPT智能生成

操作：

PPT自动化

核心战场二：

资料智能决策（双办法论融合）

——

四步法升级版

1. 取数

2. 建模

3. 拆解

4. 决策

业界沙盘上手

：

1）金融：信贷隐患模型（互联网银行实例）

2）

政务：大屏看板制作实例拆解（

DataV+灾普Demo）

3）

营运商：用户离职模型（决策树算法

+业务领会）

核心战场三：

会议协同架构重构

——

智能会议中枢

1. 实时转录技艺（tts）

× 应急指挥平台架构

（横向到边，换个角度看，纵向到底）

2. 会后行动项自动分配

第二部分：八层

AI办工心法——从基础操作到办公助理

情境一：文档处理

第一层：报告自动生成

事务痛点：

手工生成报告费时费力，落地时，容易因人为疏忽导致错误

1. AI大模型生成格式规范

报告的

3个先决条件

1）提取和组织资料的：结构化清洗+维度拆解

2）内容推演结构设定：金字塔原理运用+业界模版植入

3）设置对应格式

抓手：

Deepseek-R1

2. AI大模型生成格式规格报告的4个步骤

步骤一：资料投喂：批量导入、动态抓取、非结构化处理

步骤二：设置核心情境的

Prompt提示词——情境化模版库、变量引擎、风格将控器

抓手：

《

AI报告提示词宝典V3.0》含200+情境模板

步骤三：手动精进和细节调整

a

推演校准三要则：资料

→结论的因果链完整

、防止绝对化表述、要害指标双重校验

b

视觉精进：图表色彩符合

CI规范、重点资料添加荧光标记

步骤四：合规风控和交付——敏感资讯过滤、版本留痕、格式输出

3. 10个职场常见运用情境和实践

1）通用日常营运类

——

事务日报

/周报/月报、年度事务收束和规划报告、

会议纪要

/会议收束/研习心得、货品诉求说明

实例：

某电商营运队伍自动化日报

操练：

输入昨日销售资料，生成含「异常指标红标」「改进建议」的简报（限

200字）

抓手：

DeepSeek日报模板 + Excel插件

2）资讯传递和决策支持类

——

市场调研

/用户调研报、项目可行性拆解报告、

商业规划书

实例：

新能源汽车用户画像：

10万+问卷资料聚类生成4类人群标签

操练：

清洗问卷资料

→ 输出人群特征雷达图+购买动机词云

抓手：

Python库 + Tableau

3）

问题拆解和改进类

——

事故

/问题拆解报告、

财务报表拆解

/审计报告、业界方略拆解报告

实例：

工厂装置故障根因追：运维日志自动生成故障树，关联备件库存预警

操练：

输入报警日志

→ 输出「因果链图」+「预防措施查验表」

抓手：

根因拆解仪（本地部署版）

第二层：文档摘要提炼

事务痛点：

阅读长文档耗时，易错过要害资讯

1. 运用情境

1）核心内容领会

技艺挑战：

跨章节语义连贯性处理

2）会议纪要精炼

技艺挑战：

口语转书面语的推演重构

3）研习笔记生成

技艺挑战：

概念实体关系抽取

4）录音稿摘要

技艺挑战：

多模态资讯融合（语音

+文本）

5）二次创作深化

技艺挑战：

风格迁移和资讯密度将控

2. 文档中提取要害摘要

1）借助AI大模型提炼要害资讯

a技艺路径

：

分层抽取打法

首层：基于

TextRank算法抽取核心句（保留原文）

二层：基于

Seq2Seq模型生成抽象摘要（重构语言）

三层：要害实体增强（人名/机构名/资料）高亮标注

b长文档处理方案

2）借助AI大模型拉升阅读效率

a效率拉升杠杆：资讯压缩率将控、交互式摘要导航、可信度验证制度

b自动标注资料来源页

c矛盾检测

研习实践

：结构化提示词规划（含成效验证）

基础抓手：

DeepSeek-R1

增强抓手

1-

音频处理：讯飞听见

API（中英粤语支持）

增强抓手

2-

格式输出：

Markdown/PPT/学识图谱（适配WPS/腾讯文档）

增强抓手

3-

合规查验：敏感词实时过滤（自定义金融

/医疗黑名单）

第三层：自动做

PPT

事务痛点：

制作

PPT常面临时间压力大

（紧急呈报占比

62%），内容组织碎片化

（平均耗时

4.2小时/份）、资讯检索低效

（

37%时间用于资料搜集）三重挑战

1. 运用情境和智能解题打法

1）事务收束：资料分散、结晶量化难

抓手链：

DeepSeek-R1自动提取业务系统日志 → 生成「要害指标看板」+「问题根因树」

2）公司引见：品牌一致性难保障

抓手链：

Kimi+公司库自动匹配：主色（潘通2945C）+字体（思源黑体）→ 全网搜索竞品实例智能排雷

3）本领培训：学识点枯燥、转化率低

抓手链：

输入课程音频

→DeepSeek生成「交流题库」+「情景还原动画脚本」→ Kimi插入3D模型演示区

4）货品引见：技艺参数和买方痛点脱节

抓手链：

爬虫抓取电商评论

→ Gamma生成「买方诉求热力图」→ 动态匹配货品功能页

2. 生产PPT的2个路径

路径

1：投喂文档→生成大纲→修改大纲→输出PPT→调整

实例：

基于《

Q3用户反馈报告.docx》生成PPT大纲

Kimi精进点

：

启用「智能避坑」功能，往细里说，自动过滤敏感词（如

“绝对领先”）

路径

2：全网搜索→生成大纲→修改大纲→输出PPT→调整

实战实例

：制作《新能源汽车出海打法

PPT》

课堂操练：

销冠实战沙盘

(抓手参考：deepseek+kimi)

情境二：资料和会议

第四层：资料拆解

事务痛点

：

资料输入和校验繁琐易出错

局要害

：

借助AI自动化预处理+ 人机协同决策化解传统资料流程瓶颈

1.

基于资料拆解四步法

，

AI和人的共同协同

第一步：取数

–多源异构资料智能整合

核心操作

：

多源抓取+异构治理

第二步：建模

–动态多维业务模型构筑

维度建模：

AI辅助精进

1）自动检测资料孤岛（如缺失的供给链资料）

2）推荐关联字段（如“促销活动”关联“客单价波动”）

第三步：拆解

–智能诊断和根因定位

1）描述性拆解：自动生成要害指标卡

2）关联性拆解：Apriori算法挖掘菜品组合

3）预测性拆解：LSTM预测未来3天客流量

第四步：决策

–人机协同打法生成

协同流程

：

AI生成备选打法+管人者校准决策

实例：

某公司特定物品采购量拆解

2. 资料拆解进程

1）源资料领会（AI减负80%人工校验）：多源异构、多维建模、拆解办法

2）拆解诉求落地（人机协同闭环）：业务领会、算法选项、迭代验证、业务校准

实地上手：

连锁餐厅营运拆解沙盘

结晶交付：

《

xxx店铺营运精进方案》

第五层：资料图表

事务痛点：

管控层需直观图表拆解季度业绩，但传统制图面临三重瓶颈。

第一步：取数

——指定资料区域、字段

抓手支持：

DeepSeek-R1资料清洗插件（支持正则表述式过滤）

第二步：定图

——确定想图表类型

1）业绩对比：

簇状柱形图

+资料标签

2）趋势预测：

双

Y轴折线图（实绩+预测线）

3）结构占比：旭日图（分层占比）

革新功能

：

语义转图表、图表纠错

第三步：输出

——图表、资料大屏，可视化

抓手：

多类型图表操作指令

课堂操练：

季度业绩资料拆解和图表生成

结晶产出：

掌握采用

AI大模型拆解季度业绩资料，生成包括柱状图、折线图等等在内的多种图表，研习怎样直观展示资料拆解结果

第六层：会议资讯

方式一：实时记录会议资讯

情境

1：专精会议记录 – 全链路自动化

实例拆解：

某科技公司采用后，决议事项追溯效率拉升

80%

，会议时长缩短

35%

情境

2：专属同传–低延迟跨语言协同

突破性本领

：

语言无感切换、业界术语库绑定、声纹情绪拆解

抓手链：

通义听悟（实时翻译）

+ 腾讯同传（术语精进）

情境

3：培训研习助手 – 学识萃取引擎

核心功能

：

智能打点标记、学识图谱生成、随堂测验生成

方式二：上传音视频文件生成

情境

1：音频智能转写–非结构化治理

革新处理：多人重叠发言、来由噪音干扰、方言识别

情境

2：视频结构化拆解–多模态领会

拆解：

技艺架构

情境

3：专精翻译–合规级本地化

实例拆解：

公司级方案——术语库预载、风格将控器、安全审计

研习实战：

豆包

AI抓手链实战

情境三：图像处理情境

第七层：图像文字识别

事务痛点：

纸质文档识别既耗时又容易出错，影响事务效率

1. 图像文字识别的5大常见运用情境

1）图片内容识别

技艺方案：

OCR（EasyOCR）+ 版面拆解（LayoutLMv3）+ 语义修正（GPT-4o）

2）PDF智能拆解

技艺方案：

PDF拆页（PyMuPDF）→ 矢量文本优先提取 → 图像兜底（Tesseract 5.0）

3）打印文稿自适应处理

技艺方案：

固定模板匹配（

OpenCV）+ 动态版面分割（UNet）

4）复杂图文要害资讯抽取

技艺方案：

图神经网络（

GNN）+ 要害资讯抽取（KIE）

5）

视觉

-语言端到端推理

技艺方案：

VLPM（Qwen-VL）+ 多模态领会 → 生成结构化描述

2. 技艺原理和智能跃迁

1）光学字符识别（OCR）：从扫描到语义

2）计算机视觉（CV）：机器之眼的认知革命

3）AI大模型：图像文字编辑的智能跃迁

课堂操练：

采用

AI大模型处理扫描某公司文档中的文字

结晶产出：

掌握将各类实体文件转换为可编辑的文字文件，采用

AI大模型开展识别和编辑，确保内容准确无误。（每人心得分享）

第八层：

AI绘画和图片处理

——图像提示词结构的四维黄金公式

1. 主体定义——精准锚定核心元素

革新方案：

动态绑定、跨模态联想

2. 细节&来由——增强叙事真实感

抓手：

细节库

3. 风格/媒介/艺术家——风格代码化

抓手：

风格速查表

4. 参数——生成将控论

抓手：

要害参数组合

课程收束、回顾和展望

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|冰洋老师