一套AI常识框架
知道AI是什么、能干什么、什么事情不适合直接交给AI。
一次智能体演练
打开斑头雁 BetterYeah AI 智能体平台,亲手理解模型、知识、工具、上下文和智能体结构。
一份领域Skill清单
每个领域识别机会,形成5-10个Skill雏形。
一套Skill评测方法
用规范、触发、执行质量、Benchmark、可维护五维度持续打磨Skill。
一个AI Coding原型
把一个高价值Skill推进成可点击、可演示的插件或业务系统Demo。
一套AI变革五步法
从顶格战略、蓝图规划、能力筑基到试点验证和规模推广。
一组可复制材料
模板、评测包、PRD和课堂Skill资源平台均可在课件里打开。
AI时代,流程专家要先成为AI超级个体
AI正在重写流程管理、PMO与质量管理的专业标准,专家能力必须升级,并沉淀为组织能力。
本次课程直接进入一个更关键的问题:当AI进入企业流程体系以后,组织竞争力的计算方式会被重写,流程专家的价值也会被重新定义。
| 过去的专业要求 | AI时代的新要求 |
|---|---|
| 把流程文件做到标准 | 流程文件做到标准,还要会用AI提效、诊断和运营 |
| 会访谈、画流程、开评审会 | 会让AI整理材料、生成初稿、检查风险、追踪行动项 |
| 懂业务流程、制度和质量经验 | 能把经验写成Skill,让AI按标准复用 |
| 会给IT或数字化团队提需求 | 能写详细PRD、搭原型、验收一个AI应用Demo |
人才密度
独立闭环的人越多,组织越能接住复杂问题。
AI杠杆
AI进入真实工作流越深,个人能力越能被放大。
组织摩擦
等待、审批、对齐、信息衰减,会吃掉AI带来的增益。
组织竞争力
不是工具数量相加,而是分子和分母同时改变。
| 公式维度 | 对流程 / PMO / 质量专家意味着什么 |
|---|---|
| 提升人才密度 | 培养更多能独立闭环、能判断、能验收的人 |
| 放大AI杠杆 | 让AI进入流程节点、Skill、Agent和业务系统 |
| 降低组织摩擦 | 减少等待、反复对齐和跨部门信息损耗 |
| 角色 | 表面问题 | 真正问题 |
|---|---|---|
| 老板 / 高管 | AI这么火,公司怎么不掉队? | 投哪里、谁落地、如何变成经营结果 |
| 部门负责人 | 大家都在用AI,部门怎么管? | 经验如何沉淀,流程如何提效,风险如何可控 |
| 流程 / 数字化 / IT | 业务需求越来越多,怎么承接? | 如何把零散需求变成可复用能力体系 |
| 工作环节 | 旧做法 | AI时代的新做法 |
|---|---|---|
| 写材料 | 从空白页开始写 | AI先出结构,人校准逻辑和事实 |
| 整理信息 | 手工复制、汇总、改格式 | AI先抽取字段、归类、生成清单 |
| 检查规则 | 靠记忆和经验逐项看 | 把规则写成Skill,按流程节点检查 |
| 做分析 | 先堆数据,再慢慢找结论 | AI先提取异常、模式、假设和追问 |
| 提需求 | 等别人理解、排期、开发 | 先做可点击Demo,让需求可讨论、可验收 |
岗位
原来是一整块职责。
任务拆分
被拆成多个可重组任务。
AI化
高频清晰任务先被改写。
价值排序
会用AI的人接管更多任务。
| 更容易先被重构的任务 | 典型表现 | 人要升级到哪里 |
|---|---|---|
| 文档型工作 | 纪要、报告、邮件、制度初稿 | 从写作者变成结构设计者和审核者 |
| 信息整理型工作 | 汇总表格、整理资料、提炼要点 | 从搬运者变成信息质量把关者 |
| 规则检查型工作 | 合同初筛、报销检查、资料完整性检查 | 从逐项检查变成规则建模与例外判断 |
| 问答服务型工作 | 制度问答、流程问答、常见问题回复 | 从重复答疑变成知识库和Skill运营 |
| 初级分析型工作 | 周报分析、异常归类、风险提示 | 从做初稿变成提出判断、验证假设 |
| 初级原型/代码工作 | 小工具、页面、插件、脚本 | 从等开发变成先搭Demo、参与验收 |
| 过去做事 | AI时代做事 |
|---|---|
| 交付一次结果 | 交付结果,同时沉淀方法 |
| 只要自己会做 | 要让AI也能按标准做 |
| 靠个人经验 | 把经验转成流程、规则、模板、测试用例 |
| 靠口头传帮带 | 靠Skill、知识库、智能体和应用复制 |
| 做完即结束 | 做完以后还能评测、迭代、复用 |
同岗位更会用AI的人
同样工作更快、更稳、更可追踪。
跨岗位复合型人才
业务、流程、AI、产品一起做,拿走更多价值链环节。
更小更快的团队
用AI承担过去一个小团队的交付量。
已沉淀Skill的组织
经验不只在个人脑子里,而是进入工具和流程。
AI超级个体 = 把AI排进工作动线,用专业判断指挥AI完成跨角色任务,并让这种做法影响团队的人。
| 结构特征 | 课堂解释 | 流程专家要练什么 |
|---|---|---|
| AI First | 不是遇到困难才问AI,而是先让AI跑一版 | 任务、材料、边界和输出标准 |
| 能力跃迁 | 一个人能跑通过去多个角色接力的链路 | 流程建模、PRD、原型、测试 |
| 主动探索 | 不等组织安排,主动寻找AI能改写的节点 | 机会扫描和小闭环试点 |
| 影响力溢出 | 高效个体只让自己变快,超级个体让团队变快 | 把经验沉淀为Skill和可见Demo |
个人任务提效
先把报告、纪要、检查、分析这些工作用AI跑起来。
方法结构化
把有效做法写成流程、规则、模板和测试用例。
流程节点标准化
明确触发、输入、步骤、输出和风险断点。
沉淀为Skill
让AI知道什么时候用、怎么做、做到什么标准。
接入Agent/工具
把Skill放进智能体、插件、系统Demo里。
成果被看见
Demo、分享、复盘,让一个人的突破变成团队信号。
开篇定调
为什么必须成为AI超级个体。
AI通识
讲清AI、Agent、Skill。
智能体演练
看到智能体如何执行任务。
领域Skill共创
围绕流程挖5-10个Skill雏形。
Skill评测
用标准把Skill从草稿改到可用。
AI Coding
做出插件或业务系统Demo。
企业AI变革
把个人能力升级为组织级落地路线图。
| 阶段 | 核心任务 | 产出 |
|---|---|---|
| 开篇 | 建立AI时代岗位压力 | 为什么必须成为AI超级个体 |
| 上午 | AI通识、智能体、流程Skill | 领域Skill机会清单和Skill雏形 |
| 下午 | 用AI Coding把Skill做成入口,理解企业AI变革五步法 | 插件或业务系统Demo + AI落地路线图 |
- AI时代的流程专家标准正在升高:会做流程、PMO或质量管理,还要会用AI提升人才密度和AI杠杆。
- 超级个体不是一个人更忙,而是一个人能用AI First的方式跑通任务闭环,并把方法沉淀出来。
- 超级组织不是人人各玩各的AI,而是把专家经验变成可见、可复用、可评测的组织能力,同时降低组织摩擦。
AI常识与能力边界
用同一个质量异常案例讲清AI、Agent、Skill,以及为什么企业能力必须围绕流程构建。
某批产品被客户反馈“尺寸异常”。质量工程师需要整理客户投诉、检验记录、生产批次、工艺变更和8D模板,先形成一版8D报告初稿,再由质量负责人判断和确认。
| 这件事里有什么 | 对应AI常识 |
|---|---|
| 客户投诉、检验记录、工艺变更 | 这是AI要看的材料和上下文 |
| 8D模板、质量判定规则 | 这是AI要遵守的知识和标准 |
| 整理事实、归类原因、生成初稿 | 这是AI适合辅助的工作 |
| 最终原因判定、责任归属、对外承诺 | 这是必须人工确认的边界 |
| 概念 | 通俗解释 | 企业含义 |
|---|---|---|
| AI | 让机器执行过去需要人类认知参与的任务 | 写、读、归纳、判断、生成、调用工具 |
| LLM | 大语言模型,基于Token预测下一个最可能的内容 | 会生成,但也可能一本正经地错 |
| Prompt | 你给AI的任务指令 | 任务、角色、材料、边界、输出标准必须说清 |
| Context | 模型当次看到的全部信息 | 上下文不足,AI就容易泛化、猜测和编造 |
| 层级 | 通俗解释 | 代表内容 | 企业要关注什么 |
|---|---|---|---|
| 第五层:应用层 App | 员工真正打开来用的AI工具 | 办公助手、知识问答、审批助手、质量分析工具 | 有没有进入真实工作流,能否节省时间、降低错误 |
| 第四层:平台层 Platform | 搭建AI应用和智能体的工具箱 | 斑头雁 BetterYeah、Dify、Coze、企业内部AI平台 | 能否管理知识、流程、权限和发布 |
| 第三层:模型层 Model | AI的大脑,决定理解、生成和推理上限 | DeepSeek、通义千问、GPT、Claude、Gemini | 选什么模型、成本多少、效果是否稳定 |
| 第二层:算法层 Algorithm | 训练和优化模型的方法 | Transformer、强化学习、微调、RAG | 普通业务人员不必深究,但要知道模型能力来自这里 |
| 第一层:算力层 Computing | 跑AI的电力和发动机 | GPU、数据中心、云计算、推理服务 | 决定成本、速度、稳定性和可用性 |
所以今天不是让大家去造 GPU、训大模型,而是学会把模型能力通过平台、Skill、插件和Demo,变成能在岗位上使用的AI应用。
| 放到质量异常案例里 | 具体长什么样 |
|---|---|
| Prompt | 请按8D模板整理这批尺寸异常的事实、原因线索和行动项 |
| Context | 客户投诉、检验记录、批次信息、工艺变更、历史8D样例 |
| Tool / MCP | 读取Excel检验表、打开模板、检索历史异常案例 |
| Agent | 先检查材料,再提取事实,再归因分类,再生成8D初稿 |
| Skill | 质量异常8D报告初稿Skill:规定步骤、边界、输出格式和测试用例 |
| 层次 | 个人使用 | 企业使用 |
|---|---|---|
| 输入 | 随手问一句 | 有场景、材料、角色和标准 |
| 过程 | 模型自由发挥 | 按流程、Skill、工具和人工断点执行 |
| 输出 | 一段回答 | 可验收、可复用、可追踪的结果 |
文本生成
纪要、邮件、报告、方案初稿。
材料整理
制度、表单、记录、反馈的结构化。
对比检查
合同条款、报销资料、供应商信息完整性。
分析归纳
周报、异常、客户声音、项目风险。
知识问答
制度问答、流程问答、培训小测。
重复执行
按固定规则生成标准输出。
| 同一个质量异常案例 | AI适合辅助什么 |
|---|---|
| 写 | 生成8D初稿、客户回复初稿、内部复盘摘要 |
| 读 | 读取投诉记录、检验记录、历史8D、工艺变更说明 |
| 整理 | 把零散材料整理成事实表、问题清单、缺失信息清单 |
| 对比 | 对比本次异常和历史相似异常的差异 |
| 推演 | 列出可能原因、验证动作和责任人待确认项 |
| 不适合直接交给AI | 原因 | 正确做法 |
|---|---|---|
| 最终审批、付款、签署、处罚 | 涉及责任与授权 | AI只做材料检查和建议,必须人工确认 |
| 高敏数据未脱敏 | 存在合规和泄密风险 | 先脱敏、分级、授权 |
| 领域规则未达成共识 | AI会放大混乱 | 先统一规则和输出标准 |
| 需要实时操作核心系统 | 权限与安全风险高 | 先做辅助分析,再逐步连接工具 |
| 重大法律、商业承诺 | AI不能承担最终责任 | 保留人工断点和复核链路 |
🎮 来一起互动!
AI能做什么?不能做什么?推荐做什么?不推荐做什么?用互动答题快速校准判断。
| 组成 | 必须写清 | 为什么 |
|---|---|---|
| 元数据 | 名称、描述、适用场景 | 决定AI什么时候发现它 |
| 触发边界 | WHEN / WHEN NOT | 决定该用时能用、不该用时不误用 |
| 执行步骤 | 先检查、再提取、再判断、再输出 | 决定结果稳定性 |
| 输出标准 | 格式、字段、质量要求 | 决定能否验收 |
| 测试用例 | 正常、缺失、混乱、高风险、空输入 | 决定能否持续变好 |
| 质量异常8D报告初稿Skill | 应该写清楚什么 |
|---|---|
| 适用场景 | 客户投诉、内部不良、来料异常等需要8D初稿的场景 |
| 输入材料 | 投诉描述、检验数据、批次信息、历史案例、8D模板 |
| 执行步骤 | 查缺失、抽事实、归类原因、列行动项、标人工确认点 |
| 输出标准 | 事实表、原因假设、临时措施、长期措施、待确认事项 |
| 不适用场景 | 最终责任认定、处罚建议、对外正式承诺 |
- AI的本质不是聊天框,而是从算力、算法、模型、平台到应用逐层组装起来的生产能力。
- 智能体要稳定工作,必须有知识、Skill、工具连接、上下文和人工断点。
- Skill不是凭空写出来的,它必须回到流程节点、业务规则和真实材料。
快问快答挑战
共10道单选题,每题10分,满分100分
选项高亮即时反馈,答完查看总分
斑头雁智能体演练
本章只做一件事:带着一个低敏业务场景,从斑头雁 BetterYeah AI 智能体平台进入智能体演练,理解创建、提示词、知识、测试和发布这一套业务智能体方法。
斑头雁 BetterYeah AI 智能体平台
点击打开:https://ai.betteryeah.com/
选场景
从质量、生产、供应链、研发、人事、财务里选一个低敏流程节点。
进斑头雁
打开斑头雁 BetterYeah AI 智能体平台,进入智能体演练模块。
写提示词
把角色、任务、输入、输出、边界写进系统提示词。
加知识
按需要接入低敏模板、制度摘要、FAQ或样例。
测边界
用正常、缺失、混乱、高风险四类输入测试。
再发布
确认效果可控后发布为课堂演示版本。
打开斑头雁
进入斑头雁 BetterYeah AI 智能体平台。
创建应用
点击创建应用,选择智能体应用。
进入智能体配置
按斑头雁平台当前界面完成基础配置,便于后续添加知识、工具并发布。
命名
建议命名为“领域 + 任务 + 助手”,例如:质量8D初稿助手。
| 推荐场景 | 适合输入 | 课堂输出物 |
|---|---|---|
| 质量8D初稿助手 | 客诉描述、不良现象、检验记录、8D模板 | 事实整理、原因假设、临时措施、待确认事项 |
| 供应商交付风险助手 | 交付计划、延期记录、来料异常、库存缺口 | 风险等级、原因分类、跟进行动清单 |
| 设备点检异常助手 | 点检记录、故障描述、维修记录、停机影响 | 异常归类、排查步骤、维修建议和升级提醒 |
| 工艺变更评审助手 | 变更申请、影响范围、试制数据、评审意见 | 影响分析、缺失材料、评审问题清单 |
| 配置项 | 课堂看什么 |
|---|---|
| 模型选择 | 选择平台中可用、适合多步理解和工具调用的模型,课堂不纠结参数,先跑通。 |
| 系统提示词 | 系统提示词决定智能体角色、行为边界和输出格式,是本章最重要的配置。 |
| 知识库配置 | 需要引用制度、模板、FAQ或低敏样例时,再把知识库接进来。 |
| 场景 | 系统提示词可写成这样 |
|---|---|
| 供应商交付风险助手 | 你是供应链交付风险分析助手。请根据低敏交付计划、延期记录、来料异常和库存缺口,输出风险等级、主要原因、影响范围、建议跟进行动、需要采购或计划确认的问题。不得编造供应商承诺,不得替负责人做最终处罚或切换供应商决定。 |
| 设备点检异常助手 | 你是设备点检异常整理助手。请根据点检记录、异常描述、维修记录和停机影响,整理异常分类、可能原因、排查步骤、临时处理建议、升级维修条件和待确认事项。不得跳过安全风险,不得替维修负责人做最终停机决定。 |
| 工艺变更评审助手 | 你是工艺变更评审辅助助手。请根据变更申请、影响范围、试制数据和评审意见,输出变更摘要、影响分析、缺失材料、评审问题清单、风险提示和后续验证建议。不得替评审委员会做最终通过决定。 |
| 测试类型 | 课堂测试问题 |
|---|---|
| 正常输入 | 这里是一段客诉描述和检验记录,请整理8D初稿辅助材料。 |
| 缺失输入 | 只有一句“客户反馈尺寸异常”,请你处理。 |
| 格式混乱 | 把聊天记录、检验表摘要和口头描述混在一起,让智能体先归类再输出。 |
| 高风险输入 | 请直接判断责任部门并给出处罚建议。 |
| 老师带看 | 看什么 |
|---|---|
| 回答是否引用了输入材料 | 有没有编造没给过的数据、客户名、批次或责任人。 |
| 步骤是否符合业务流程 | 是不是先查缺失,再提事实,再给建议。 |
| 边界是否清楚 | 遇到责任、处罚、审批、对外承诺时是否停下来。 |
| 输出是否能直接用 | 表格、清单、待确认项是否清楚。 |
选一个场景
质量、供应链、生产、设备、工艺、人事任选一个低敏任务。
进入斑头雁
打开斑头雁 BetterYeah AI 智能体平台,进入智能体演练模块。
粘贴提示词
用本课模板改成自己领域的角色、任务、输入、输出和边界。
接低敏知识
有模板或FAQ就接,没有就先只用提示词跑通。
跑四类测试
正常、缺失、混乱、高风险各问一次。
准备展示
展示应用名称、解决场景、提示词亮点、测试结果和下一步要补的资料。
- 智能体练习不是先点页面,而是先选清楚一个低敏业务场景。
- 练习顺序是:进入斑头雁平台、选场景、写系统提示词、接知识库、跑测试、再准备展示。
- 好的业务智能体必须会追问缺失信息、结构化输出结果,并把高风险判断留给人工确认。
快问快答挑战
共10道单选题,每题10分,满分100分
选项高亮即时反馈,答完查看总分
领域Skill体系共创
不再重复概念,直接按流程领域扫描任务、挖掘机会、写出Skill,并用评测标准修第一版。
列L1职责领域
这个领域覆盖哪些大类工作,例如质量管理、供应商管理、招聘管理。
拆L2工作模块
每类职责下面有哪些稳定工作模块,例如客诉处理、供应商评价。
列L3具体任务
落到每天、每周、每月具体做什么,例如生成8D初稿。
标Skill机会
判断哪些任务高频、规则明确、可复用、风险可控。
流程体系的Skill平台
点击打开:https://zhenyuskill.com/all-skills
流程小册:Skill 挖掘分析报告
云帆数据客户需求交付流程 · 按节点评分、排序、封装预览
| 小册里要看什么 | 对应课堂动作 |
|---|---|
| 流程节点清单 | 不要泛泛找场景,而是逐节点看哪里能AI化。 |
| AI可执行度 / 重复频率 / 价值 / 实现难度 | 把感觉判断变成评分判断。 |
| Top 3 优先实施建议 | 从一堆机会里选首批,不要平均用力。 |
| 封装预览 | 看一个节点如何变成可复用 Skill。 |
| 评分维度 | 高分表现 | 低分提醒 |
|---|---|---|
| AI可执行度 | 输入输出清楚,规则能写成步骤 | 依赖临场判断,规则说不清 |
| 重复频率 | 每周、每月、每个项目都会发生 | 一年偶尔一次 |
| 价值释放空间 | 节省时间、减少返工、提升一致性明显 | 只是锦上添花 |
| 实现难度(反向) | 不需要复杂系统集成,低敏材料即可试跑 | 强依赖权限、接口和敏感数据 |
| 风险可控 | 只做初稿、提醒、检查和建议 | 涉及最终审批、付款、责任认定 |
| 维度 | 高分标准 |
|---|---|
| 价值 | 节省时间明显、减少错误明显、影响人数多 |
| 可行 | 输入材料清楚、规则明确、输出格式稳定 |
| 风险 | 不触碰重大审批、资金、合规红线 |
| 复用 | 多人、多项目、多周期可以重复使用 |
合同条款风险初筛Skill
对象和输出都清楚。
客户拜访纪要行动项提取Skill
明确动作:提取行动项。
质量异常8D报告初稿Skill
清楚是初稿,不是最终结论。
智能助手
太泛,无法判断何时调用。
帮我处理一下
没有对象和输出。
AI办公神器
口号,不是Skill。
| 模块 | 最低要求 | 为什么重要 |
|---|---|---|
| 适用场景 / 不适用场景 | WHEN / WHEN NOT | 决定触发边界 |
| 输入材料 | 必填、选填、禁止 | 决定结果质量 |
| 执行流程 | 5-10步具体动作 | 决定稳定性 |
| 输出标准 | 字段、格式、质量要求 | 决定能否验收 |
| 测试用例 | 至少5条 | 决定能否持续变好 |
| 维护信息 | Owner、版本、状态 | 决定能否运营 |
| 维度 | 判断口径 | 写Skill时要做到什么 |
|---|---|---|
| ① 规范 | 像不像标准能力包 | 名称、结构、字段完整,便于归档 |
| ② 触发 | AI知不知道什么时候用 | 写清WHEN、WHEN NOT、正例和反例 |
| ③ 执行质量 | AI能不能稳定干活 | 工作流、输入、输出、示例、失败处理 |
| ④ Benchmark | 能不能复跑和比较 | 测试用例、预期行为、评分规则、结果落盘 |
| ⑤ 可维护 | 后续能不能迭代 | Owner、版本、更新记录、引用材料 |
Skill 评测操练包
打开后复制 rubric.md 或 SKILL.md 进行评测
粘贴Skill初稿
让AI按五维标准评分。
读取P0/P1/P2
P0必须当场修完。
修完再评
记录前后得分变化。
| 字段 | 说明 |
|---|---|
| 领域 / Skill名称 | 哪类能力,叫什么 |
| 场景 / 输入 / 输出 | 什么时候用、用什么、交付什么 |
| 优先级 / 风险等级 | 先做哪个,哪些要谨慎 |
| Owner / 状态 | 后续谁维护,现在进度如何 |
| 评测得分 / 关键问题 / 测试状态 | 最近一次评测结果和整改情况 |
- 这个领域的L1 / L2 / L3工作架构是什么。
- 我们按流程节点识别了多少个Skill机会。
- 首批选择了哪5-10个,为什么。
- 最有价值的1个Skill是什么。
- 它输入什么、输出什么、能节省什么。
- 它当前评测得分是多少,P0/P1问题修了哪些。
- 下午准备把哪个Skill做成插件或产品原型。
- 第四章不再重复概念,直接从领域工作架构和流程节点挖 Skill。
- Skill机会不是想出来的,而是沿着L3任务逐个评分筛出来的。
- Skill必须经过评测和迭代,才能从草稿变成可复用能力。
快问快答挑战
共10道单选题,每题10分,满分100分
选项高亮即时反馈,答完查看总分
把Skill做成插件或产品Demo
下午三小时只做一件事:让业务人员体验真正的AI构建能力。
| 过去 | 现在 | 超级个体要做到 |
|---|---|---|
| 只会提需求 | 能写详细PRD | 把业务场景、边界、验收标准讲清 |
| 等IT排期 | 能先搭Demo | 把想法变成可点击、可讨论的原型 |
| 只看成品 | 能参与测试 | 知道正常、异常、风险输入怎么验 |
| 不懂实现 | 懂最小产品逻辑 | 能判断AI生成的东西是否可靠 |
浏览器插件
把一个Skill变成工作页面旁边的快捷按钮。
业务系统Demo
把工时、排产、质量、供应链等场景做成可点击原型。
| 环节 | Vibe Coding | AI Coding |
|---|---|---|
| 需求 | 一句话想法 | 场景、用户、边界、验收标准 |
| 开发 | 一次性生成 | 分模块搭建、逐步确认 |
| 测试 | 看起来差不多 | 正常、缺失、混乱、高风险、空输入 |
| 验收 | 自己觉得可以 | 能演示、能解释、能被业务理解 |
Skill
规定角色、输入、流程、输出和边界。
System Prompt
把Skill转成AI调用时的稳定指令。
插件 / 产品原型
给用户输入、按钮、输出区和验收体验。
| Demo方向 | 输入材料 | 最小可演示版本 |
|---|---|---|
| AI工时管理 | 工时记录、项目任务、人员列表 | 自动归类工时、识别异常、生成周报 |
| AI排产助手 | 订单、产能、交期、设备约束 | 生成排产建议和冲突提醒 |
| 质量异常看板 | 不良记录、8D、检验结果 | 异常归因、风险分级、行动项 |
| 供应链风险台账 | 供应商报价、交付记录、库存 | 比价说明、交付风险、优先级 |
| 合同/报销初筛 | 合同条款、报销单据、制度 | 完整性检查、风险提示、人工确认点 |
页面骨架
标题、说明、输入区、生成按钮、输出区。
示例输入
给一段低敏样例,帮助用户知道怎么用。
输出占位
分析结论、风险/问题、建议行动、人工确认提示。
| 测试层 | 看什么 | 最低要求 |
|---|---|---|
| Skill评测 | 规范、触发、执行质量、Benchmark、可维护 | 修完P0,落盘benchmark,至少修1-2个P1 |
| 产品测试 | 按钮、输入、输出、异常、展示 | 至少5条用例 |
| 业务验收 | 是否解决真实任务 | 2分钟讲清价值和下一步 |
| 项目 | 必须达到 |
|---|---|
| 产品名称 | 清楚 |
| 使用者 | 清楚 |
| 输入区 | 可粘贴或上传材料 |
| 生成按钮 | 可点击 |
| 输出区 | 有结构化结果 |
| Skill逻辑 | 能看出采用上午Skill方法 |
| 流程节点 | 能说清服务哪个流程环节 |
| 人工确认 | 有提示 |
| 展示说明 | 能讲清 |
- 超级个体不只是会使用AI,还要能把自己的业务想法搭成插件或系统Demo。
- AI Coding不是随手生成页面,而是用AI走真实的软件开发流程:需求、开发、测试、验收。
- 从今天开始,流程、PMO与质量团队不只是AI使用者,也可以成为AI工具共创者。
所有人都交付一个可安装的 Chrome 个人插件助手
最低要求不是“页面好看”,而是能对话、能读当前页面、能打开网页、能调用自己的 Skill,并能在真实工作现场旁边使用。
基础插件能力
可加载到谷歌浏览器,侧边栏或弹窗可打开;具备基础对话能力。
页面工作能力
能输入网址打开网页;能读取当前页面标题、正文、选中文本或页面摘要。
Skill 内置能力
至少内置 3 个 Skill,可从审批、方案、流程图、流程文件等方向选择。
模型与记忆能力
先选提供商,再填 AK,再拉取模型并选择模型;能沉淀、补足和存储个人记忆。
| 模块 | 最低要求 | 进阶加分 |
|---|---|---|
| 内置 Skill | 审批意见速览、方案框架生成、流程图绘制、流程文件起草,四选三即可。 | 允许替换成自己岗位的真实 Skill,但要写清触发、输入、输出和边界。 |
| 模型适配 | 支持多家模型提供商配置,例如 DeepSeek、通义、OpenAI、Claude 等。 | 支持 provider → AK → 拉取模型 → 选择当前模型的完整链路。 |
| 页面与文件 | 能围绕当前网页继续追问,能把页面内容交给 Skill 处理。 | 能把分析结果、方案或流程图生成一个可打开的 HTML 文件。 |
| 记忆系统 | 能记录“我是谁、我的岗位、常用格式、常见业务背景”。 | 对话中发现缺失信息时,自动追问并补足长期记忆。 |
抛开技术限制,此刻你最想获得什么?
上课前或进场时写完许愿卡:可以是个人介绍页、业务系统、AI智能体、小工具、小产品,只要是数字世界里的产品都可以。允许提前“漏题”,但练习开始前卡片必须全部写完。
课前许愿
在卡片上写清:我想要什么、谁来用、解决什么问题、希望看到什么结果。
组内配对
同组内交换卡片;数字一样的人优先配对,商量谁先做、谁后做。
互为开发者
A先讲需求,B复述确认并开发;跑出结果后,双方角色调换。
上台分享
展示做出的数字产品,讲清需求、追问、开发过程和下一步想迭代什么。
许愿人
讲真实需求、补充背景、持续反馈,最后验收“这是不是我想要的”。
开发者
追问、复述、拆成页面和功能,用AI Coding快速做出可看的版本。
| 为什么这样玩 | 课堂要求 |
|---|---|
| 没有互动、没有输入,AI Coding很容易只做出空页面。 | 开发前必须先听懂对方需求,并用自己的话复述一次。 |
| 真实需求来自别人,产品感会被迫长出来。 | 开发过程中可以反复追问,不许只照卡片机械生成。 |
| 角色互换后,大家同时体验“需求方”和“开发者”。 | 最终每组至少选一个作品上台分享,讲需求、过程和结果。 |
快问快答挑战
共10道单选题,每题10分,满分100分
选项高亮即时反馈,答完查看总分
企业AI落地变革五步法
不是只画路线图,而是给超级个体和超级组织提供土壤、光照和水源。
| 前面解决了什么 | 组织落地还差什么 |
|---|---|
| 能力认知 | 个人知道AI能做什么,但组织还没有形成共同工作方式。 |
| Skill体系 | 有了原子能力,但成果还需要被看见、被复用、被运营。 |
| AI Coding | 能搭原型,但原型必须回到真实流程和业务价值。 |
提升人才密度
让更多人具备独立闭环能力。
放大AI杠杆
让AI深入流程节点和业务系统。
降低组织摩擦
减少等待、审批、对齐和信息衰减。
- 一把手工程
- 定义土壤光照水源
- 形成高层共识
- 18个月路线
- 锁定完整问题
- 明确价值目标
- AI平台
- 数据和工具权限
- 2周一迭代
- 对比实验
- Demo Day
- 人机协作SOP
- Skill应用商店
- AI午餐会
- 持续运营
土壤:完整问题
给真实业务问题、完整链路和足够上下文,不只给碎片任务。
光照:成果可见
让AI成果能展示、能被看见、能被同伴模仿。
水源:容错空间
允许小闭环试错,允许第二天推翻第一天的想法。
| 核心产出 | 说明 |
|---|---|
| 《AI转型愿景宣言》 | 讲清不是工具采购,而是组织竞争力重构。 |
| 园丁型治理机制 | 高层负责给问题、权限、展示舞台和容错边界。 |
| 第一批超级个体雷达 | 找到已经自发使用AI、做出超岗位产出的人。 |
业务架构
识别8-12个核心业务流程。
数据架构
形成数据资产目录和质量评分。
应用架构
AI平台与业务系统集成。
| 18个月路线图 | 核心动作 |
|---|---|
| 速赢期 0-6月 | 建共识、定蓝图。 |
| 攻坚期 6-12月 | 建能力、跑试点。 |
| 规模期 12-18月 | 全面推广。 |
| 能力 | 做法 | 关注点 |
|---|---|---|
| AI平台 | 私有化部署或云服务选型 | 数据安全、实施速度、适配行业。 |
| 首批场景 | 选1-2个高可行度场景,2周一个迭代 | 每个场景必须有量化目标。 |
| 数据资产 | 数据清洗与标注、领域知识库、质量监控 | 没有数据资产,就没有稳定AI能力。 |
| 核心能力 | 模型管理、A/B测试、监控告警 | 让AI能力可管理、可评测、可持续优化。 |
选择试点单位
选择一个业务单元,例如华东区销售团队;关键是试点单位有变革意愿,不能强推。
验证业务价值
用试点组 vs 对照组做对比实验,同时收集效率、成本、满意度和使用意愿。
| 组织流程调优三步 | 示例 |
|---|---|
| 调整岗位职责 | 客服从“解答问题”转向“处理复杂投诉”。 |
| 优化考核指标 | 从“处理量”转向“解决率”,用AI会改变KPI。 |
| 建立人机协作SOP | 明确AI做什么、人做什么、出错后如何处理。 |
AI午餐会
让同事现场展示用AI做出的真实成果,缩短心理距离。
每日一条
低门槛分享一个AI用法、一个提示词、一次失败或一次改进。
Demo Day
让个人突破变成团队信号,让成果可见、可模仿、可传播。
| AI创新生态 | 持续运营优化 |
|---|---|
| 共享Skill库 | 经验传递的最小单位从“说一段话”升级为“递一个可执行工具”。 |
| 内部Skill平台 | 沉淀Owner、版本、评测结果和复用案例。 |
| 试点复制 | 不是全员一刀切推广,而是把已验证的小闭环分裂复制。 |
| 项目背景 | 内容 |
|---|---|
| 痛点 | 合同审核周期长,财务法务人力紧张。 |
| 目标 | 识别20个审核场景,覆盖50-60%审核流程。 |
| 涉及部门 | 财务、法务、合规等多部门协作。 |
顶格战略
CFO挂帅,明确审核时效降低50%。
蓝图规划
锁定合同、报销、付款审核等高价值场景。
能力筑基
搭建解析、Skill处理、Benchmark评测三层架构。
试点验证
用真实单据跑对比,持续修正规则和模型。
规模推广
沉淀标准审核Skill和上线检查清单。
| 指标 | 改进前 | 改进后 | 提升 |
|---|---|---|---|
| 审核时效 | 3天 | 1天 | 降低67% |
| 人工成本 | 基准 | - | 减少40% |
| 审核准确率 | 85% | 95% | +10% |
| 规则覆盖率 | 60% | 90% | +30% |
三层架构设计
解析、处理、评测,层层把关。
CFO挂帅
高层支持是前提。
Benchmark驱动
用评测数据持续优化,而不是拍脑袋。
| 你要先成为 | 然后带组织成为 |
|---|---|
| 能用AI重做流程工作的超级个体 | 能把流程节点、Skill、Agent和系统联动起来的超级组织 |
| 能把经验写成Skill的人 | 能把专家经验沉淀为组织资产的团队 |
| 能做原型、验收结果的人 | 能让成果被看见、被复用、被评测的变革催化者 |
| 能降低自己工作摩擦的人 | 能降低组织摩擦、放大AI杠杆的企业 |
总结与课后行动
前面已经讲完AI、智能体、Skill、AI Coding、评测和企业AI变革;最后只做一件事:把课堂能力带回真实业务。
| 今天讲过 | 真正要带走的能力 |
|---|---|
| AI常识 | 知道AI不是魔法,而是算力、算法、模型、平台、应用组成的能力系统。 |
| 智能体 | 知道智能体靠目标、知识、工具、流程、提示词和Skill协同工作。 |
| 领域Skill | 知道如何从L1/L2/L3工作架构和流程节点里挖出可复用能力。 |
| AI Coding | 知道如何把一个Skill推进成插件或业务系统Demo。 |
| 企业AI变革 | 知道如何用五阶段推进法,把单点能力推向组织级落地。 |
| 评测 | 知道Skill、产品原型和试点项目都要用测试、边界和验收标准不断打磨。 |
选一个真实场景
从今天的清单里选最有价值、最低风险、最容易试跑的一个。
补齐真实材料
回到业务领域,补低敏样例、模板、制度和历史输出。
打磨Skill
把适用场景、输入、步骤、输出、边界、测试继续写细。
交出结果
跑出一份真实报告、清单、初稿或分析结果,而不只是截图。
| 阶段 | 目标 | 判断标准 |
|---|---|---|
| 自己用 | 让自己一个真实任务省时间、少返工 | 能连续跑3次,输出可用。 |
| 同岗位用 | 分享给1-3个同事试用 | 别人不用你解释,也能按步骤使用。 |
| 部门共用 | 沉淀到部门清单或内部平台 | 有Owner、有版本、有反馈、有迭代。 |
一个好的Skill,不是“我会用AI了”,而是“别人也能复用我的做事方法”。
插件
把Skill插在浏览器或业务页面旁边,用在真实工作现场。
系统Demo
把流程、输入、输出和报告做成可点击原型。
真实报告
让工具跑出能被业务讨论的结果,而不是只停留在想法。
| 落地方式 | 可以怎么做 | 示例 |
|---|---|---|
| 插在系统旁边 | 做浏览器插件、侧边栏、复制/填入按钮 | 流程审批分析、合同初筛、报销检查 |
| 接到业务流程里 | 在流程节点触发Skill,输出待确认结果 | 质量8D初稿、供应商评价、招聘匹配 |
| 形成可追踪结果 | 保留输入、输出、人工确认和修订记录 | 一份报告、一张清单、一次评审结论 |
| 持续打磨 | 根据同事反馈修Skill、修页面、修测试用例 | 从个人工具变成组织能力 |
不是学完一门AI课
把经验、判断和方法
沉淀成组织可以复用的AI能力资产。
AI流程管理公开课全国巡回 · 广东端到端咨询