从0到1构建数字员工：智能体实战工作坊——- 副本

引言：AI正从“聊天机器人”进化为“业务执行者”。看懂趋势，厘清概念，是银行抢占智能化方略身位的第 一步。

导入：AI的颠覆性力量，落地时，引入大模型的潜力

降本增效：让AI接管重复性和流程性差事

一、认知跃迁：推演推理的范式颠覆

1. 开场震撼Demo

• 从“概率预测”到“推演推理”的突破。

1. 认知升级

• AI的本质：从概率模型到认知突破

• Deepseek为何这么强？

• 超越搜索引擎：生成式AI的范式迁移

1. 多模态：Seedance2.0核心认知和本领突破

2. OpenClaw“龙虾”火爆

二，银行智能化机遇地图

1. 效率革命：接管报表生成、资料核对、资讯检索等等重复性劳动，释放人力锁住高价值拆解。

2. 决策增强：辅助开展市场趋势研判、隐患信号初筛、买方画像深度挖掘。

3. 服务重塑：炼就7×24小时在线的智能客服、智能投顾，智能风控专员。

引言：从“对话”到“执行”的跨越。这只“龙虾”能自己操作软件、调用抓手，今天我们就领养一只你的数字实习生。

一、为何为这只“龙虾”引爆全球？

1. 它和以往的AI有什么不同？

2. 革命性突破：从“对话”到“执行”的本质跨越

3. 技艺架构革新

• 智能体引擎：自主差事分解和决策本领。

• 抓手调用轮廓：准则化接口连接各类软件和API。

• 记忆系统：短期对话记忆和长期学识库结合。

二、OpenClaw核心优势和适用情境

1. 核心优势

• 执行而非对话：真正完成差事，而不只是回答问题。

• 本地运行拉升安全性：资料可完全留在行内，满足金融监管要求。

• 可接入公司通讯抓手：无缝集成钉钉、公司微信、飞书，达成队伍级协同。

• 本领库生态：借助插件制度持续扩展本领边界。

1. 适用情境矩阵

• 高频重复情境：日报生成、资料报送、资讯同步。

• 跨系统操作情境：多系统资料查询和整合。

• 定时差事情境：定期监管报告、隐患扫描、买方关怀。

• 队伍协同情境：群聊中的智能助手、差事分发和跟踪。

三、迅速部署OpenClaw——领养一只你的OpenClaw龙虾

1. 部署方式

• 云端体验版：采用Coze等等平台迅速搭建，适合迅速验证。

• 本地部署版：Windows/Mac全平台安装指南，换个角度看，满足安全合规要求。

• 公司级部署：Docker容器化部署，支持高可用架构。

1. 迅速平台迅速搭建OpenClaw

• 账号和环境准备

• 迅速平台迅速搭建OpenClaw

1. 差事演示

• 差事1：实地部署一个最简单的自动化差事

每天定时自动收集招标政府相关招标资讯

• 差事2：自动整理发票，从实践看，合规验证生成台账报表

当有收到新发票自动整理发票，从实践看，合规验证，执行层面，生成台账

1. 成本结构解读

• 大模型Token

• 云端服务器租赁费用

• 本地运行费用

四，OpenClaw安全要则和隐患预警

1. OpenClaw隐患全景图

• OpenClaw隐患真实实例

1. OpenClaw安全要则

• 要则1：权限给最小

• 要则2：人工确认不能省

• 要则3：本领来源要可靠

1. 银行特定隐患预警

• 资料泄露隐患：智能体在处理进程中可能无意暴露敏感资讯。

• 操作越权隐患：权限配置不当导致越权访问。

• 合规性隐患：自动化操作是否符合监管要求。

• 系统稳定性隐患：智能体异常操作对业务系统的影响。

引言：公司最 大的隐性离职，是员工带着心得离职。学识库不是文档仓库，而是组织记忆的数智化复利引擎——让智慧沉淀为资产，而非离职为成本。

一、为何智能体需要学识库？

1. 大模型不懂我们公司的事

• 大模型知道“社保为何”，换个角度看，换个角度看，但不知道“我们公司的社保怎么交”

• 大模型知道“报销流程”，在实际应用里，但不知道“我们公司的报销准则”

1. 学识库 = 给智能体看“内部培训指引”

• 让智能体看了政策再回答问题，就不会瞎编

1. 揭秘学识库原理：公司智慧的底层推演

• 重点：RAG（检索增强生成）——不是让AI背诵，落地时，是让AI带着教材做题

• 招数：拆解RAG架构（检索模块+生成模块）

1. 学识库类型

二、学识库搭建全流程实战

1. 学识库里能够放什么？

• Word/PDF文档：制度文件、操作指引，在实际应用里，培训材料

• Excel表格：价目表，供应商名单、审批流程表

• 网页链接：内部wiki，执行层面，学识库网页

• 常见问答：自己整理的“高频问题+答案”文档

1. 搭建业务学识库

• 将资料“喂”给学识库

• 让AI“读懂”你的资料

1. 基于学识库提问——让学识“活”起来

2. 维护和更新学识库

• 重点：保障学识库内容始终贴合业务变化

• 招数：构筑定期查验制度+更新SOP。

三、学识库的运用情境和效能拉升

1. 智能问答助手

• 7×24小时回答员工/买方问题，准确率95%+

1. 项目学识沉淀

• 项目结束≠学识消失，在实际应用里，往细里说，复盘文档自动入库

1. 新人培训加速

• 新员工3天入门，从实践看，有问题先问库，别问导师

1. 更多本领

• 生成思路导图：选中文档或者回答，右键“生成思路导图”

• 智能写作：输入“/”唤起AI辅助，基于学识库写通知、写收束

• 共享学识库：将做好的学识库分享给同事，队伍协同

五、学识库业务赋能，弄懂学识库有多强

1. 借学识库全景掌控业务

• 重点：借助学识库周全把握业务全貌，领会各业务环节关联，拉升方略视野。

• 招数：梳理业务脉络，构筑学识地图，以可视化方式呈现业务链路和要害学识点。

1. 巧用学识库，深耕业务细节

• 重点：领会学识库怎样和业务细节深度融合，借助学识库周全掌握业务链路、要点。

• 招数：构筑实例库，在实际应用里，运行层面，往细里说，从实际实例中深挖业务细节。

1. 从模糊记忆到精准匹配

• 重点：将脑海中的模糊记忆转化为精准的学识获取，拉升资讯查找效率。

1. 获取精准业务建议

• 重点：迅速并且准确地获取对业务有实际指导意义的建议，执行层面，助力业务决策和执行。

引言：未来的组织形态，在实际应用里，是人+智能体的混合舰队。这一讲，带你从采用者进阶为指挥官，构筑7×24小时在线的数字员工军团，实操中，落地时，让执行本领指数级扩。

一，在实际应用里，智能体核心

1. 大模型协同模式

• 单次对话 vs 多轮协同 vs 自主决策

1. 智能体(Agent）的核心模块

• 感知、规划、记忆、抓手、行动

1. 智能体(Agent）和机器智能的关系

• 智能体 = 大模型 + 标的 + 权限 + 记忆

二，主流智能体开发平台

1. 国外平台：Codex，执行层面，Claude Code

2. 国内平台：扣子(Coze)，智谱清言，秒哒、Qwen Coder

三、智能体基础搭建流程

1. 标的设定和定位定义

2. 抓手调用规划

3. 事务流和打法配置

4. 监控和迭代精进

四，动手搭建智能体

1. 实战1：小试牛刀搭建夸夸智能体

• 诉求拆解：给一段文字/一个情境→生成温暖、真诚的夸奖文案

• 编写提示词，具体来看，例如夸奖要具体、真诚，防止空洞

• 测试精进：查看生成的文案，不满意能够调整提示词

1. 实战2：搭建“招聘助手”智能体

• 诉求拆解：筛选简历→提取要害资讯→标记符合条件的人选

• 搭建进程：

1) 设定定位：“你是一名资深的招聘助理”

2) 配置学识库：上传岗位JD模板，简历筛选准则

3) 编写提示词：明晰筛选推演和输出格式

4) 测试精进：上传一份简历，运行层面，就一线经验说，看结果是否符合预期

1. 实战3：搭建“银行问答助手”智能体

• 诉求拆解：员工问政策→准确回答→引用政策原文

• 搭建进程：

1) 设定定位→配置学识库→编写提示词→测试精进

五，实操中，无代码（Vibe Coding）开发实战

1. 无代码智能体开发平台：秒哒

• 怎样定义智能体的定位，在实际应用里，抓手和事务流程

• 实战：无代码搭建公司内部“差事管控”智能体

1. Qwen Coder：免费的AI Vibe Coding，换个角度看，让智能体如虎添翼

• Qwen Coder简介和本领边界：代码生成、解释、调试、转换。

• Qwen Coder怎样辅助智能体开发：

• 迅速创建智能体需要调用的简单网页抓手或者前端界面。

• 实战：用Qwen Coder辅助开发一个专属“网站”

引言：倘若说智能体是数字员工的大脑和灵魂，换个角度看，在实际应用里，那么数字人就是它的面孔和身体。当大模型赋予机器推演思路，往细里说，具体来看，当学识库赋予它业务记忆，就一线经验说，数字人则让AI从“聊天框”里走出来，成为看得见、能共情、可交流的数字孪生员工。这一讲，从实践看，在实际应用里，我们将炼就属于你的品牌IP数字分身。

一，具体来看，往细里说，认知重塑：数字人不只是“会动的脸”

1. 核心价值锚点

• 品牌IP化： 将冰冷的AI交互转化为有温度的品牌样貌代言人。

• 服务准则化： 确保每一次买方面对面的服务质量都是“金牌水平”。

• 时间无限化： 突破人类生理极限，达成直播/迎送/解说的7×24小时在线。

1. 数字人的核心和驱动模式拆解

三，情境重构：数字人重塑公司和买方的触点

1. 全域营销和直播

• 痛点：真人直播时间有限，主播离职带走流量、深夜流量浪费。

• 实战：搭建AI数字人直播间，结合商品库（学识库的延伸），在实际应用里，达成“无人值守、自动解说，就一线经验说，智能憋单”。

1. 线下和线上智能服务

• 痛点：展厅解说员疲惫、重复性问题消耗人力。

• 实战：银行VTM中的数字柜员、博物馆的解说员、售楼处的置业顾问。

四、实战工坊：炼就你的第 一个数字员工

1. 样貌准备和生成

2. 声音克隆和绑定

o 实操：录制20句话，克隆你的专属音色（或者选项商用音色库）。

3. 灵魂注入：对接智能体和学识库

o 要害步骤：接入学识库。

o 配置：设定数字人的开场白，在实际应用里，对话风格（活泼/严肃），动作触发要害词。

4. 结晶展示和发布

o 生成一段由大模型驱动的，换个角度看，回答业务问题的数字人问答视频。

o 尝试启动一次简单的数字人直播推流。

引言：AI效能显著，在实际应用里，具体来看，但暗礁同样致命。资料泄露、版权争议、模型幻觉——此讲不渲染焦虑，换个角度看，只为你划定安全边界，构筑未来的方略预见力。

一、大模型技艺盲点和隐患预警

1. 资料安全隐患：

• 实例拆解：某研究所资料泄露经过（借助AI导致规划泄露）

• 敏感资讯识别和防护：买方资料、财务资讯、核心技艺文档

1. 合规和法律隐患：

• 实例拆解：采用Deepseek生成虚假实例

• 学识产权隐患：AI生成内容的版权归属和侵权认定

• 业界合规要求：金融、医疗、政务等等业界的特殊监管政策

1. 模型和输出隐患：

• 幻觉（Hallucination）问题：错误资讯的生成和辨别

• 偏见和歧视：训练资料偏差导致的输出问题

• 提示词注入（Prompt Injection）攻击和防范

二，AI演进和未来

1. AI走出屏幕进入物理世界

• 具身智能：机器人，自动驾驶、智能工厂

1. 机器智能+

• 不是“AI替代人”，就一线经验说，是“AI + 人 = 新物种”

老师简介

Introduction to lecturers

弄懂更多

珀菲特顾问|雷曼老师