AI流程管理公开课:从超级个体到超级组织
詹老师 · AI流程管理 · Skill体系 · 企业AI变革
公开课版
AI流程管理公开课
AI超级个体超级组织
用流程、Skill与AI变革把个人能力升级为组织能力
主讲詹老师
面向流程管理专家 / PMO / 质量管理专家
交付Skill清单 + AI落地路线图
全天导航
今天,你将带走什么
从超级个体到超级组织的七个实战模块
总览 2
🧭

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。

1 / 2
01
Opening

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。

时代压力
岗位重定价
超级个体
组织能力
模块1
今天不是工具课,是工作标准重写课
AI时代首先改变的是岗位价值和工作方式
1-1

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。

核心问题
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
开场判断:AI时代不会奖励“知道很多工具”的人,而会奖励“能把人才密度、AI杠杆和组织摩擦重新组织起来”的人。
模块1
执行成本下降,组织摩擦变成胜负手
超级个体放大分子,超级组织降低分母
1-2
NUMERATOR 01

人才密度

独立闭环的人越多,组织越能接住复杂问题。

NUMERATOR 02

AI杠杆

AI进入真实工作流越深,个人能力越能被放大。

DENOMINATOR

组织摩擦

等待、审批、对齐、信息衰减,会吃掉AI带来的增益。

RESULT

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
模块1
各类角色都在焦虑,但流程专家的问题更关键
AI表面是工具问题,本质是价值问题
1-3
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
这堂课的回答:AI不会一次性替代一个人,但会先替代一个人的某些任务;任务被替代多了,岗位价值就会被重新定价。
模块1
替代不是岗位突然消失,而是任务一块一块被拿走
高频、规则清楚、输出稳定的任务最先被AI化
1-4
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
1

岗位

原来是一整块职责。

2

任务拆分

被拆成多个可重组任务。

3

AI化

高频清晰任务先被改写。

4

价值排序

会用AI的人接管更多任务。

模块1
哪些工作会更早被AI重构
不是岗位没有价值,而是岗位里的部分任务会先变化
1-5
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
模块1
流程专家正在变成AI变革多面手
流程专业只是起点,AI把专家推向复合型变革能力
1-6
流程专业懂业务、质量、责任
AI沟通任务、材料、边界
任务拆解目标、步骤、标准
流程建模触发、输入、输出
Skill沉淀可复用能力包
自动化Agent/脚本/工具
产品原型插件/系统Demo
验收迭代测试和改进
关键句:AI时代,流程专家不是少做事,而是要带着AI把个人方法放大成组织能力。
模块1
不只是人的要求变了,事情本身的要求也变了
做完不够,还要可复用、可自动化、可沉淀
1-7
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
关键转向:未来组织里最值钱的,不只是一个人会不会做,而是这个人的能力能不能被沉淀、被调用、被复制、被放大。
模块1
如果你不做,就会有人做
替代很多时候不是外部砸下来,而是从身边开始
1-8
1

同岗位更会用AI的人

同样工作更快、更稳、更可追踪。

2

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。

3

更小更快的团队

用AI承担过去一个小团队的交付量。

4

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。

现实判断:你不把经验沉淀成能力,别人就会把能力产品化;你不把工作自动化,别人就会用自动化重新定义这件工作。
模块1
什么是AI超级个体
不是一个人什么都会,而是一个人能调度一组AI能力完成工作
1-9

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
关键阈值:只提升个人效率还不够;当你的方法能被别人看见、复用、迭代,才真正开始走向组织能力。
模块1
超级个体的能力栈
它不是口号,而是一条可训练的能力链路
1-10
专业判断好坏、风险、边界
任务拆解目标、输入、步骤
AI协作提示、追问、修正
流程建模触发、动作、断点
Skill沉淀标准能力包
自动执行Agent和工具
产品原型AI Coding
组织复用领域资产
能力要求:未来流程专家不一定都写复杂代码,但必须能把流程想法搭出来、试出来、讲清楚。
模块1
从超级个体到超级组织
个人提效只是起点,组织能力沉淀才是终点
1-11
1

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。

2

方法结构化

把有效做法写成流程、规则、模板和测试用例。

3

流程节点标准化

明确触发、输入、步骤、输出和风险断点。

4

沉淀为Skill

让AI知道什么时候用、怎么做、做到什么标准。

5

接入Agent/工具

把Skill放进智能体、插件、系统Demo里。

6

成果被看见

Demo、分享、复盘,让一个人的突破变成团队信号。

转化逻辑:个人提效不会自动变成组织能力。只有当方法结构化、成果可见、工具可复用,超级个体的能力才会向外溢出。
模块1
今天的学习路径
带着自己的工作进来,带着一个能力雏形出去
1-12
1

开篇定调

为什么必须成为AI超级个体。

2

AI通识

讲清AI、Agent、Skill。

3

智能体演练

看到智能体如何执行任务。

4

领域Skill共创

围绕流程挖5-10个Skill雏形。

5

Skill评测

用标准把Skill从草稿改到可用。

6

AI Coding

做出插件或业务系统Demo。

7

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
模块1
三句话总结
把方向收住,再进入AI常识
1-13
  1. 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。
  2. 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。
  3. 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。
1 / 14
02
AI Basics

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。

AI能力
贯穿案例
Agent
Skill
模块2
先记住一个贯穿案例
后面所有概念都用这个例子讲
2-0

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。

贯穿案例:质量异常8D初稿
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
模块2
什么是AI:不是魔法,是概率化的能力底座
先把底层逻辑讲清楚,后面才不会迷信工具
2-1
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
例子:你让AI“帮我写8D”,它会写;但如果没有客户投诉原文、检验数据和公司模板,它只能按常见套路猜。AI能生成,不代表它天然知道事实。
模块2
AI到底是什么:五层技术架构
从算力到应用,先把AI产业链和企业落点讲清楚
2-2
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 ModelAI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
一句话:流程管理、PMO和质量专家看到的是应用层;IT和数字化团队会关注平台层;模型、算法、算力决定底座能力。业务团队最重要的战场,是把应用层和平台层嵌进真实流程。

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。

模块2
从LLM到Agent Skill的底层链条
把企业AI能力最关键的一条线讲完整
2-3
01LLM 大脑理解、生成、推理,但不天然知道企业规则
02Prompt + Context把任务、材料、历史、标准放进同一次工作环境
03Tool / MCP让AI能查数据、读文件、调用外部工具
04Agent能自主规划、调用工具、持续执行任务
05Skill预先写好的做事规则,让Agent稳定按标准干活
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
模块2
AI不是聊天框,而是一套生产能力
从个人问答到企业生产系统
2-4
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
例子:聊天式用法是“帮我写个8D”;生产式用法是“按质量异常8D Skill,读取这三份材料,先列缺失信息,再输出事实表、原因假设、行动项和人工确认点”。
模块2
AI适合做什么
先从低风险、高频、可验收的任务开始
2-5
📝

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
生成8D初稿、客户回复初稿、内部复盘摘要
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
模块2
什么时候不太适合直接用AI
边界越清楚,AI越能安全进入业务
2-6
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
例子:AI可以说“根据材料,尺寸异常可能与某工序参数波动有关”;但不能直接说“最终责任属于某人/某供应商”,也不能替负责人做对外承诺。

🎮 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。

👉 点击进入互动答题
模块2
Skill是什么
给Agent看的说明文档,也是企业经验的最小产品
2-7
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
课堂口径:这里先讲到能听懂、能跟练、能写第一版 Skill;Skill 体系的完整方法不在本课展开,课后可看 Skill 体系深入课件
模块2
三句话总结
把概念收束到方法
2-8
  1. 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。
  2. 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。
  3. 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。
模块2 · AI常识
AI常识 · 快问快答
10题 · 每题10分 · 满分100分 · 答完显示成绩
2-Q
🎮

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

1 / 11
03
BetterYeah Practice

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。

进入斑头雁
业务提示词
测试边界
模块3
本章产出:每组完成一次智能体演练
不跳工具,不讲概念空话,照着步骤做出来
3-1
🤖

斑头雁 BetterYeah AI 智能体平台

点击打开:https://ai.betteryeah.com/

打开斑头雁
课堂口径:本章先不追求复杂集成,每组只用公开或低敏材料,完成一个能回答、能追问、能输出结构化结果的智能体初版。
1

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。

2

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。

3

写提示词

把角色、任务、输入、输出、边界写进系统提示词。

4

加知识

按需要接入低敏模板、制度摘要、FAQ或样例。

5

测边界

用正常、缺失、混乱、高风险四类输入测试。

6

再发布

确认效果可控后发布为课堂演示版本。

模块3
第一步:进入智能体演练
从斑头雁平台进入练习
3-2
统一入口:课堂从斑头雁 BetterYeah AI 智能体平台进入智能体演练,界面以平台当前版本为准。
1

打开斑头雁

进入斑头雁 BetterYeah AI 智能体平台。

2

创建应用

点击创建应用,选择智能体应用。

3

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。

4

命名

建议命名为“领域 + 任务 + 助手”,例如:质量8D初稿助手。

模块3
第二步:先选一个业务场景
场景越窄,智能体越容易跑稳
3-3
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
讲师提示:现场优先选质量、生产、供应链这类材料比较清楚、风险可控的场景。不要一上来做审批、责任认定、处罚建议。
模块3
第三步:配置模型、提示词和知识
先把三个核心按钮看清楚
3-4
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。
讲师提示:实际按钮位置以斑头雁 BetterYeah AI 智能体平台当前界面为准,课堂只看创建、提示词、知识、测试、发布这五件事。
模块3
智能体配置清单:老师带着逐项填
不要让学员面对空白框发懵
3-5
应用名称
质量8D初稿助手 / 供应商交付风险助手 / 设备点检异常助手
使用者
质量工程师、班组长、采购专员、设备工程师等具体岗位。
模型
课堂先选一个平台可用模型,能稳定回答即可。
系统提示词
写清角色、任务、输入材料、执行步骤、输出格式、禁止事项。
知识库
只接低敏模板、制度摘要、公开资料或课堂样例,不上传内部敏感原件。
测试问题
至少准备正常输入、缺材料输入、格式混乱输入、高风险输入四组。
发布
小组内部演示前发布,正式上线前必须再走权限和安全检查。
模块3
业务提示词示例:质量8D初稿助手
直接放进智能体练习的系统提示词
3-6
智能体系统提示词示例: 你是某制造企业质量管理场景下的“8D报告初稿助手”,服务对象是质量工程师和相关业务负责人。 你的任务:根据用户提供的低敏客诉描述、检验记录、不良现象、批次信息和8D模板,整理一份“8D初稿辅助材料”。 你必须按照以下步骤工作: 1. 先判断输入材料是否足够;如果缺少批次、时间、产品、数量、现象、临时措施等关键信息,先列出缺失项,不要直接编写结论。 2. 从材料中提取事实,只写用户提供的信息,不编造供应商、客户、批号、责任人和数据。 3. 按8D结构输出:问题描述、影响范围、临时围堵措施、可能原因假设、验证建议、纠正预防措施建议、待人工确认事项。 4. 对“根因判定、责任归属、对外承诺、处罚建议、最终结论”必须标为人工确认,不得替人做最终决定。 5. 输出要结构化,优先用表格和清单,语言专业、克制、可复核。 如果用户输入的是高风险问题,请先提醒需要人工确认,并只给分析框架和待补充问题。
模块3
再给两个业务提示词方向
不同领域只换任务,不换方法
3-7
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。
模块3
第四步:用四类问题测试智能体
不是问一句你好,而是测它能不能稳住边界
3-8
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。
验收标准:正常输入能结构化输出;缺失输入会追问;格式混乱会先整理;高风险输入会停下来提示人工确认。
模块3
测试时看运行轨迹
看它怎么规划、调用知识、形成回答
3-9
看运行结果:在斑头雁平台中输入测试问题,观察智能体如何理解输入、引用知识并形成回答。
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。
模块3
第五步:发布课堂演示版本
发布不是正式上线,是方便小组展示
3-10
课堂操作:测试通过后,在斑头雁平台中发布或保存课堂演示版本,便于小组展示和复盘。
课堂边界:这里的发布只用于课程演示和小组复盘。企业正式上线前,还要补权限、数据安全、知识库维护、评测和Owner机制。
模块3
小组实操:30分钟完成一个智能体初版
每组照着这张页推进
3-11
1

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。

2

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。

3

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。

4

接低敏知识

有模板或FAQ就接,没有就先只用提示词跑通。

5

跑四类测试

正常、缺失、混乱、高风险各问一次。

6

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。

模块3
三句话总结
把智能体演练逻辑收住
3-12
  1. 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。
  2. 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。
  3. 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。
模块3 · 智能体演练
智能体演练 · 快问快答
10题 · 每题10分 · 满分100分 · 答完显示成绩
3-Q
🎮

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

1 / 14
04
Skill Workshop

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。

工作架构
流程挖掘
五维评测
模块4
先构建领域工作架构,再挖Skill
L1职责领域 × L2工作模块 × L3具体任务
4-1
1

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。

2

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。

3

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。

4

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

打开平台
模块4
打开流程小册:看一次完整挖掘
先看别人怎么从流程节点挖出Skill
4-2
🧭

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

打开小册
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。
模块4
按流程节点做适合度分析
不是头脑风暴,是逐节点打分
4-3
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
模块4
用 Qoder 挖出 Skill 机会清单
把工作架构交给AI,但判断权在人
4-4
Qoder提示词: 请你作为企业 AI 能力架构顾问,基于我们领域的真实工作架构,帮我挖掘 Skill 机会。 领域名称:【填写】 L1职责领域:【填写】 L2工作模块:【填写】 L3具体任务:【填写】 现有材料:【流程、制度、表单、报告、模板、案例】 常见痛点:【耗时、返工、漏项、经验依赖、格式不统一】 敏感边界:【哪些资料不能上传,哪些结论不能由AI决定】 请输出: 1. 逐个L3任务的Skill适合度分析; 2. 每个机会的AI可执行度、重复频率、价值、实现难度、风险可控评分; 3. 15-30个Skill机会清单; 4. Top 5-10首批建议; 5. 暂缓项和原因; 6. 每个首批Skill的输入材料、输出物和人工断点。 要求:不要编造业务材料;如果信息不足,先列出需要补充的问题。
模块4
Skill优先级排序
先做少而精,不做运动式清单
4-5
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
排序提示词: 请对以下 Skill 机会进行优先级排序。评分维度:价值、可行性、风险可控、复用性,每项1-5分。请输出:评分表、首批建议做的5-10个Skill、暂缓原因、每个首批Skill的建设建议。 Skill机会如下:【粘贴机会清单】
模块4
Skill命名规则
动作 + 对象 + 输出物
4-6

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4
Skill内容模板
每个Skill必须写清楚12件事
4-7
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
点到为止:现场只要求大家写出可继续打磨的第一版 Skill,不在这里展开完整 Skill 体系。想深入学习的同学课后看 Skill 体系深入课件
模块4
用评测标准反推好Skill
Skill第一版做出来不难,持续做好很难
4-8
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
模块4
实操:让评测Skill来评测Skill
每写完一版就跑一遍
4-9
🧪

Skill 评测操练包

打开后复制 rubric.md 或 SKILL.md 进行评测

打开
1

粘贴Skill初稿

让AI按五维标准评分。

2

读取P0/P1/P2

P0必须当场修完。

3

修完再评

记录前后得分变化。

模块4
平台清单不是为了好看,而是为了运营
把Skill放进清单,才不会三天后散掉
4-10
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
平台承载:课堂 Skill 资源平台用于课前下载课堂资源、课中上传小组 Skill 成果、课后分享可复用版本。入口:https://zhenyuskill.com/login
模块4
小组展示模板
每组2分钟,讲清楚就够
4-11
  1. 这个领域的L1 / L2 / L3工作架构是什么。
  2. 我们按流程节点识别了多少个Skill机会。
  3. 首批选择了哪5-10个,为什么。
  4. 最有价值的1个Skill是什么。
  5. 它输入什么、输出什么、能节省什么。
  6. 它当前评测得分是多少,P0/P1问题修了哪些。
  7. 下午准备把哪个Skill做成插件或产品原型。
模块4
三句话总结
从机会清单进入AI Coding
4-12
  1. 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。
  2. Skill机会不是想出来的,而是沿着L3任务逐个评分筛出来的。
  3. Skill必须经过评测和迭代,才能从草稿变成可复用能力。
模块4 · 领域Skill
领域Skill · 快问快答
10题 · 每题10分 · 满分100分 · 答完显示成绩
4-Q
🎮

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

1 / 14
05
AI Coding

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。

插件
系统Demo
测试验收
模块5
为什么超级个体必须懂AI Coding
不是人人转岗程序员,而是人人要具备构建和验收能力
5-1
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
开场回扣:未来员工不一定都写复杂代码,但必须能用AI把自己的想法搭出来、试出来、讲清楚。
模块5
下午只做两类东西
插件是入口,产品Demo是更大的想象空间
5-2
🧩

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。

说明:智能体前面已经练过,下午不再把“搭智能体”作为单独选题。想轻量落地就做插件,想表达完整业务流程就做Demo。
模块5
AI Coding不是Vibe Coding
不是凭感觉生成页面,而是走真实开发流程
5-3
环节Vibe CodingAI 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
模块5
从Skill到插件的转化逻辑
Skill规定怎么做事,插件让能力被使用
5-4
📦

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。

模块5
可以搭哪些业务系统Demo
前端形态不一定是现成平台给你的,那就先自己搭一个
5-5
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
模块5
第一步:写完整插件PRD
完整到Qoder可以从0到1复刻插件
5-6
PRD字段要写什么
用户和场景哪个岗位、在哪个流程节点、为了完成什么任务
页面结构有哪些区域、按钮、输入框、输出区和状态提示
数据结构页面读取什么字段,输出什么字段,如何存储
Skill逻辑角色、步骤、输出格式、人工确认点和不适用边界
测试验收正常、缺失、混乱、高风险、空输入、API失败怎么测
模块5
第二步:让AI生成开发计划
不要直接写代码,先拆任务
5-7
提示词: 请基于下面的完整插件PRD,帮我拆成可逐步完成的AI Coding开发计划。 要求: 1. 先做最小可行版本; 2. 每一步说明要创建或修改哪些文件; 3. 每一步都有明确验收标准; 4. 先用模拟AI结果跑通,再考虑真实API; 5. 明确哪些地方来自上午的Skill逻辑; 6. 不要新增PRD范围外的功能。 PRD如下:【粘贴PRD】
模块5
第三步:搭建基础界面
先让人能看懂、能输入、能点击
5-8
1

页面骨架

标题、说明、输入区、生成按钮、输出区。

2

示例输入

给一段低敏样例,帮助用户知道怎么用。

3

输出占位

分析结论、风险/问题、建议行动、人工确认提示。

模块5
第四步:接入Skill方法
把上午的Skill变成system prompt
5-9
提示词: 请把下面的 Skill 文件转化为可放入 AI 调用里的 system prompt。 要求: 1. 保留执行流程; 2. 明确输入不足时必须追问; 3. 明确不得编造数据; 4. 明确输出格式; 5. 加入人工确认点; 6. 标注这个Skill对应的流程节点和适用边界。 Skill内容如下:【粘贴Skill文件】
模块5
第五步:Skill评测 + 产品测试
评测和测试都不是可选项
5-10
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
模块5
原型验收标准
能点、能看、能讲清
5-11
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
模块5
三句话总结
下午不是写代码表演,而是产品化演练
5-12
  1. 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。
  2. 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。
  3. 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。
模块5
练习1:每个人做一个个人插件助手
先独立完成一个可安装、可演示、可复用的浏览器插件
5-13
EXERCISE 01

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。

课堂验收:能安装、能演示、能讲清楚服务哪个岗位和哪个流程节点。
MVP 01

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。

MVP 02

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。

MVP 03

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。

MVP 04

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。
练习1验收:做一个真正属于自己的个人 AI 助手插件,让它贴着浏览器页面工作,而不是停留在聊天框里。
模块5
练习2:许愿卡片互换开发
先写下想要的数字产品,再让同伴帮你开发出来
5-14
EXERCISE 02

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。

个人介绍页业务系统DemoAI智能体流程小工具虚拟产品
核心玩法:不是自己给自己闭门造车,而是互为需求方、互为开发者。
STEP 01

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。

STEP 02

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。

STEP 03

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。

STEP 04

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。
模块5 · AI Coding
AI Coding · 快问快答
10题 · 每题10分 · 满分100分 · 答完显示成绩
5-Q
🎮

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

1 / 16
06
Transformation

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。

竞争力公式
五阶段推进法
涌现型组织
模块6
从能力到组织:为什么只做项目不够
顶层负责创造条件,底层负责长出能力
6-1
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。
核心判断:AI变革不是“买工具 + 发通知”。顶层能设计的是土壤,真正的能力要从具体问题、具体人、具体成果里长出来。

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。

模块6
企业AI转型五阶段推进法:总体框架
顶格战略 → 蓝图规划 → 能力筑基 → 试点验证 → 规模推广,同时让能力自下而上涌现
6-2
Phase 01
顶格战略与园丁角色
  • 一把手工程
  • 定义土壤光照水源
  • 形成高层共识
Phase 02
蓝图规划与价值锁定
  • 18个月路线
  • 锁定完整问题
  • 明确价值目标
Phase 03
能力筑基与敏捷交付
  • AI平台
  • 数据和工具权限
  • 2周一迭代
Phase 04
试点验证与成果可见
  • 对比实验
  • Demo Day
  • 人机协作SOP
Phase 05
规模推广与生态运营
  • Skill应用商店
  • AI午餐会
  • 持续运营
推进逻辑:每个阶段都有明确产出,但不要把变革误解为“命令员工用AI”。正确做法是创造条件,让超级个体的成果被看见,再把成果沉淀为组织资产。
模块6
Phase 01:顶格战略与统一共识
目标:将AI转型确立为“一把手工程”,形成高层共识
6-3

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。
模块6
Phase 02:蓝图规划与价值锁定
目标:制定转型路线图,锁定首批高价值战役
6-4

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。
机会全景:营销、销售、客服、研发IT、HR、财务、法务等都可以纳入AI赋能机会池,但首批必须回到高价值、高可行度、低风险场景。
模块6
Phase 03:能力筑基与敏捷交付
目标:构建可复用AI能力,敏捷交付首批场景
6-5
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。
落地口径:不要追求一步到位的大系统,先用流程专家最熟的高频节点跑通“小闭环”。
模块6
Phase 04:试点验证与组织调优
目标:验证模式,调整组织流程适应AI
6-6
A

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。

B

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。
模块6
Phase 05:规模推广与生态运营
目标:将成功模式规模化,建立持续创新生态
6-7

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。
五阶段总结:顶格战略 → 蓝图规划 → 能力筑基 → 试点验证 → 规模推广,每个阶段都要沉淀方法、资产和Owner,同时让成果持续被看见。
模块6
实战案例:财务法务智能审核项目
用五阶段推进法,把一个规则明确的场景跑成项目成果
6-8
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。
1

顶格战略

CFO挂帅,明确审核时效降低50%。

2

蓝图规划

锁定合同、报销、付款审核等高价值场景。

3

能力筑基

搭建解析、Skill处理、Benchmark评测三层架构。

4

试点验证

用真实单据跑对比,持续修正规则和模型。

5

规模推广

沉淀标准审核Skill和上线检查清单。

模块6
实战案例:系统架构设计——三层架构
解析平台、Skill处理智能体、Benchmark评测系统,层层把关
6-9
输入源
PDF / Word / 扫描件
合同条款 / 付款规则
历史审核意见
3
评价体系:Benchmark评测系统
1000+标准测试用例,自动对比AI审核结果与专家审核结果。
准确率召回率F1值回归测试
评测结果反哺 Skill、规则库和提示词,哪里弱就补哪里
2
处理层:Skill处理智能体
按场景调用合同解析、风险识别、意见生成和规则匹配 Skill。
解析Skill风险Skill意见Skill规则Skill
1
获取层:解析平台
统一抽取字段、证据、条款位置和附件信息,为上层处理提供结构化输入。
字段抽取证据定位格式统一
输出与管控
风险等级 / 审核意见
证据链与引用位置
人工确认 / 最终审批
核心逻辑:不要把AI直接接到最终审批上。先获取,再处理,再评测,用评测驱动优化,哪里弱就补哪里。
模块6
实战案例:项目成果与关键成功因素
从单点试验走向可汇报的经营结果
6-10
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。

模块6
从超级个体到超级组织:流程专家的变革位置
先把自己武装起来,再带着组织一起升级
6-11
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
全国巡回课的核心主张:AI流程管理不是“多学几个工具”,而是流程专家先成为超级个体,再像园丁一样创造土壤、光照和水源,把企业推向超级组织。
1 / 12
07
Action

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。

一页总结
课后行动
真实结果
模块7
一页复盘:今天到底学了什么
从理解AI到把能力放回工作流,再推向企业变革
7-1
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。
收束:这一部分不再重讲方法,只讲课后怎么行动。
模块7
回去第一件事:把一个Skill打磨到可用
别把今天的Skill停在课堂草稿里
7-2
1

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。

2

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。

3

打磨Skill

把适用场景、输入、步骤、输出、边界、测试继续写细。

4

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。

模块7
从自己用,到影响别人用
Skill的价值不在写出来,而在被复用
7-3
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”。

模块7
勇敢踏出AI Coding这一步
把过去干不到的东西,先做成能看的版本
7-4
🧩

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。

关键动作:先不用追求完整系统,先用AI Coding把一个过去很难推动的想法做成可演示、可测试、可讨论的版本。
模块7
让AI能力进入真实工作流
最终不是展示Demo,而是嵌回系统和流程
7-5
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
模块7
结束页
从AI超级个体到超级组织
7-6

不是学完一门AI课

而是流程专家先成为AI超级个体
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

1 / 7
1 / 1