课程背景
随着AI大模型在公司中的普及，业务部门面临着两大核心痛点：
第 一是“隐私安全和部署门槛”：将敏感业务资料直接输入公有云大模型存在极高的泄密隐患。OpenClaw作为强大的开源智能体接入网关，能达成“资料不出域”的本地化调度，往细里说，但非IT人员面对Docker、WSL2等等部署抓手往往望而却步。
第二是“办公生态的割裂”：员工每天在办公平台里交流协同，却要频繁切出界面去第三方AI网页提问，复制、粘贴，这种“孤岛式”的AI运用不仅效率低下，更无法达成真正的业务自动化。
本课专为具备基础计算机本领、无IT代码来由的企事业单位业务主力量身定制。课程采用“线下集中，高频实操（占比>70%）”的特训模式，提供傻瓜式的安装包和配置清单。讲师将手把手带领参训者：先在本地成功点亮OpenClaw（建大脑），运行层面，能安装Skills，再将OpenClaw和日常采用的飞书或者微信无缝打通（接手脚），亲手“聘请”一位永远在线的数字助理，达成智能分发、文档收束和表格拆解的自动化闭环。
课程收益
1. 打破技艺恐惧：用大白话搞懂本地化部署和大模型API调用的底层推演，独立完成OpenClaw环境搭建和多模型绑定。
2. 精通集成招数：无需懂开发代码，实操中，学会利用界面化操作和访问令牌（Token），执行层面，打通第三方大模型和飞书/微信等等生态。
3. 抓手扩展招数：掌握Skills扩展本领，为OpenClaw装上运用翅膀。
4. 驾驭情境实操：带着痛点来，学会在飞书中达成“智能群管家、超长文档秒级收束、资料拆解”等等高频办公情境。
课程大纲
一、基础认知：看透OpenClaw的本地化价值
• 痛点拆解：公有云API的隐私陷阱 vs OpenClaw的“隐私优先”定位。
• 原理拆解（大白话）：“铁三角”是怎样协同的？
o 大脑（大语言模型，落地时，如DeepSeek/千问）：负责思索和生成。
o 神经中枢（OpenClaw）：负责本地化调度抓手、保护隐私。
o 手脚和嘴巴（飞书）：负责展示资料、执行日常动作。
二、OpenClaw部署和实战准备
1. OpenClaw一键启动和验证
2. 模型绑定（Model Binding）
o 获取大模型API Key（以Minimax、DeepSeek或者阿里云百炼等等为例）。
o 在OpenClaw后台正确配置Base URL和API Key。
2. 闭环测试：发起第 一轮本地对话，具体来看，确认大模型成功接入。
3. 创建你的“数字员工”
三、认识Skills和安装运用Skills
1. 何为AI的“本领（Skills）”？
2. 实操演示：在OpenClaw中“傻瓜式”安装和配置本领
• 寻找“抓手箱”：去哪里找现成的本领？
• 零代码安装和绑定（手把手带练）：
o 在OpenClaw的后台界面中找到“Skills/Plugins（本领/插件）”的配置入口。
o 实操动作：以配置一个免费的“实时新闻搜索”外部API本领为例，演示怎样借助简单的参数配置（无需写代码），迅速创建一个能让智能体调用的插件。
• 给抓手写“说明书”（元资料配置）：AI怎么知道何时该用这个本领？
3. 情境验证：让Skills真正跑起来！
• 一键触发调用测试：配置完成后，立即在测试区开展验证。向OpenClaw输入自然语言指令（例如：“请调用搜索本领，帮我查一下关于某竞品的最 新新闻”）。
四、业务起飞：炼就飞书/微信等等平台的“智能办公助理”三大情境
• 情境实战一：智能群管家（HR/IT/客服答疑群）
o 痛点：群内重复问题多，往细里说，人工回复慢。
o 实操：利用学识库插件（RAG），将公司的《员工报销SOP》上传至OpenClaw。在飞书群内“@数字员工”，达成基于公司私有学识的24小时精准回复。
• 情境实战二：让AI读懂文档（Docs）和会议妙记
o 痛点：长篇大论的技艺文档、冗长的会议录音转写抓不住重点。
o 实操：打通文档读取权限，从实践看，向飞书对话框发送文档链接，执行层面，并下达指令：“请提取这份文档的3个核心结论，往细里说，并列出下一步的RACI责任分配矩阵”。
• 情境实战三：飞书多维表格（Bitable）的资料拆解自动化
o 痛点：面对表格里的线索，台账，执行层面，不会写复杂函数。
o 实操：在飞书对话框输入大白话：“查一下《Q3营销线索表》中本月未跟进的A级买方，并生成催办汇总”，见证AI自动抓取表格、拆解并返回结果。
老师简介
Introduction to lecturers
弄懂更多
珀菲特顾问|魏凌睿老师
适合谁听
各类参训者。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。