|
讲授专家：李勇 培训对象：上市国央企技术中心、数字化部门、运营中心中高层管理者，产品设计师，IT部门，业务骨干等； 课程时间：1天 (6小时） 课程背景： 在生成式AI技术加速落地的背景下，企业亟需掌握AI大模型与现有技术融合的实战方法论。本课程聚焦DEEPSEEK等大模型构建AGENT的企业级应用，通过7大典型场景拆解、技术栈搭建指南及安全部署策略，帮助学员突破“技术概念≠业务价值”的认知瓶颈，掌握从场景挖掘到工程落地的全链条能力。 课程收益： 培训完结后，学员能够： 1. 掌握AI大模型作为数字化开发引擎的核心逻辑，突破传统系统架构的局限性 2. 设计“AI AGENT+RPA+低代码”的复合技术方案，规避单一技术工具的应用陷阱 3. 建立业务场景智能化转译能力，将复杂需求拆解为可落地的AI任务单元 4. 掌握7类高价值细分场景的AGENT设计方法，覆盖办公、流程、决策等核心领域 5. 搭建适配企业需求的技术工具矩阵，平衡开发效率与数据安全 课程大纲： | 单元 | | | | 为什么以DEEPSEEK为代表的AI大模型是下一代数字化引擎？ | 1. 传统开发模式的三大困局 1.1）代码冗余：每新增需求需重新开发模块 1.2）响应迟滞：流程变更需数月调整周期 1.3）人力依赖：高度依赖专业开发者资源 2. AI驱动开发的革命性突破 2.1）自然语言即代码：业务人员直接定义需求 2.2）动态自适应：系统自动响应流程变化 案例：某央企用DEEPSEEK重构OA系统，需求响应效率提升5倍 讨论课题：你所在企业哪些系统存在“重复造轮子”问题？ | | | 1. AGENT能力的三重天花板 1.1）数据闭环：无法自主获取外部数据 1.2）硬件交互：缺乏物理执行能力 1.3）长链条逻辑：多步骤任务易出错 2. 复合技术解决方案 2.1）AGENT+RPA：用RPA机器人执行界面操作 2.2）AGENT+低代码：快速构建定制化模 案例：某银行“智能报销AGENT”融合OCR+RPA，错误率从12%降至1% 讨论课题：设计一个需要多技术融合的业务场景 | | | 1. 四层拆解模型 1.1）业务目标层：降本/增效/风控？ 1.2）流程节点层：识别可自动化环节 1.3）数据输入层：结构化/非结构化数据占比 1.4）决策复杂度：规则驱动or模型驱动？ 2. 智能化转译员的核心能力 2.1）需求转译：将业务语言转化为Prompt指令 2.2）效果验证：设计测试用例与评估指标 案例：某制造企业将设备维修经验转化为AGENT决策树 讨论课题：拆解一个典型业务流程的智能化改造点
| | | 1. 办公效率场景 1.1）智能会议纪要：自动提取待办事项并分配责任人 1.2）合同比对AGENT：3分钟完成百页合同差异标注 2. 流程优化场景 2.1）智能排班AGENT：动态匹配人力与订单量 2.2）供应链预警AGENT：自动识别履约风险 3. 决策支持场景 3.1）招投标分析AGENT：实时生成竞争对手策略报告 3.2）工程审计AGENT：自动核查隐蔽工程数据 3.3）案例：某建筑集团用DEEPSEEK实现投标文件生成自动化 讨论课题：选择1个场景设计AGENT功能清单 | | | 1. 工具矩阵四象限 1.1）基础层：DEEPSEEK API/开源模型微调 1.2）执行层：UiPath/影刀RPA 1.3）数据层：向量数据库/知识图谱工具 1.4）监控层：LangSmith等AI链观测平台 2. 开发流程标准化 2.1）需求-工具匹配度评估表 2.2）最小可行性产品（MVP）开发路径 2.3）案例：某物流企业AGENT开发工具选型对比 讨论课题：为你的业务场景匹配技术工具 | | | 1. 四阶段落地法 1.1）试点期：选择3个月内见效的场景 1.2）推广期：建立内部AGENT应用商店 1.3）融合期：与传统系统API打通 1.4）进化期：持续优化模型性能 2. 安全部署策略 2.1）敏感数据脱敏训练方案 2.2）私有化模型轻量化部署 2.3）案例：某央企AGENT安全架构设计 讨论课题：制定你的AGENT实施路线图 | | | 1. 技术融合趋势 1.1）AGENT+数字孪生：实现物理世界仿真 1.2）AGENT+区块链：构建可信协作网络 2. 组织优化： 2.1）AI中台团队组建标准 2.2）人机协作KPI体系设计 2.3）案例：某汽车集团AGENT治理委员会运作机制 讨论课题：预测AI AGENT对你行业的颠覆性影响 |
| 
