AI流程管理公开课：从AI超级个体到超级组织 · James Feng

AI流程管理公开课

从AI超级个体到超级组织

用流程节点、Skill、AI Coding与治理机制，把个人能力升级为组织能力

主讲James Feng

面向流程管理专家 / IT总监 / 运营总监 / 数字化负责人

交付Skill清单 + AI原型 + 十日冲刺行动表

主讲介绍

James Feng：把AI流程试点做进项目现场

不是工具讲师，而是把流程方法、AI产品和真实试点连成闭环的实战型顾问

总览 2

主讲专家 · James Feng

James Feng

广东端到端咨询合伙人，长期站在业务流程、AI产品与企业落地的交叉点上做项目和培训。

AI PROCESS TRANSFORMATION

把企业经验写成 Skill，把 AI 能力落到真实流程。

他讲的不是“今天有哪些热门工具”，而是企业怎样从流程节点出发，把业务规则、Skill、AI原型、权限边界和组织机制连起来，让个人能力变成可复用、可评测、可运营的组织能力。

50+服务企业咨询、培训、方案设计与项目陪跑

多套企业级智能体平台、Skill平台与AI协同系统设计经验

项目制从课堂共识、原型演示到试点落地持续闭环

BACKGROUND

世界500强与互联网背景

长期参与业务、流程、数字化和AI交叉场景，熟悉企业真实推进阻力。

METHOD

流程 × Skill × Agent

从流程节点识别机会，把专家经验沉淀成可复用Skill和智能体能力。

DELIVERY

项目级交付视角

关注原型、评测、权限、日志、运营和组织机制，不止停留在课堂演示。

工信部高级流程管理专家企业架构师国际认证项目管理专家AIGC高级应用工程师阿里云大模型工程师

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 3

🧭

一张企业AI执行架构图

看清模型、上下文、工具、Skill、Agent、Workflow、人工断点、系统写回和日志如何协同。

🤖

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。

💻

一次AI原型验证实战

把一个流程Skill推进成插件、业务系统Demo或本地执行工作台，训练PRD、测试和验收能力。

🚀

一套十日冲刺方法

把课堂产物带回企业，十天内完成现场验真、能力建设、测试复测和D10判断。

📚

一组可复制材料

模板、评测包、PRD、课堂Skill资源平台和十日冲刺表均可在课件里打开。

互动机制

今日奖励计划：AI课不旁听，积分靠参与

多发言、多上台、多动手，课程结束后按规则登记奖学金

总览 4

今天采用积分制

AI课与其他课不同，互动越多、动手越多，学习效果越好。

课堂积分和课后内容挑战分别计分，但所有人最终只领取一项最高奖励。

动手
动手
再动手

课堂互动积分

鼓励大家踊跃发言、主动分享，现场由助理记录积分。

+1发言、回答问题，或与老师互动一次。

+3主动上台分享；只要站到台上发言，就按3分计。

个人积分奖第1名3000元，第2名2000元，第3名1000元，第4-5名各1000元奖学金。

团队总分奖团队总分第1名，全员每人500元奖学金；技术/助教团队成员也只能领取一份奖励。

课后传播挑战

课程结束后，鼓励每个人写一篇公众号文章，分享今天的学习感悟和课程价值。

形式：发布一篇公众号文章；实在写不出来，可以先录音或口述，再请老师/助理辅助转成文章。

内容：正文大家自由发挥，写清今天上了什么课、冯老师怎么讲、自己有什么收获即可。

植入：发文前找助理领取课程宣传卡片，文章结尾放一张课程卡片，帮我们做自然推广。

截止：从今天起7天内，截止到第7天零点；公众号文章需完成发布。

奖励：按公众号文章阅读量排名，只取阅读量前三名：第1名3000元，第2名2000元，第3名1000元奖学金。

不能重复领取课堂个人、团队、课后内容若重复获奖，只按最高一项登记。

仅限本人下次使用奖学金由助理登记，仅限获奖人个人下次购课使用，不得转让。

按原价购课抵扣奖学金只能基于原价购课使用，不能叠加老学员折扣、团购价或其他优惠。

1 / 4

Opening

AI时代，流程专家要先成为AI超级个体

从一家流程管理标杆企业的真实招聘，看流程岗位的能力标准如何被重写。

✓岗位重定价

✓任务重构

✓超级个体

✓超级组织

模块1

海康威视这个流程经理岗位，释放了一个明确的 AI 信号

AI不再只是流程岗位的加分项，而开始进入岗位职责本身

1-1

REAL MARKET SIGNAL

2026.07.07 · 招聘信息更新

战略与品牌—流程经理—杭州

一家流程管理领域的标杆企业，正在把AI能力写进流程经理的核心职责与交付方式。

流程管理 AI场景原型验证

查看岗位原文 ↗

岗位说明里的动作链 从“会用工具”走向“对落地闭环负责”

场景调研

需求挖掘 · 识别流程痛点

方案与原型

方案设计 · 流程智能场景原型

测试与试点

场景验证 · 试点落地

运营与赋能

效果复盘 · 迭代优化 · 能力培训

核心判断：这不是要求流程经理“会几个提示词”，而是要把一个流程问题推进成可演示、可测试、可评价的AI方案。

这份招聘说明，几乎提前写出了今天课程的学习路径。AI执行架构 → 节点机制 → Skill资产 → 原型验证 → 企业治理

模块1

为什么岗位标准会在这个时候变化

执行成本下降，组织开始重新分配任务与责任

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	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，但会先替代一部分任务；任务被改写多了，岗位价值就会被重新定价。

模块1

岗位不会突然消失，任务会先被重写

高频、规则清楚、输出稳定的任务最先AI化

1-4

任务类型	AI先改写什么	人要升级到哪里
文档和材料	纪要、报告、邮件、制度初稿	结构设计与事实审核
信息整理	抽取字段、归类、生成清单	信息质量把关
规则检查	合同初筛、报销检查、资料完整性检查	规则建模与例外判断
初级分析	异常归类、风险提示、假设生成	判断结论、验证假设
需求和原型	PRD、小工具、页面、插件、脚本	先搭Demo，参与验收

关键变化：岗位从“一整块职责”被拆成多个任务；会用AI的人，会先接管更多高价值任务。

模块1

流程专家正在变成AI流程多面手

流程专业只是起点，AI把专家推向复合型变革能力

1-5

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：流程专家不是少做事，而是带着AI把个人方法放大成组织能力。

流程专家视角守住流程专业，还是扩成“流程 + AI + 产品 + 验收”？最大卡点是什么？

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

1-6

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

经验进入工具和流程，而不只在个人脑子里。

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

1-7

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，并把有效做法沉淀出来。

结构特征	课堂解释	流程专家要练什么
AI First	先让AI跑一版，再由人校准	任务、材料、边界和输出标准
能力跃迁	一个人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	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	不只自己变快，还让团队变快	沉淀Skill和可见Demo

关键阈值：当你的方法能被看见、复用、迭代，个人效率才开始走向组织能力。

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

1-8

→

个人任务提效

先把报告、纪要、检查、分析用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。

→

沉淀为Skill

明确触发、输入、步骤、输出和风险断点。

→

接入工具

放进智能体、插件或系统Demo里。

成果被看见

Demo、分享、复盘，让突破变成团队信号。

转化逻辑：个人提效不会自动变成组织能力；只有方法结构化、成果可见、工具可复用，能力才会向外溢出。

部门负责人视角团队AI高手的做法，怎样沉淀为部门资产而非个人效率？

模块1

三句话总结

把方向收住，进入企业AI执行架构

1-9

招聘标准已经变化

流程专家开始进入AI场景设计、原型验证和运营闭环。

先成为超级个体

用 AI First 跑通任务闭环，把有效方法沉淀成Skill、原型和可验收成果。

再推动超级组织

把专家经验变成可见、可复用、可评测的组织能力，而不是人人各玩各的AI。

接下来：企业AI执行架构 → 智能体与节点机制 → 领域Skill共创与评测 → AI Coding原型验证 → 十日冲刺行动表。

1 / 10

企业AI执行架构模块总览：一个业务智能体由AI底座、LLM、Prompt、Context、Agent、Tool/MCP、Skill、人工断点和可验收输出组成

模块2

先记住一个贯穿案例

后面所有概念都用质量异常8D初稿讲，不背名词

2-0

业务请求不是一句“帮我写8D”，而是一组可交付对象

事实包

投诉原文、检验记录、批次、图片、工艺变更。

规则包

8D模板、判定标准、客户沟通口径、WHEN NOT。

工具包

读表格、查历史、填模板、生成待办。

断点包

最终根因、责任归属、对外承诺必须人工确认。

贯穿案例

某批产品被客户反馈“尺寸异常”。质量工程师需要先整理客户投诉、检验记录、生产批次、工艺变更和8D模板，形成8D报告初稿，再由质量负责人判断和确认。

AI适合：事实整理、缺失追问、原因假设、初稿生成。
AI不适合直接做：最终定责、处罚建议、对外承诺。

案例元素	对应执行架构	如果缺失会怎样
投诉、检验、批次、变更	Context / 知识 / RAG	AI只能凭空猜，容易编造事实
8D模板、质量规则	Skill / System Prompt	输出看着完整，但不符合企业标准
读Excel、查历史、填模板	Tool / MCP	模型只能“说想查”，不能真正拿到结果
负责人确认最终结论	人工断点 / 权限边界	AI越权承担它无法承担的责任

模块2

企业AI执行架构：不是模型一把梭

高阶学员不只需要懂概念，更要看清AI在企业里靠什么执行

2-1

概念	企业里真正要理解的边界
AI	机器参与写、读、归纳、判断、生成和工具调用；但要进入企业流程，还必须补齐上下文、工具、Skill、权限、日志和人工断点。
LLM	大语言模型负责理解、生成、推理和规划；但它不是事实库、权限系统、流程引擎或责任主体。
Prompt	提示词只能表达目标和约束；企业级稳定执行还要依赖Skill、工具、测试和运行环境。
Context	模型当次能看到的全部事实、材料、系统状态和历史记录；上下文接入权决定AI能不能进入真实流程。

同一句请求的两种结果

只说“帮我写8D”：AI会套常见8D格式，可能补出不存在的批次、原因和措施。
提供事实包和模板：AI先列事实、缺失项、原因假设和待确认事项，避免越权下结论。
加上Skill边界：AI遇到最终根因、责任归属、客户承诺时停止，转人工确认。

核心判断：企业AI不是模型一把梭，而是模型、上下文、工具、Skill、Agent、Workflow、人工断点、系统写回和日志共同组成的执行架构。流程专家最应该掌握的，是这些构件应该放在流程节点的什么位置。

模块2

图解：AI到底是什么，企业应该落在哪一层

不是让业务专家造大模型，而是把模型能力接进真实流程

2-2

05应用层 App员工真正打开来用
04平台层 Platform知识、工具、权限、发布
03模型层 Model理解、生成、推理能力
02方法/算法层 Methods训练、微调、RAG、评测
01算力层 ComputingGPU、云服务、推理成本

老板 / 高管看应用有没有进入经营结果：效率、成本、风险、收入。

流程 / PMO / 质量专家把流程经验、质量规则、项目方法沉淀成可复用能力。

数字化 / IT把平台、权限、数据、工具连接做好，让能力可运营。

一线业务骨干从高频任务开始，把个人工作方式升级成AI工作流。

落地位置：业务专家不需要造 GPU、训大模型，但必须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、能在组织里复用的生产能力。更进一步看，企业系统要逐步 CLI 化，流程要逐步 Skill 化，员工要逐步 Agent 化。

模块2

图解：从LLM到Agent，Skill怎么参与运行

一次质量8D请求进入AI系统后的完整承接关系

2-3

用户说“这批尺寸异常，请帮我整理8D初稿”，后台不是一句话直接生成，而是这样跑：

Prompt任务、对象、输出要求

Context投诉、检验表、模板、历史案例

LLM理解任务，判断下一步

Tool / MCP读文件、查历史、填模板

Skill步骤、边界、人工断点

可验收输出事实表 + 原因假设 + 待确认项

模型负责什么

负责理解、生成、判断下一步和提出工具调用请求。它不是天然知道企业事实，也不是自己真的打开系统。

平台负责什么

负责装配上下文、执行工具、记录结果、把工具返回的信息再次交给模型，让Agent形成多轮闭环。

系统结论：AI应用不是“模型一把梭”，而是 Prompt、Context、LLM、Tool、Skill、Agent、Workflow、人工断点和日志共同形成的工作系统。流程专家真正能发挥价值的位置，是把业务规则、权限边界和可验收标准放进 Skill 与流程断点里。

演示例子：通用多平台智能体 Skill 演示器，可用来观察平台配置、业务数据、运行控制和流程日志如何组合。

模块2

图解：同一件事，聊天式AI和生产式AI差在哪里

从“看起来像”走向“可验收、可复用、可追踪”

2-4

聊天式AI

随手一句“帮我写个8D”

模型自由发挥没有材料、没有模板、没有边界

通用回答看着像，但事实和责任都不可靠

生产式AI

任务 + 材料投诉、检验表、批次、模板

加载8D Skill步骤、字段、风险边界

调用工具读材料先查缺失，再提事实

业务可验收结果事实表、原因假设、行动项、人工确认点

核心转向：从“让AI回答我”升级为“我和AI一起构建可验收、可复用、可追踪的工作系统”。

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

写

生成初稿

纪要、邮件、报告、8D初稿、复盘摘要。

读

材料理解

制度、表单、记录、反馈、客户投诉。

整

结构化整理

事实表、问题清单、缺失材料清单。

比

对比检查

合同条款、报销资料、历史异常差异。

问

知识问答

制度问答、流程问答、培训小测。

跑

重复执行

按固定规则生成标准输出，适合沉淀成Skill。

判断标准	质量8D案例怎么落	为什么适合
高频重复	客户投诉、内部不良、来料异常都要整理初稿。	同类任务多，规则沉淀后复用价值高。
材料可见	投诉原文、检验记录、批次、模板都能提供。	上下文足够，AI不必凭空猜。
输出可验收	事实表、原因假设、行动项、待确认事项。	负责人能逐项检查、修改和采纳。
风险可切断	最终根因、责任归属、对外承诺留给人工。	AI做准备工作，人承担最终判断。
选择原则	能看见材料、能定义标准、能人工验收、能留断点。	这类任务最容易从“好用”走向“可复用”。

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	8D案例里的风险	正确做法
事实材料不可见	没有检验记录，却写出具体批次和数据。	先列缺失项，补材料后再生成。
规则口径不统一	不知道公司8D模板、客户沟通口径和质量判定标准。	先统一模板、规则和输出标准。
需要核心系统动作	直接改正式8D记录、发客户邮件或写入质量系统。	先做草稿和建议，正式动作走权限；没有权限不写回系统。
涉及责任与承诺	判断最终根因、责任部门、处罚建议和对外承诺。	必须设置人工断点，AI只给依据和待确认项。
没有运行日志	事后不知道AI看了什么、调了什么、为什么这样输出。	关键流程必须保留输入、工具调用、输出和人工确认记录。

低风险 · 规则清楚高风险 / 治理未就绪

可以自动

低风险、可回滚

资料完整性检查。
生成待补材料清单。

可以建议

有判断但不执行

列可能原因。
给验证动作建议。

先补治理

规则或权限不清

模板未统一。
工具权限未拆分。

必须人工

责任、授权、承诺

最终定责。
处罚和对外承诺。

互动校准：AI能力边界判断练习，用案例快速判断“能做、辅助做、先治理、必须停”。

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

概念	解决什么问题	8D案例对应动作
RAG	把相关知识找出来。	检索8D模板、质量制度、历史客诉。
Tool / MCP	把外部动作接进来。	读Excel、查历史、填草稿、发提醒。
Skill	规定何时用、怎么做、做到什么标准。	8D初稿的步骤、边界、字段和测试。
Agent	围绕目标组织多步执行。	查材料、套Skill、调用工具、标人工断点。

8D初稿Skill应该写清

适用：客户投诉、内部不良、来料异常。
输入：投诉描述、检验数据、批次信息、历史案例、8D模板。
步骤：查缺失、抽事实、归类原因、列行动项、标人工确认点。
输出：事实表、原因假设、临时措施、长期措施、待确认事项。
不适用：最终责任认定、处罚建议、对外正式承诺。

Skill组成	必须写清	验收问题
触发边界	WHEN / WHEN NOT 和正反例。	该用时能叫出，不该用时不会误用吗？
执行步骤	先检查、再提取、再判断、再输出。	换一个人、换一批材料还能稳定吗？
输出标准	格式、字段、质量要求、引用依据。	负责人能逐项验收和修改吗？
测试用例	正常、缺失、混乱、高风险、空输入。	改版后还能回归测试吗？

延伸阅读：完整 Skill 体系可课后继续看 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

AI是执行架构

企业AI不是模型一把梭，而是模型、上下文、工具、Skill、Workflow、Agent、人工断点和日志共同组成的工作系统。

生产式AI要可验收

有材料、有规则、有工具、有测试、有断点，AI才可能从“会说”走向“能交付”。

流程专家定边界

流程专家的价值，是把业务规则、权限边界和验收标准放进流程节点，让AI能力可复用、可追踪、可接管。

主线结论：这一章不是背名词，而是建立判断力：哪个任务适合AI，怎么补上下文、工具和日志，哪里必须留给人，什么经验值得沉淀成Skill。

质量/风控视角回到8D案例，最先要补材料、规则、工具，还是人工断点？

模块2 · AI执行架构

AI执行架构 · 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

Agent Practice

先看懂智能体，再进入平台演练

本章先讲清智能体的形态、来源和开发平台，再用斑头雁 BetterYeah AI 完成一个低敏业务智能体初版。

✓智能体形态

✓构建来源

✓平台案例

✓斑头雁演练

模块3

智能体长什么样：入口不是本质，流程执行能力才是本质

不要把智能体理解成一个固定页面，它是一种任务执行形态

3-1

聊天入口像助手一样对话，适合问答、初稿和低风险任务。

例：制度问答、8D初稿追问。

工作台入口有表单、上传、运行日志和结果区，适合可验收交付。

例：Agent Skill Console。

系统侧边栏嵌在ERP、OA、浏览器页面旁边，读取现场上下文。

例：AI审批助手。

流程节点被系统在某个节点自动触发，输出草稿、检查或提醒。

例：资料缺失自动提醒。

后台任务定时或事件驱动运行，适合监控、汇总和批处理。

例：供应商延期日报。

维度	要看什么	错误理解
入口形态	聊天框、工作台、插件、流程节点、后台任务。	以为智能体只能是一个聊天框。
能力形态	知识问答、材料整理、工具调用、流程推进、异常升级。	只看回答漂亮，不看能否完成任务。
控制形态	权限、日志、评测、人工断点、回滚。	让模型自由发挥，缺少业务控制。

一线员工视角智能体最好在哪出现：聊天框、系统侧边栏，还是流程节点自动触发？

模块3

智能体从哪里来：源码开发、平台构建、框架编排

不同来源决定了灵活度、上线速度、治理难度和团队分工

3-2

源码开发

最灵活，成本也最高

开发团队用代码实现Agent循环、工具调用、权限、日志和前端入口。适合核心系统、复杂权限、深度集成场景。

平台构建

最快出样板间

在智能体开发平台里配置模型、提示词、知识库、工具、发布入口和测试。适合课堂演练、业务试点和低敏场景。

框架编排

介于两者之间

使用 Agents SDK、LangGraph、Dify、Coze、n8n 等框架或平台，把多步流程、工具和状态管理编排起来。

选择问题	更适合的来源	案例
要嵌入内部ERP/OA并控制权限	源码开发 + 企业连接器	AI审批助手侧边栏读取审批上下文。
要快速验证一个低敏业务助手	平台构建	斑头雁里搭质量8D初稿助手。
要做多步骤流程和工具链	框架编排	查材料、查历史、填模板、通知人工。

判断标准：业务人员先用平台把场景跑通，工程团队再判断是否需要源码化、框架化和企业级治理。

模块3

智能体开发平台案例：从管理台看“平台应该管什么”

开发平台不是模型入口，而是智能体资产、权限、运行和评测的控制面

3-3

▦

全流程智能体平台 · 管理台案例

http://139.224.117.80/dashboard · 当前为授权账号访问入口

打开案例

智能体资产创建、分类、版本、发布状态、Owner和适用场景。

知识与Skill绑定知识库、系统提示词、领域Skill和测试用例。

工具与权限配置可调用工具、接口权限、只读/写入边界。

运行监控查看运行次数、失败原因、日志、耗时和人工接管。

评测治理管理Benchmark、上线门槛、回归测试和停用规则。

平台构建适合什么

快速搭建低敏业务助手。
把提示词、知识、工具和测试放在同一个管理台。
让业务和管理员能看见智能体资产。

平台构建不等于正式上线

真实上线还要补企业SSO、数据分级、操作审计。
高风险动作要有人工确认和回滚路径。
平台演示通过后，再决定是否进入源码开发或深度集成。

平台Owner视角平台最先管模型调用，还是管资产、权限、日志和评测？

模块3

本章产出：每组完成一次智能体节点选型与演练

不跳工具，不讲概念空话，照着步骤做出来

3-4

🤖

斑头雁 BetterYeah AI 智能体平台

点击打开：https://ai.betteryeah.com/

打开斑头雁

演练目标：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。

→

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。

模块3

第一步：进入智能体演练

从斑头雁平台进入练习

3-5

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。

→

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。

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

3-6

推荐场景	适合输入	练习输出物
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

场景选择原则：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

3-7

配置项	配置重点
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，先跑通核心任务。
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。

配置重点：实际按钮位置以斑头雁 BetterYeah AI 智能体平台当前界面为准，本章只看创建、提示词、知识、测试、发布这五件事。

模块3

智能体配置清单：逐项填到可测试

把应用名称、使用者、知识、测试和发布边界一次写清

3-8

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

3-9

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

3-10

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

3-11

测试类型	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

图解：测试时看运行轨迹，Agent不是黑盒

以“生成8D初稿”为例，看它有没有形成规划、工具、观察、再规划的闭环

3-12

System Prompt

你是质量工程师AI助手。按8D Skill执行；缺材料先列出来；不得做最终责任、处罚和对外承诺。

Tools

read_excel search_history fill_template notify_human

用户请求：“帮我根据这3份材料生成8D初稿”

用户请求+材料

LLM规划先读检验表

read_excel

观察结果：读取到3份检验记录，批次 B2024-0891，关键尺寸偏差 +0.15mm。

Step1结果

LLM再规划查历史类似异常

search_history

观察结果：命中2条历史异常，均与工序3温控参数波动相关，但证据不足以做最终定责。

Step1+2结果

套用8D Skill事实、假设、行动、断点

fill_template

输出结果：8D初稿已生成，包含事实表、原因假设、临时措施、长期措施、待人工确认3项。

观察回到规划继续执行，直到形成可验收输出

运行轨迹看什么

不是看它回答得漂不漂亮，而是看每一步有没有依据、有没有工具记录、有没有遇到高风险就停下来。

对外怎么呈现

不展示完整内部推理，只展示结论、依据、引用材料、下一步动作和必须人工确认的位置。

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

3-13

01 测试通过

先过四类问题

正常输入、缺失输入、格式混乱、高风险问题都跑一遍，至少知道它哪里能用、哪里不能用。

02 保存演示版

课堂可展示

在斑头雁平台中发布或保存课堂演示版本，让小组成员能现场打开、试问、复盘。

03 带回去迭代

不是正式上线

把课堂结果带回业务现场，补真实低敏材料、补测试用例，再判断是否进入试点。

课堂发布的意义方便展示、互评和复盘，让小组看到一个业务智能体从想法变成可试用版本。

正式上线前必须补权限、数据安全、知识库维护、评测、Owner机制、异常处理和人工确认边界。

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

3-14

→

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。

模块3

三句话总结

把智能体演练逻辑收住

3-15

先识别形态

智能体不只是一种聊天框，也可以是工作台、系统侧边栏、流程节点或后台任务；形态取决于任务怎么进入业务现场。

再选择来源

源码开发适合深度集成，平台构建适合快速试点，框架编排适合多步工具链；不要用一种方式解决所有问题。

最后进入演练

进入斑头雁平台，选低敏场景，写系统提示词，接知识库，跑四类测试，再准备展示和复盘。

阶段结论：智能体不是“聪明页面”，而是入口形态、构建来源、业务任务、材料、规则、工具和人工责任共同组成的工作单元。

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 / 17

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，再把流程节点Skill化

L1职责领域 × L2工作模块 × L3具体任务

4-1

→

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。

→

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

打开平台

流程专家视角挖Skill时，我们应该先让AI头脑风暴一堆清单，还是先把L1/L2/L3工作架构拆清楚？为什么？

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

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】

部门负责人视角首批Skill选价值最大但复杂的，还是两周能跑通的？

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

学习边界：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。

Skill体系深入课件

模块4

图解：Skill怎么运行，从触发到评测

Skill不是一句提示词，而是Agent执行任务时持续参照的操作手册

4-8

Agent执行“质量异常8D初稿”时，不是随意发挥，而是每一步都对照Skill规则：

Agent动作

Skill规则（执行时参照）

1判断是否触发

WHEN：客户投诉、内部不良、来料异常；WHEN NOT：责任认定、处罚建议、正式对外承诺。

2检查输入材料

必须有投诉描述、检验数据、批次信息；缺任何一项，先输出缺失清单，不继续假设。

3提取客观事实

只提取材料中可验证的信息，字段包括时间、批次、现象、数据、影响范围和证据来源。

4归类可能原因

按工艺、材料、设备、环境、人为五类组织线索，每个判断必须标明依据和不确定性。

5生成8D初稿

输出事实表、原因假设、临时措施、长期措施、行动项、责任人待确认字段。

6标记人工断点

最终根因、责任归属、处罚、客户承诺必须标“待人工确认”，不得由AI直接下结论。

业务请求质量异常8D

Skill加载规则、步骤、边界

材料与工具检验表、模板、历史案例

Agent执行按规则多轮处理

Benchmark评测正常/缺失/混乱/高风险

Skill验收：好Skill要回答五件事：AI能不能发现它、能不能稳定执行、结果能不能验收、问题能不能定位、后续能不能运营。

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

→

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。

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://e2eskill.cn/all-skills

打开课堂Skill资源平台打开 Qoder

模块4

小组展示模板

每组2分钟，讲清楚就够

4-11

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。

模块4

三句话总结

从机会清单进入AI Coding

4-12

从架构里挖

第四章不再重复概念，而是从领域工作架构和流程节点里找可复用能力。

用评分筛机会

Skill机会不是拍脑袋想出来的，而是沿着L3任务逐个看频率、价值、可行度和风险。

用评测变资产

Skill必须经过触发、执行、Benchmark和可维护性评测，才能从草稿变成组织能力。

阶段结论：上午的产出不是“几条提示词”，而是一批贴着流程节点、能评测、能接入产品原型的能力雏形。企业不缺名字好听的Agent，缺主流程里的高质量Skill。

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

AI Coding

用AI Coding把流程机会点做成可验收原型

下午进入原型验证实战：选择插件、业务系统Demo或本地执行工作台，把上午的Skill推进成可演示、可测试、可讨论的AI产品雏形。

✓AI产品原型

✓业务需求互换

✓测试与验收

模块5

为什么高阶流程负责人必须懂AI Coding

不是人人转岗程序员，而是负责人要具备原型验证、技术沟通和业务验收能力

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

核心结论：未来流程负责人不一定写复杂代码，但必须能用AI把业务想法做成原型、跑出测试、讲清边界，并和IT、供应商、管理层围绕同一个可见产物讨论。

模块5

下午两轮练习：先选产品载体，再做业务需求互换开发

产品载体训练原型验证能力，互换开发训练需求澄清和业务验收能力

5-2

EXERCISE 01 · 个人能力

把一个流程Skill做成AI产品原型

从上午选一个高价值Skill，选择浏览器插件、业务系统Demo或本地执行工作台一种载体，做成能演示、能测试、能讲清边界的AI原型。

输入自己的岗位和常用任务

构建产品载体、Skill逻辑、输入输出

验收按测试用例现场演示

EXERCISE 02 · 产品能力

业务需求互换开发

一人扮演业务Owner，一人扮演AI产品原型负责人，围绕真实流程痛点完成追问、复述、PRD、原型、测试和验收。

输入业务Owner讲真实流程痛点

构建PRD、原型、测试用例

验收业务Owner确认价值和边界

练习边界：智能体前面已经练过，下午不再把“搭智能体”作为单独选题。重点是把一个流程节点上的Skill推进成可见原型，再通过业务需求互换训练真实沟通、迭代和验收。

模块5

图解：AI Coding不能只靠Vibe，而要形成开发闭环

从需求到可演示原型，每一步都要有业务输入、技术产物和验收标准

5-3

一个数字产品从“我想要”到“可演示原型”的最小闭环：

业务需求卡谁要用，服务哪个流程节点

需求澄清场景、流程、数据、边界

流程节点 / PRD / Skill页面、规则、边界、测试

开发计划拆成可验收小任务

MVP实现输入、按钮、输出、状态

测试交付演示、修正、可访问链接

只凭感觉的 Vibe Coding

一句话“帮我做个系统”

一次生成看起来像，但不知道怎么验收

漂亮半成品演示容易，落地困难

真正的AI Coding

需求可解释用户、流程、输入、输出

规则可复用Skill、测试用例、边界

结果可验收能用、能测、能分享链接

验收要求：超级个体不一定要成为程序员，但必须能把需求讲清、把中间结果看懂、把产品按业务标准验收。

模块5

图解：Skill进入产品载体的三种方式

Skill规定怎么做事，产品载体把能力放到真实网页、业务流程或本地执行工作台里

5-4

AI原型的最小架构：不是一个聊天框，而是“入口 + 上下文 + Skill + 模型 + 工具 + 验收”的组合

👤

用户

在网页旁边提问、发指令、验收结果

🧩

产品载体

插件、业务系统Demo或本地执行工作台

🧠

模型与记忆

配置模型、访问凭证与记忆

🛠

Skill与工具

审批、方案、流程图、流程文件

用户→插件输入问题，或让插件打开指定网页

插件→页面上下文读取当前页面标题、正文、链接和用户选中内容

插件→Skill Router判断该调用审批、方案、流程图还是流程文件Skill

模型→Skill与工具按 Skill 规则调用工具，生成回答、流程图或HTML；必要时读取记忆

插件→用户展示结果、保留人工确认点、支持复制/下载/继续追问

产品入口插件 / 系统Demo / 本地工作台

上下文读取让AI知道材料、页面或流程状态

至少1个核心Skill绑定一个真实流程节点

多模型配置供应商、模型与访问凭证

产物与验收生成结构化结果，支持测试和人工确认

模块5

AI Coding工具不是一类东西：要按工程角色选

不同工具在工程现场承担不同角色，选错工具会导致交付链路断掉

5-5

课堂原型

Qoder

适合把业务人员写出的PRD、Skill和页面想法快速变成可点击原型。课堂里用它训练“把需求讲完整、把结果验收清”的能力。

代码库任务

Codex

适合进入真实代码库做任务：读仓库规则、改代码、跑检查、修问题、准备可审查的变更。它的价值不是聊天，而是把工程任务跑到闭环。

长上下文协作

Claude Code

适合在复杂仓库里持续协作。CLAUDE.md、Skills、MCP、Subagents、Hooks等机制，本质上是在给Agent补长期规则、工具和自动化检查。

工程环境

Harness Engineering

不是某个按钮，而是把Agent放进可运行、可校验、可回滚的工程环境：上下文、权限、测试、日志、CI、评测和发布门槛。

业务负责人看什么

不是模型名字，而是它能不能读懂业务流程、生成可用原型、暴露人工确认点、让需求方和IT都看得懂。

工程团队看什么

不是一次生成多漂亮，而是能不能遵守仓库规范、跑测试、保留变更记录、通过评审、可回滚。

管理者看什么

不是“用了AI”，而是需求吞吐、缺陷率、评审周期、复用资产、上线风险有没有真实改善。

来源：OpenAI Codex 文档、Claude Code 文档、脱敏项目素材整理。

数字化负责人视角选AI Coding工具，看模型强弱、界面易用，还是工程链路角色？

模块5

优秀Coding Agent的分层：规则、技能、工具、检查

Codex和Claude Code真正值得学的，不是界面，而是工程协作机制

5-6

分层	典型载体	工程价值
常驻规则	AGENTS.md / CLAUDE.md	把仓库地图、代码规范、禁止动作、交付口径写成Agent每次都能读到的规则。
可复用技能	Skills / Skill库	把重复工作沉淀成可调用能力，例如评测、流程图、PPT、部署、合同审查。
外部工具	MCP / Connectors / CLI	让Agent能访问浏览器、文件、GitHub、Figma、企业系统，但必须受权限和边界约束。
隔离任务	Subagents / Cloud tasks	复杂任务拆给多个执行单元，适合并行做调研、修复、测试和文档补全。
自动检查	Hooks / CI / Tests / Evals	把“别忘了测试”变成系统动作，不靠人记忆，靠检查门槛拦住风险。

稳定性结论：Coding Agent的核心不是“能写代码”，而是能在规则、工具、测试和评审组成的工作台里稳定执行。

模块5

Harness Engineering：让Agent稳定工作的工程支架

人负责搭环境和定标准，Agent负责在环境里执行

5-7

Context Harness

让Agent知道现场是什么。

仓库地图、流程图、接口文档
业务规则、制度、低敏样例
历史问题、失败案例、验收标准

Action Harness

让Agent能安全地做事。

工具权限、MCP、脚本、命令
沙箱、审批点、系统连接器
可执行但不越权的任务边界

Evaluation Harness

让Agent产出能被验证。

单元测试、回归集、Benchmark
人工断点、上线阈值、日志追踪
失败归因、复盘和持续改进

课堂案例：鲜食备货Agent

以鲜食备货案例为例，不应该让Agent只回答“明天备多少”。真正的交付物是一张可保存、可审批、可追溯的备货计划单。

可迁移方法

先定交付物，再拆事实包、工具、规则、质检和失败预案。这个方法同样适用于审批、采购比价、合同初筛、招聘筛选、客服工单。

关键结论：Prompt只能表达目标，Harness才能承载执行、检查、日志和回滚。

延伸阅读：别把 Agent 做成聊天框 · Harness 能力与技术设计

模块5

从一次性Demo到工程闭环：至少补齐8件事

否则课堂作品很好看，回到企业还是落不了地

5-8

定义

1. 需求边界用户、流程节点、输入、输出、非目标写清楚。

2. 低敏样例准备能演示、能测试、能公开交流的材料。

执行

3. Skill规则步骤、触发、WHEN NOT、人工确认点可复用。

4. 工具权限读什么、写什么、能不能调用系统接口要分开。

验证

5. 测试用例正常、缺失、混乱、高风险、空输入都要跑。

6. 回归记录每次改完要知道旧问题有没有复发。

运营

7. 日志追踪出错时能看到输入、工具调用、输出和人工处理。

8. 发布回滚先灰度，能停用，能回到上一个稳定版本。

AIPROS插件项目

从“能聊天”升级为能读页面、调用Skill、生成HTML产物，说明插件不是皮肤，而是AI进入网页现场的入口。

AI审批助手项目

插件浮在ERP上层，侧边栏读取审批单、补充历史报价和财务数据，但最终审批仍保留人工确认。

Skill评测项目

用正例、反例、结构检查、Benchmark和整改清单，把“好像能用”推进到“可维护、可复测”。

项目Owner视角Demo可用后，还要补哪三件事，才敢说“可以试点”？

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

5-9

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AI原型PRD

完整到AI Coding工具可以从0到1搭出可演示原型

5-10

打开 Qoder

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

下载课堂插件包

模块5

第二步：让AI生成原型开发计划

不要直接写代码，先拆任务

5-11

提示词： 请基于下面的完整AI原型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AI原型PRD】

模块5

第三步：搭建最小可用界面

先让人能看懂、能输入、能点击

5-12

业务AI原型 · 最小可行界面

输入区粘贴材料、网页摘要、制度片段或低敏样例，让用户知道从哪里开始。

操作区生成按钮、清空按钮、示例按钮、状态提示，先让流程可点击。

输出区：结论摘要 / 风险与问题 / 建议行动 / 缺失材料 / 人工确认点。先用模拟结果跑通，再接真实模型。

1. 页面骨架

标题、说明、输入区、按钮、输出区全部可见，别人一眼知道这个工具做什么。

2. 示例输入

提供一段低敏样例，帮助用户理解材料格式，也方便现场测试。

3. 输出占位

先把输出结构固定住，再让AI填内容；结构不稳，模型再强也会乱。

模块5

第四步：把Skill接进原型

根据载体不同，把Skill变成系统提示、配置规则、执行说明或测试基准

5-13

提示词： 请把下面的 Skill 文件转化为可接入AI原型的执行规则。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 + 原型测试 + 业务验收

评测和测试都不是可选项

5-14

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

打开课堂Skill资源平台

模块5

原型验收标准

能点、能看、能讲清

5-15

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

练习1：每个人把一个流程Skill做成AI产品原型

先独立完成一个可演示、可测试、可讲清边界的AI产品原型

5-16

EXERCISE 01

所有人都交付一个服务真实流程节点的AI产品原型

最低要求不是“页面好看”，而是能说明服务哪个岗位、哪个流程节点，能输入材料、输出结构化结果、调用Skill逻辑，并保留人工确认点。

课堂验收：能演示、能测试、能讲清楚服务哪个岗位、哪个流程节点、哪里需要人工确认。

MVP 01

基础原型能力

原型可以打开或演示；具备清晰入口、输入区、输出区和状态提示。

MVP 02

上下文工作能力

能读取或粘贴低敏业务材料、网页内容、流程文本或样例数据。

MVP 03

Skill 接入能力

至少接入 1 个核心Skill，写清触发、输入、输出、边界和人工确认点。

MVP 04

测试与验收能力

至少准备 5 条测试用例，覆盖正常、缺失、混乱、高风险和空输入。

模块	最低要求	进阶加分
核心 Skill	至少选择一个真实流程节点上的 Skill，能说清触发、输入、输出、边界和人工确认点。	能补充优秀样例、反例和回归测试用例。
产品载体	三选一：浏览器插件、业务系统Demo、本地/云端执行工作台。	能解释为什么这个载体适合当前流程节点。
输入输出	能输入低敏业务材料，输出结构化结论、风险、建议行动和缺失材料。	能生成可分享的HTML、报告或结果页面。
测试验收	至少跑正常、缺失、混乱、高风险、空输入五类用例。	能说明失败原因、修正动作和下一轮迭代计划。

练习1验收：做一个真正贴着流程节点工作的AI原型，让它从Skill文档进入可演示、可测试、可讨论的产品载体里。

模块5

练习2：业务需求互换开发

一个人讲真实流程痛点，另一个人负责追问、复述、原型开发和验收组织

5-17

EXERCISE 02

回到真实流程，此刻你最想验证哪个AI产品想法？

上课前或进场时写完业务需求卡：写清用户、流程节点、痛点、输入材料、期望输出和不能越过的边界。可以是业务系统、AI智能体、小工具或流程工作台，但必须来自真实工作。

审批预审台业务系统DemoAI智能体流程小工具需求澄清台

核心玩法：不是自己给自己闭门造车，而是互为业务Owner、互为AI产品原型负责人。

STEP 01

课前写需求

在卡片上写清：谁来用、服务哪个流程节点、解决什么问题、输入什么材料、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

互为原型负责人

A先讲业务需求，B追问、复述确认并开发原型；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。

业务Owner

讲真实流程痛点、补充背景、持续反馈，最后验收“这是否解决了我的业务问题”。

↔

AI产品原型负责人

追问、复述、拆成PRD、页面、功能和测试，用AI Coding快速做出可验收版本。

为什么这样玩	练习要求
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“AI产品原型负责人”。	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

三句话总结

从两个练习回到超级个体能力

5-18

会把流程节点讲成产品需求

AI流程管理专家不只是会使用AI，还要能把流程节点、输入输出、Skill逻辑和人工断点讲成可开发需求。

用AI Coding做出可讨论原型

AI Coding不是随手生成页面，而是在真实需求输入、流程节点、Skill、测试和验收中持续迭代。

开始具备业务验收能力

当你能看懂原型、设计测试、判断边界，就能带团队把AI想法推向可试点、可复用的业务成果。

延伸学习：想继续把插件、业务系统和AI应用原型做深，可以课后进入 AI Coding课程。

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 / 20

10-Day Sprint

十日业务流程AI改造冲刺法

把课堂形成的流程节点、Skill和AI原型带回真实业务，用十天跑出可试用、限定试用或暂缓的负责判断。

✓D1-D10作战表

✓测试证据包

✓Go / No-Go判断

模块6

为什么最后不讲五阶段，而讲十日冲刺

高层可以有长期路线图，但课堂结束后，学员最需要的是十天内怎么把一个流程节点跑成真实试点

6-1

课堂已经形成	组织落地还缺
流程节点、AI机会、Skill雏形、AI产品原型。	真实人员、真实样本、真实系统状态和真实权限。
测试思路、人工断点、初步验收标准。	日志证据、下游接收、接管Owner和Go / No-Go判断。
个人能跑通一个小闭环。	组织能限定试用、复盘失败、复制下一条流程。

宽

五阶段的问题

战略、蓝图、平台、试点、推广适合写汇报，但容易让学员回去不知道第一天约谁、看什么材料、跑什么测试。

实

十日冲刺的价值

用时间、责任、证据、验收门和上线判断，把“我学会了”推进到“我能组织一个真实试点”。

核心判断：AI流程管理不是回去做更大的方案，而是先用十天把一个流程节点跑到“可以试用、限定试用或暂缓”的负责决定。

模块6

D1-D10 总图：课堂产物怎样进入真实试点

十天不是另起一套新方法，而是把课堂的流程、Skill、原型和测试放进真实业务现场校正

6-2

启动范围

流程节点
铁三角
业务目标

现场事实

真实样本
系统记录
上下文边界

机会冻结

首批节点
暂缓项
不做清单

D4-D5

协同与能力

未来协同图
权限边界
Skill / 原型V0.1

D6-D10

评测与交接

边界测试
复测验证
Go / No-Go

十天只看四件事	判断问题
责任是否在场	Sponsor、流程Owner、业务专家、AI构建者是否明确。
证据是否真实	样本、系统、日志、制度和下游反馈是否来自现场。
风险是否切断	付款、审批、对外承诺、正式写回是否有人工断点。
D10是否接管	有没有三态判断、资产清单、接管人和复核日期。

模块6

D1：启动范围、铁三角和业务目标

第一天不要急着改系统，先把谁负责、改哪段流程、为什么值得改说清楚

6-3

范

启动范围

选择一条L3或更细流程节点，写清起点、终点、触发条件、上下游、涉及系统、业务目标和不做范围。

角

AI流程改造铁三角

流程负责人守边界；业务专家供样本和验收；AI构建者把Skill、原型和工具跑成可测试版本。

责

Sponsor责任

不是表态支持，而是给目标、人员时间、数据边界、试点范围和D3/D10决策。

D1必须确认	验收门
为什么改这段流程，当前基线是什么。	业务目标能量化或可观察。
十天内只验证什么，明确不验证什么。	范围可控，不做范围写清。
谁能在D10接管。	Owner在场，Sponsor同意D3冻结机会。

讲师口径：D1 的本质是把热情变成边界。边界越清楚，后面 AI 才越容易真的跑起来。

模块6

D2：现场事实与上下文验真

AI能不能进入流程，先看它能不能看到真实上下文，而不是先看模型有多强

6-4

→

课堂判断 V0.1

流程节点、机会点、Skill和原型来自有限访谈、样例材料和AI辅助推演。

→

现场证据门

流程Owner、一线使用者、真实样本、系统记录、日志、制度模板、异常案例和下游接收人。

现场判断 V0.2

确认、修改或推翻课堂假设，并写清上下文接入边界。

上下文接入判断	必须说清
可见材料	AI能看哪些材料，哪些只能脱敏，哪些必须人工上传。
系统状态	哪些状态可读，哪些数据不能进入模型，缺上下文时如何追问或停止。
验收门	首批输入材料可获得，敏感资料边界明确，缺材料不允许编造。

常见失败：用会议印象替代系统证据，用示例材料冒充真实材料，不问数据权限，不记录被推翻的假设。

模块6

D3：机会冻结与不做清单

第三天要做一次收口：哪些机会进入首批，哪些机会暂缓，哪些坚决不做

6-5

首批	第二批 / 暂缓	不做清单
业务价值明确、上下文可得、输出可验收、风险可切断。	价值存在，但样本、权限、下游接收或测试条件暂不成熟。	资料不可得、输出无法验收、权限不可控、下游无人接收、涉及重大审批/付款/对外承诺。
只保留一个能在十天内验证的小闭环。	写清暂缓原因和下一次触发条件。	敢于说No，不用“继续研究”拖住范围。

问

知识问答

材料清楚、只回答制度和流程口径。

Skill

单点Skill

步骤、边界和输出明确，适合首批能力。

流

Workflow / Agent

固定流程或目标执行任务，必须先有边界和评测。

核心判断：D3 是十日冲刺里最像产品经理的一天。不是证明想法多，而是证明会收范围。

模块6

D4：未来协同图与权限边界

不是把原流程节点改名叫AI，而是重新设计人、AI、系统、规则和责任怎么协同

6-6

正

正常链路

业务事件触发 → AI读取材料 → 调用Skill → 生成结构化结果 → 人确认 → 下游接收 / 系统记录。

异

异常链路

缺材料、低置信、格式混乱、权限不足、高风险承诺、系统写回失败时，AI必须停止、追问、转人工或降级。

权限阶梯	治理要求
只读上下文 / 生成草稿 / 发起待办	可以作为首批试点，但要保留输入、输出和人工确认记录。
写入临时表 / 写正式系统 / 对外发送	必须单独审批，写清字段、授权人、失败回退和日志位置。
最终责任、付款、处罚、对外承诺、发布、删除、正式审批	必须保留人工确认，AI只做准备、整理、提醒和建议。

讲师口径：人机协同不是把人拿掉，而是把人放到最该判断的位置，把 AI 放到最适合准备、整理、生成和提醒的位置。

模块6

D5：首批 Skill / 原型 V0.1

第五天只做一个最小能力，不做大而全平台；先让一个流程节点稳定跑起来

6-7

→

流程节点

限定用户、材料、触发条件和业务目标。

→

Skill V0.1

写清WHEN、WHEN NOT、输入、步骤、输出、人工断点、禁止事项和测试用例。

→

产品载体

浏览器插件、业务系统Demo、本地/云端执行工作台，按上下文位置和验收人选择。

人工确认

不自动审批、不对外发送、不正式写回核心系统。

D5能力包	验收门
Skill文件、原型入口、测试样本、Owner、版本、已知限制。	能跑一条正常样本；缺材料时追问或停止；输出结构稳定；人工确认点可见。

常见失败：一次做多个Skill，只做页面不做规则，只接模型不写测试，没有版本和Owner。

模块6

D6-D7：评测、用例和边界测试

跑通一次只证明那一次成功；能被触发、能应对异常、能停下来，才有试用资格

6-8

测试类型	看什么	不通过表现
静态扫描	触发、输入输出、步骤、边界、人工断点、禁止事项和测试用例。	Skill像一段提示词收藏，没有企业级边界。
正常 / 缺失 / 混乱	真实低敏材料能输出；缺关键材料不编造；冲突材料能标记。	看似完整，但事实不可追溯或强行合并。
高风险 / 空输入	审批、责任、对外承诺、付款、处罚必须停下；无关输入不误触发。	越权下结论，或为了回答而回答。

硬伤

越权、编造、错误写回、泄露敏感信息。

质量问题

输出字段不稳、追问不清、证据引用不足。

体验问题

提示不清、格式不友好、说明不够完整。

测试原则：企业里最危险的不是 AI 做不到，而是它偶尔做对一次以后，大家以为它已经稳定。

模块6

D8-D9：优化、复测和第二使用者验证

真正的改进不是改到这次通过，而是用原题复测，并让第二个人也能跑通

6-9

→

失败聚类

归因到触发不清、输入缺失、步骤不稳、输出不清、边界不足、工具/上下文缺失、权限问题。

→

整体优化

回到Skill、提示词、样例、输出模板、人工断点和产品界面整体修正。

→

原题复测

必须用原来的失败用例复测，不能换一批更容易的题制造通过。

第二使用者

找第二名业务人员在较少讲解下使用一次，并让下游判断是否能接收。

输出物	验收门
问题聚类、修复点、V0.2版本说明、原题复测结果、第二使用者反馈、下游接收结论。	P0关闭；原题复测通过率提升；第二使用者能完成一次；下游知道如何接收或退回；剩余问题有Owner。

组织化判断：AI能力要进入组织，不能只靠作者本人会用。第二个人能不能用，下游愿不愿意接，才是组织化的开始。

模块6

D10：Go / 有条件 Go / No-Go 与资产交接

十天终点不是演示日，而是作出一个负责任的试用判断

6-10

三态判断	进入条件	交接要求
Go	价值明确、测试证据成立、边界清楚、下游能接收、Owner到位。	进入限定真实试用，明确复核日期。
有条件 Go	价值成立，但用户、材料、权限、流程范围或人工确认必须受限。	写清条件、Owner、复核日期和退出机制。
No-Go	价值不足、上下文不可得、风险不可控、P0未关闭、责任人缺席或下游不接收。	保留证据，暂停试用，写清下一步。

流

流程资产

现状流程、未来协同、输入输出、人工断点、不做清单。

运

运行资产

Skill/原型版本、测试用例、失败样本、日志、工具、权限、评测结果。

责

责任资产

Sponsor、流程Owner、业务使用者、维护人、平台管理员、复核周期。

成熟团队的标志：D10 最重要的不是鼓掌，而是负责。能试就限定试，不能试就暂缓，敢在第十天说 No-Go。

模块6

十日冲刺表：每天只看责任、动作、证据、验收

不重新写厚方案，用一张表把十天推进压成可检查的行动闭环

6-11

日期	当日目标	关键动作	证据/交付物	验收门
D1	启动范围	确认流程节点、铁三角、Sponsor、业务目标和不做范围。	启动范围卡	Owner在场，范围可控。
D5	首批能力	完成Skill / 原型 V0.1，跑一条正常样本。	版本、入口、样本、输出	能跑、能停、能解释。
D10	上线交接	作出Go / 有条件 Go / No-Go。	交接单、资产箱、接管人	三态明确，有复核日期。

20分钟填写

只填一条流程，只选一个首批节点，不把所有机会塞进去，D1-D10每天只写一行，必须写验收门。

10分钟互评

只挑战四件事：范围是否过大、证据是否真实、高风险是否有人确认、D10是否有人接管。

表格定位：这不是项目管理模板，而是证据模板。每天不是问你忙没忙，而是问你留下了什么能被检查的证据。

模块6

30天后能力进化：从Skill到超级组织

十日冲刺不是终点，而是证明一个流程节点具备继续升级的基本条件

6-12

30天能力进化

流程专家的接管位置

第1周：D1-D3现场验真、机会冻结、不做清单

→

能选流程节点、挖Skill、定边界，不让AI项目越做越大

第2周：D4-D10协同设计、能力建设、评测复测、上线判断

→

能把Skill和原型推进到可验证、可接管、可复盘

第3-4周：限定试用、补权限、补日志、收集失败样本和下游反馈

→

能判断升级为Workflow、Agent还是协同空间，而不是一上来追多Agent平台

Skill

单点Skill

人在场发起，AI生成结构化结果，人确认，适合首批验证。

Flow

固定Workflow

事件触发，按固定顺序、分支和人工等待推进，适合步骤清楚的流程。

Agent

目标执行Agent

Agent规划步骤、调用工具，遇到边界暂停，适合路径不完全固定的任务。

结束金句：AI流程管理专家的价值，不是比别人更会用AI，而是能把一个真实流程节点组织成可验证、可接管、可复制的AI改造闭环。

1 / 13

Action

总结与课后行动

前面已经讲完AI、智能体、Skill、AI Coding、评测和十日冲刺；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，再推向真实试点

7-1

今天讲过	真正要带走的能力
AI执行架构	知道企业AI不是模型一把梭，而是上下文、工具、Skill、Workflow、Agent、人工断点、系统写回和日志组成的执行系统。
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Skill推进成可演示AI产品原型，并通过业务需求互换完成需求澄清、原型生成和业务验收。
十日冲刺	知道如何把课堂原型带回企业，完成D1-D10的验真、建设、测试、复测和交接判断。
评测与交接	知道Skill、产品原型和试点项目都要用测试、边界、日志和Go / No-Go标准不断打磨。

行动结论：今天不是学散点能力，而是从岗位变化一路走到一个流程节点的十日试点。课后动作不是再开空泛讨论，而是填表、约人、启动D1。

模块7

回去第一件事：填写十日冲刺表，启动 D1

别把今天的Skill和原型停在课堂草稿里

7-2

→

选一个真实流程节点

从今天的清单里选最有价值、最低风险、最容易十天试跑的一个。

→

约齐D1铁三角

约Sponsor、流程Owner、业务专家和AI构建者，确认范围、目标、基线和不做清单。

→

填写十日冲刺表

把流程节点、输入材料、Skill、产品载体、测试用例、人工断点和试点计划放进D1-D10。

启动D1

不要回去开“要不要搞AI”的会，直接用D1范围卡开始组织真实试点。

行动选择明天先约谁进入D1？Sponsor、流程Owner、业务专家、AI构建者，少一个都会影响十日冲刺。

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。
第二使用者	让1-3个同事按十日冲刺D9要求试用	别人不用你解释，也能按步骤使用，并能指出风险。
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”。

部门协同视角Skill只有你自己会用，算个人技巧还是组织资产？还要补什么？

模块7

用AI Coding拿到原型验证权

把过去干不到的东西，先做成能看的版本

7-4

入口

插件

把Skill插在浏览器或业务页面旁边，让AI贴着真实网页、真实材料和真实流程工作。

原型

系统Demo

把流程、输入、输出、状态和报告做成可点击原型，让业务能当场讨论。

结果

真实报告

让工具跑出清单、分析、初稿、建议或评审材料，而不是只停留在想法截图。

关键动作：先不用追求完整系统，先用AI Coding把一个流程机会点做成可演示、可测试、可讨论的版本，然后放进十日冲刺做现场验真和D10判断。

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	做产品载体、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

课程体系：三门课，从入门到进阶

把AI从“会用”真正做成“能交付”

7-6

模块7

企业内训推荐：AI流程素养与业务效率提升

一天讲清楚：AI到底是什么，企业员工应该怎么用

7-7

企业内训推荐

企业 AI 流程素养与业务效率提升内训

不是追热点、背概念、玩工具，而是帮企业建立共同语言，找到真实业务提效路径。

这门课面向企业真实业务现场，帮助员工系统理解 AI、大模型、Agent、提示词、知识库、工具、工作流和 AI 应用之间的关系，让“我听说 AI 很厉害”变成“我知道怎么把 AI 用到工作里”。

讲清楚 AI 是什么用业务人员听得懂的方式，讲清大模型、Agent、知识库、工具和工作流之间的关系。

建立全员 AI 共识让管理层、业务部门、数字化团队统一能力边界、适用场景、风险边界和落地路径。

提升员工 AI 素养让员工学会提出好问题、拆解好任务、判断好结果，而不是只会随便问一句。

找到业务提效路径聚焦信息整理、制度问答、报告初稿、材料检查、流程辅助、风险提示和知识复用。

走向组织级应用从个人使用走向任务标准化、知识沉淀、流程优化和部门级 AI 应用建设。

当天带走行动方向不止听懂概念，还能盘点本岗位可提效任务，形成下一步试点清单或十日冲刺作业。

课程内容支持按行业、岗位、业务场景和企业数字化基础定制，也可以直接围绕企业真实流程设计十日冲刺作业。

模块7

更进一步：由我们带培组建FDE团队

不是再上一门课，而是把第一支AI流程变革落地队伍带出来

7-8

FDE TEAM BOOTCAMP

把“会用AI的人”，训练成“能把AI项目做成的人”

企业真正缺的不是一次热闹的培训，而是一支能识别机会、梳理流程、设计方案、推动POC、评估效果、持续复盘的FDE团队。

12周带培 · 项目实战 · 组织沉淀

组队定岗帮助企业筛选首批FDE候选人，明确FDE-产品与FDE-开发的职责边界、分组方式和协同规则。

项目牵引不做虚构作业，直接围绕真实业务项目训练，课堂练习就是流程节点、十日冲刺表、PRD、评审材料。

双线训练产品线练业务分析、流程设计、产品方案和项目推进；开发线练评测、RAG、链路调优、可靠性和成本。

机制沉淀把模板、评测标准、复盘方法、项目Review节奏和经验库留下来，让第二批FDE可以继续复制。

我们的角色不是单向授课人，而是教练 + 项目导师 + 组织顾问

课前定人才画像、定项目池、定分组方式，避免“大家都来听一听”。

课中用真实项目带练，现场产出，现场评审，现场纠偏。

课后每周看交付物，判断项目是否站得住、需求是否能开发、POC是否能验证。

结营输出FDE能力档案、项目交付清单、模板工具包和后续复制建议。

一支队伍首批FDE骨干成型，能围绕AI项目独立协同。

一套打法从机会识别到POC评测复盘的全流程方法。

一批资产真实项目材料、Demo结果、评审记录和复盘报告。

一个机制成长看板、Review节奏、模板库和持续培养机制。

最终交付不是“上完课”，而是企业内部真正长出一支能带一条流程跑完D1-D10的AI流程变革落地队伍。

模块7

课件样例：企业级智能体一日实战内训

这是我们的企业内训课件之一，现场按需演示

7-9

课件样例 · 现场演示

企业级智能体一日实战内训

这是我们真实内训课件之一：从智能体结构、业务场景拆解、工具/知识库/工作流，到现场练习和材料包，帮助企业把 AI 能力做成可演示、可复用的业务原型，并进一步进入十日冲刺验证。

看得见完整课程页、练习材料和课堂小助手。

能跟练围绕企业任务现场配置、测试和复盘。

可定制按行业、岗位、流程和系统基础改造成专属内训，也可组合十日冲刺试点。

internal workshop deck

WORKSHOP DECK

用一整天把企业智能体从概念讲到可演示原型

智能体、工具、知识库、工作流的业务化讲解
真实企业场景练习与学员材料包
适合作为 AI 转型启动课或骨干训练营样例

1 / 10