課程收益：

1. 建立AI戰(zhàn)略認知：理解AI大模型原理及企業(yè)應用價值，明確AI在工具提效、流程自動化等價值。

1. 掌握全流程實操技能：熟練使用提示詞、智能體開發(fā)、數(shù)字員工創(chuàng)建，具備完成AI應用落地的能力。

3. 提升業(yè)務流程效率：識別重復性業(yè)務環(huán)節(jié)，通過AI自動化流程建設，減少人工干預，提高生產(chǎn)力。

4. 強化技術安全與競爭力：掌握私有化部署技術，滿足數(shù)據(jù)安全需求，通過定制化開發(fā)構建專屬AI能力，形成差異化競爭優(yōu)勢。

課程工具：

1. Deepseek、通義千問等國產(chǎn)大模型

2. Coze智能體開發(fā)平臺

3. 飛書協(xié)作工具

4. 影刀開發(fā)平臺

學員準備：

1. 個人電腦和智能手機

2. 提前注冊Coze平臺賬號

3. 提前注冊Deepseek、通義千問等國產(chǎn)大模型賬號

4. 提前注冊飛書

5. 提前注冊影刀

第一講：AI大模型核心認知——構建企業(yè)數(shù)字化轉(zhuǎn)型技術底座

章節(jié)目標：客戶理解AI大模型的基本概念，AI大模型對企業(yè)的價值。

一、什么是AI大模型

1. AI大模型的定義

2. 與傳統(tǒng)AI模型的區(qū)別

3. 大模型的發(fā)展歷程與重要里程碑

二、AI大模型的核心原理

1. 核心突破點：Transformer架構

2. 深度學習基礎：用神經(jīng)網(wǎng)絡模擬人腦工作

3. 自監(jiān)督學習：靠海量數(shù)據(jù)自己學規(guī)律

三、AI大模型的主要類型

1. 自然語言處理大模型：GPT、文心一言等

2. 圖像生成大模型：Stable Diffusion、Midjourney等

四、企業(yè)AI化的必要性

1. 提高業(yè)務效率

2. 創(chuàng)新業(yè)務模式

3. 提升企業(yè)競爭力

案例實踐：如何做行業(yè)競調(diào)分析

1）用 Deepseek V3競調(diào)輸出

2）用 Deepseek R1競調(diào)輸出

3）打開聯(lián)網(wǎng)搜索，再次輸出

4）感受模型的差異

成果輸出：輸出行業(yè)競調(diào)分析報告，感受AI的魅力。

第二講：企業(yè)AI應用落地的五個層級——構建從工具到戰(zhàn)略的進階路徑

章節(jié)目標：知道企業(yè)AI應用落地的等級，以及對應的能力。

一、工具輔助員工提效

1. AI文案

2. AI扣圖

3. 會議助手

二、知識沉淀與復用

1. 知識庫歸類

2. 知識庫標簽管理

3. 知識復用效果評估

4. 知識庫權限分級

5. 知識庫敏感信息脫敏

三、任務流程自動化

1. 識別自動化業(yè)務流程

2. 搭建自動化流程方法

3. 評估自動化流程效果

4. 持續(xù)迭代自動化流程

四、企業(yè)數(shù)字員工

1. 財務對賬機器人

2. 7*24小時智能客服

3. 重復執(zhí)行數(shù)字人

4. 人機協(xié)助

五、AI成為企業(yè)技術優(yōu)勢

1. AI私有化部署

2. 企業(yè)戰(zhàn)略融入AI技術

3. 組織結構匹配AI效能

第三講：AI提示詞工程核心方法——構建高效模型交互的底層邏輯

章節(jié)目標：掌握生產(chǎn)力工具核心用法

一、提示詞基礎

1. 提示詞對模型輸出的影響

2. 設計有效提示詞的方法

1）明確對象

2）明確任務目標

3）輸出限定

4）拆解任務

二、常見提示詞模板

1. 提問的兩種方式

1）指令式提問

2）投喂式提問

2. 提示詞萬能公式

——角色+任務+要求+細節(jié)

三、提示詞的高級技巧

1. 動態(tài)提示詞生成與調(diào)整

2. 提示詞模板創(chuàng)建與復用

3. 多輪對話中的提示詞連貫性維護

四、不同場景下的提示詞應用

1. 文本生成場景

案例：文案寫作、故事創(chuàng)作等

2. 圖像生成場景

案例：設計創(chuàng)意、藝術創(chuàng)作等

3. 數(shù)據(jù)分析場景

案例：數(shù)據(jù)洞察、報告生成等

五、提示詞工具與資源推薦

1. Promptimize AI等提示詞優(yōu)化工具

2. 在線提示詞庫與社區(qū)：Tipstore等

案例實踐：用AI輸出一篇會議發(fā)言稿

1）需求分析與信息準備

2）AI指令設計與初稿生成

3）人工潤色與風格調(diào)校

4）輸出終稿

成果輸出：用AI輸出一篇會議發(fā)言稿

第四講：企業(yè)AI知識庫構建與管理——沉淀組織智慧的數(shù)字化基建

章節(jié)目標：建立企業(yè)知識庫，沉淀企業(yè)資產(chǎn)。

一、知識庫建設基礎

1. 知識庫的分類方法

1）按知識庫的服務對象分類

2）按知識庫的構建方式分類

2. 知識庫的特點

1）多維度與多層次

2）共享性與協(xié)作性

3）權威性與可信度

二、知識庫構建的流程

1. 數(shù)據(jù)收集與整理策略

2. 知識表示與編碼技術

3. 數(shù)據(jù)清洗與標注

4. 選擇知識庫搭建平臺

5. 知識庫架構設計

6. 知識庫更新機制

三、知識庫與AI模型的交互機制

1. 信息檢索與融合算法

2. 智能問答系統(tǒng)集成

3. 知識推薦功能

4. 上下文感知的知識調(diào)用

5. 企業(yè)內(nèi)部培訓與學習

案例實踐：用飛書搭建企業(yè)在線共享知識庫

1）新建知識庫

2）創(chuàng)建知識庫目錄

3）設置知識庫權限

4）導入企業(yè)存量知識庫

成果輸出：用飛書新搭建一個企業(yè)知識庫

第五講：AI智能體開發(fā)全流程實踐——搭建業(yè)務流程自動化執(zhí)行引擎

章節(jié)目標：了解智能體并搭建出第一個企業(yè)智能體。

一、AI智能體的組成要素

1. 感知模塊：數(shù)據(jù)輸入與環(huán)境感知

2. 決策模塊：模型推理與策略制定

3. 執(zhí)行模塊：任務操作與反饋獲取

二、智能體開發(fā)平臺與工具選擇

1. Coze平臺：快速搭建和發(fā)布智能體，適合個人

2. 騰訊元器：騰訊生態(tài)系統(tǒng)，適合需要與社交平臺深度集成

3. GPT Store：面向全球開發(fā)者，提供強大的模型支持和開放的社區(qū)生態(tài)

三、智能體需求確定流程

1. 需求分析與功能定義

2. 工作流程確定

3. 工作任務拆解

4. 自動化節(jié)點評估

四、Coze平臺搭建第一個智能體

1. 創(chuàng)建智能體

2. 配置智能體參數(shù)

1）人設與回復邏輯

2）技能配置

3. 調(diào)試與測試

4. 發(fā)布智能體

案例實踐：用Coze搭建企業(yè)智能客服機器人

1）明確智能客服解決的需求問題

2）拆解智能客服工作流程

3）用Coze平臺創(chuàng)建一個智能客服機器人

4）配置智能客服工作流

5）調(diào)試并發(fā)布智能體機器人

成果輸出：用Coze搭建出企業(yè)第一個智能客服機器人

第六講：影刀RPA數(shù)字員工開發(fā)——打造7×24小時無人化作業(yè)系統(tǒng)

章節(jié)目標：用影刀平臺搭建一個數(shù)字員工，解決某一類日常重復需求。

一、數(shù)字員工的價值

1. 自動化業(yè)務流程處理

2. 7×24小時不間斷工作

3. 減少人為錯誤與提高合規(guī)性

二、影刀RPA平臺的特點

1. 低代碼開發(fā)環(huán)境

2. 豐富的自動化組件庫

3. 任務調(diào)度與管理功能

三、影刀數(shù)字員工的創(chuàng)建流程

1. 流程錄制與設計

2. 數(shù)據(jù)處理與交互

3. 流程異常分支處理

4. 配置觸發(fā)調(diào)度任務

四、影刀數(shù)字員工的管理與維護

1. 任務調(diào)度與監(jiān)控

2. 版本更新與升級

3. 安全與權限管理

案例實戰(zhàn)：搭建一個數(shù)據(jù)處理與報表生成的數(shù)字員工。

1）業(yè)務流程梳理與目標確定

2）流程建模與自動化設計

3）用影刀配置自動化流程

4）用影刀配置調(diào)度機制

5）部署任務

成果輸出：搭建一個數(shù)據(jù)處理與報表生成的數(shù)字員工。

第七講：大模型私有化部署實戰(zhàn)——構建數(shù)據(jù)安全敏感型AI基礎設施

章節(jié)目標：掌握大模型私有化部署，幫助企業(yè)在數(shù)據(jù)安全的情況下落地AI。

一、模型私有化部署的基礎

1. 私有化部署的必要性與優(yōu)勢

2. 保護企業(yè)數(shù)據(jù)隱私

3. 滿足業(yè)務定制化需求

4. 與公有云部署的對比

二、模型私有化部署的關鍵技術

1. 服務器選型與配置

2. 網(wǎng)絡架構搭建

3. 模型優(yōu)化與適配

4. 安全與隱私保護技術

三、模型私有化部署的實施步驟

1. 需求分析與規(guī)劃

2. 部署與配置過程詳解

3. 模型選擇與下載

4. 模型測試

5. 系統(tǒng)上線

四、模型私有化部署的應用場景

1. 金融行業(yè)數(shù)據(jù)安全需求

2. 網(wǎng)絡不穩(wěn)定或數(shù)據(jù)傳輸受限

3. 有特定業(yè)務需求需定制化模型

案例實戰(zhàn)：個人電腦私有化部署DeepSeek-R1大模型

1）環(huán)境準備

a操作系統(tǒng)：Windows 10/11（64位）

b內(nèi)存：至少8GB（推薦16GB以上，運行7B模型需6GB顯存）

c存儲：預留20GB以上空間存放模型文件

2）下載工具與模型

3）部署安裝

4）測試部署模型

5）知識庫集成

成果輸出：個人電腦私有化部署DeepSeek-R1大模型

課程總結與實戰(zhàn)

1. 復習今日課程內(nèi)容

2. 探討AI智能體未來趨勢

3. 用AI做AI學習計劃

4. 拍合照

5. 課程反饋填寫