企业 AI 落地全链路实战体系

AI落地实战营 · 教学材料

四大核心板块 · 20 节系统课程 · 从 AI 认知到技术交付,从商务成交到项目落地,层层递进搭建企业 AI 商业化完整能力

20
节系统课程
4
大核心板块
1V1
实战项目模拟
365
天回放权限

课程体系总览

从认知底座到交付能力,从商务沟通到实战落地,四大板块层层递进

PART 01

基础课

第 01 - 06 节

搭建企业 AI 落地全维度认知体系,覆盖行业、工具、数据、组织、商业、合规六大核心维度。

PART 02

技术课

第 07 - 12 节

突破工具浅层使用,掌握 Agent、知识库、工作流、工程交付与降幻觉全流程技术能力。

PART 03

沟通课

第 13 - 16 节

从会做 AI 到会卖 AI,掌握场景诊断、客户访谈、方案撰写与项目执行全链路沟通技巧。

PART 04

项目模拟

第 17 - 20 节

覆盖千元到十万元/月全档位真实项目,从个人提效到集团赋能,实现理论到实战闭环。

01

第一板块 · 基础课

企业 AI 落地认知底座 | 第 01 - 06 节
板块目标:搭建企业 AI 落地全维度认知体系,覆盖行业认知、工具选型、数据治理、组织流程、商业模式、合规政策六大核心维度,筑牢 AI 项目落地的底层思维与认知底座。
01

FDE 核心认知与行业动态

建立 FDE 核心定义认知,拆解企业 AI 项目全流程,同步行业最新动态与趋势
+

教学目标

  • 深刻理解 FDE(Forward Deployed Engineer)的角色定义、核心价值与能力模型
  • 掌握企业 AI 项目从需求对接、方案规划到落地交付的完整流程与关键节点
  • 建立行业前沿认知,能够持续追踪 AI 落地趋势、政策风向与标杆案例

核心知识点

FDE 定义与价值
FDE 即前置部署工程师,是连接 AI 技术与企业业务的桥梁角色,核心价值在于将技术能力转化为可落地的业务成果
AI 项目全流程
需求挖掘 → 场景诊断 → 方案设计 → 技术选型 → 开发交付 → 测试验收 → 运维迭代,七大环节环环相扣
行业动态追踪
每月迭代更新大模型进展、Agent 工具演进、企业落地标杆案例、监管政策变化等前沿信息
常见认知误区
纠偏"AI 万能论""技术优先论""一次性交付论"等典型认知偏差,建立务实的 AI 落地思维

教学内容要点

  • FDE 角色深度解读:从传统 IT 实施、咨询顾问到 FDE 的角色演进,FDE 的能力象限(技术力 + 业务理解力 + 沟通力 + 交付力),以及 FDE 在企业 AI 项目中的不可替代性
  • 企业 AI 项目全流程拆解:每个阶段的核心任务、交付物、风险点与质量标准;需求阶段如何避免"伪需求",方案阶段如何平衡"理想与可行",交付阶段如何保障"可用与好用"
  • 行业全景与趋势研判:全球与国内企业 AI 落地现状,大模型能力边界与适用场景,Agent、RAG、MCP 等技术方向的演进节奏,2025-2026 年企业 AI 落地的核心趋势判断
  • 标杆案例复盘:选取 3-5 个不同行业(制造、零售、金融、教育、医疗)的企业 AI 落地标杆案例,从需求背景、方案设计、实施过程、效果数据四个维度深度拆解
  • 认知纠偏与思维重塑:通过正反案例对比,帮助学员建立"业务价值优先、技术服务业务、持续迭代优化"的务实落地思维,避免陷入技术自嗨或过度承诺

实战练习 / 课后作业

选取一个你熟悉的企业或行业,尝试用 FDE 视角梳理其潜在 AI 落地场景,输出一份 500 字以内的场景初步分析,包含:业务痛点、AI 可介入环节、预期价值、初步可行性判断。

02

AI 模型与商业化产品选型

横向对比主流大模型与 AI 产品,掌握组合选型逻辑,熟练使用企业高频工具
+

教学目标

  • 掌握主流 AI 大模型的能力特点、适配场景与选型决策框架
  • 理解企业级 AI 产品的组合搭配逻辑,能够根据业务需求设计产品组合方案
  • 熟练掌握飞书、多维表格、企业微信等企业高频工具的 AI 功能与基础用法

核心知识点

主流大模型对比
GPT 系列、Claude 系列、Gemini、文心一言、通义千问、豆包、DeepSeek 等模型的能力维度对比与选型建议
模型选型决策框架
从能力匹配、成本控制、数据安全、部署方式、生态完善度五个维度建立模型选型决策矩阵
AI 产品组合逻辑
通用大模型 + 垂直场景工具 + 企业协作平台的三层组合架构,不同业务场景下的产品搭配策略
企业工具 AI 化
飞书 AI、多维表格自动化、企业微信智能助手等工具的 AI 功能实操,低代码搭建企业应用

教学内容要点

  • 主流大模型能力横评:从文本生成、代码能力、多模态理解、长文本处理、推理能力、中文理解六个维度对主流模型进行实测对比,给出不同场景下的首选模型推荐
  • 模型选型实战方法论:讲解"需求 → 能力 → 成本 → 安全"四步选型法,如何通过 Prompt 测试快速验证模型适配度,如何平衡效果与成本(如用小模型做预处理、大模型做核心推理)
  • 企业级 AI 产品全景图:梳理通用对话工具、知识库工具、Agent 平台、低代码/无代码平台、RPA 工具、AI 编程工具等六大类产品,每类选取 2-3 个代表性产品进行功能与适用场景对比
  • 产品组合设计实战:通过 3 个典型业务场景(客服问答、合同审查、销售线索管理)演示如何设计"大模型 + 知识库 + 协作工具"的组合方案,讲解产品间的数据流转与集成方式
  • 飞书 & 多维表格 & 企微 AI 实操:手把手演示飞书智能伙伴创建、多维表格 AI 字段与自动化流程配置、企业微信智能机器人接入,让学员掌握零代码/低代码快速搭建 AI 应用的能力

实战练习 / 课后作业

选择一个你熟悉的企业业务场景(如周报汇总、客户跟进、发票处理),设计一份"AI 产品组合方案",包含:选用的模型与产品、各产品承担的角色、数据流转方式、预期提效比例,并说明选型理由。

03

企业 AI 数据治理体系搭建

掌握知识库搭建、资料分类、权限管理与检索优化,为 AI 提供优质上下文
+

教学目标

  • 理解数据治理在企业 AI 落地中的核心地位与"垃圾进、垃圾出"原则
  • 掌握企业知识库从 0 到 1 的搭建全流程,包括资料分类、清洗、结构化与权限管控
  • 掌握提升 AI 检索准确率的核心技巧,能够通过数据优化显著提升 AI 输出质量

核心知识点

数据治理核心原则
数据是 AI 的燃料,优质数据决定 AI 输出上限;" Garbage In, Garbage Out "原则在企业 AI 场景中的具体体现
知识库搭建全流程
资料收集 → 格式统一 → 内容清洗 → 分类打标 → 切片分段 → 向量化入库 → 测试调优的完整链路
资料分类与结构化
按业务域、文档类型、使用频率、保密等级多维度分类;非结构化文档的结构化处理方法与元数据标注规范
权限管理体系
基于角色的访问控制(RBAC),文档级、段落级、字段级权限管控,数据脱敏与隐私保护机制
检索准确率优化
切片策略优化、混合检索(关键词 + 向量)、重排序(Rerank)、查询改写、上下文压缩等提升检索质量的核心技巧

教学内容要点

  • 数据治理认知与价值:通过正反案例对比(优质知识库 vs 混乱知识库)展示数据质量对 AI 输出的决定性影响;讲解企业数据资产盘点方法,识别哪些数据适合进入 AI 知识库
  • 知识库搭建实操全流程:手把手演示从资料收集到入库测试的完整流程;重点讲解文档清洗(去重、去噪、格式统一)、切片策略(按语义切片 vs 固定长度切片,切片大小与重叠率的选择)、向量化参数调优
  • 资料分类体系设计:讲解如何为企业设计多维度分类体系,包括一级业务域分类、二级文档类型分类、标签体系设计;演示如何用 AI 辅助自动分类与打标,提升知识库维护效率
  • 权限管控与数据安全:讲解企业知识库的权限架构设计,如何实现不同部门、不同角色看到不同知识范围;敏感信息识别与自动脱敏机制;知识库审计日志与数据溯源
  • 检索准确率提升实战:通过一个真实企业知识库案例,演示从"检索不准"到"精准命中"的优化全过程;讲解混合检索、Rerank、查询改写、多路召回等技术的原理与实操配置;给出检索质量评估指标(命中率、相关性、满意度)与持续优化机制

实战练习 / 课后作业

选取一个你能获取资料的主题(如某公司产品手册、某行业政策法规、某岗位 SOP),收集 10-20 份文档,完成:①设计分类体系;②清洗并结构化文档;③搭建一个简易知识库;④设计 5 个测试问题并评估检索准确率,输出优化建议。

04

企业组织流程诊断逻辑

培养"企业医生"思维,穿透业务表面诊断组织症结,为 AI 场景找准切入点
+

教学目标

  • 理解企业组织运转的底层逻辑,掌握部门协作、流程流转、权责划分的基本规律
  • 掌握企业业务流程诊断的方法论与工具,能够精准识别痛点、卡点与效率瓶颈
  • 培养"企业医生"思维,能够穿透表面问题诊断核心症结,为 AI 落地找到高价值切入点

核心知识点

企业组织架构认知
职能制、事业部制、矩阵制等常见组织架构的特点与协作模式,部门墙与信息孤岛的形成机制
业务流程梳理方法
价值链分析、端到端流程梳理、泳道图绘制,识别流程中的冗余环节、等待时间与手工操作
痛点诊断框架
"现象 → 影响 → 根因 → 价值"四步诊断法,5Why 根因分析,区分真痛点与伪需求
AI 适配性判断
从数据基础、重复性、规则性、容错率四个维度判断一个业务场景是否适合 AI 介入,以及介入的深度

教学内容要点

  • 企业组织运转底层逻辑:讲解企业从战略到执行的传导链路,部门职责划分与协作机制,决策流、审批流、业务流的三流合一;分析中小企业与大型企业在组织流程上的差异与 AI 落地的不同切入点
  • 业务流程梳理与可视化:手把手教学员使用泳道图、流程图工具梳理企业核心业务流程;讲解如何通过流程梳理发现"等待、重复、手工、断点"四类效率杀手;演示一个真实企业流程从梳理到优化的全过程
  • "企业医生"诊断方法论:讲解如何像医生问诊一样进行企业诊断——望(观察流程与数据)、闻(倾听员工与客户反馈)、问(针对性追问根因)、切(定位核心症结);通过 2 个真实诊断案例演示从表面抱怨到核心问题的穿透过程
  • 痛点优先级与 AI 适配性评估:讲解如何对诊断出的痛点进行优先级排序(影响面 × 频率 × 成本 × AI 适配度);建立 AI 场景适配性评估矩阵,帮助学员快速判断哪些痛点值得用 AI 解决、哪些应该先优化流程而非上技术
  • 组织阻力与变革管理认知:讲解企业 AI 落地中常见的组织阻力(员工恐惧、部门利益、习惯惯性),以及如何通过"小范围试点 → 成果展示 → 逐步推广"的方式降低变革阻力,获得组织支持

实战练习 / 课后作业

选择一个你熟悉的企业部门或团队,完成:①绘制其核心业务流程泳道图;②识别流程中的 3-5 个痛点/卡点;③用 5Why 法分析其中 1 个痛点的根因;④评估每个痛点的 AI 适配性并排序,输出一份流程诊断报告。

05

AI 解决方案商业基本功

拆解 AI 商业模式,掌握向企业输出 AI 解决方案的核心逻辑与价值表达方法
+

教学目标

  • 理解 To B 端 AI 服务的核心商业模式与盈利逻辑,掌握不同模式的适用场景
  • 掌握企业 AI 解决方案的设计框架,能够针对企业需求输出结构化、有说服力的方案
  • 学会用商业语言表达 AI 价值,将技术能力转化为客户听得懂、愿意买单的业务收益

核心知识点

To B AI 商业模式
项目制交付、SaaS 订阅、按用量计费、培训咨询、联合运营等五种主流模式的特点、优劣势与适用场景
解决方案设计框架
"背景痛点 → 目标价值 → 方案设计 → 实施路径 → 投入产出 → 风险保障"六段式方案结构
价值量化方法
降本(人力成本、时间成本)、提效(流程效率、响应速度)、增收(转化率、客单价)、控险(合规风险、错误率)四类价值的量化计算方法
客户决策链分析
使用者、影响者、决策者、审批者四类角色的关注点差异,针对不同角色的价值表达策略

教学内容要点

  • To B AI 商业模式深度拆解:逐一分析五种主流商业模式的收入结构、成本结构、毛利水平、交付难度、可复制性;讲解不同规模服务商(个人、小团队、公司)适合的商业模式选择,以及从项目制向产品化/SaaS 化的演进路径
  • 企业 AI 解决方案六段式设计:手把手教学员撰写一份完整的 AI 解决方案,每一段的写作要点与常见误区:背景痛点部分如何用数据说话、目标价值部分如何设定可量化指标、方案设计部分如何兼顾专业性与可读性、实施路径部分如何体现可控性、投入产出部分如何让客户觉得"值"、风险保障部分如何建立信任
  • AI 价值量化与 ROI 计算:讲解如何将 AI 能力转化为具体的财务数字,包括人力节省计算(人数 × 时间 × 薪资)、效率提升计算(处理量提升 × 单位价值)、收入增长计算(转化率提升 × 客单价 × 流量)、风险规避计算(错误率下降 × 单次损失);演示一份完整的 ROI 测算表
  • 面向不同决策角色的方案表达:讲解老板/CEO 关注什么(战略价值、ROI、竞争优势)、部门负责人关注什么(团队效率、KPI 达成、实施难度)、基层员工关注什么(工作减负、学习成本、职业影响);演示同一套方案如何针对不同角色调整表达重点与呈现方式
  • 方案定价策略与商务谈判基础:讲解 AI 项目的定价逻辑(成本加成法、价值定价法、市场对标法),如何根据客户预算与项目价值灵活定价,常见的报价策略与谈判技巧,以及如何通过分阶段报价降低客户决策门槛

实战练习 / 课后作业

基于第04节课诊断出的企业痛点,撰写一份完整的 AI 解决方案(六段式结构),包含:①背景与痛点分析(附数据);②目标与价值(量化指标);③方案设计(技术架构 + 功能模块);④实施路径(分阶段里程碑);⑤投入产出测算(ROI 表);⑥风险与保障。方案篇幅控制在 2000 字以内。

06

企业 AI 落地合规与政策解读

明确 AI 落地合规红线,掌握数据安全与隐私保护要求,把握政府扶持政策红利
+

教学目标

  • 掌握企业 AI 落地的核心法律法规与合规红线,能够识别项目中的合规风险
  • 理解数据安全、个人信息保护、算法合规在 AI 项目中的具体要求与落地方法
  • 了解各地政府 AI 产业扶持政策与补贴方向,能够帮助企业把握政策红利

核心知识点

AI 核心法规体系
《生成式人工智能服务管理暂行办法》《数据安全法》《个人信息保护法》《网络安全法》等核心法规的关键条款与适用范围
数据合规要求
数据分类分级、数据出境合规、数据脱敏、数据最小化原则、用户知情同意机制在 AI 训练与使用中的具体落地
算法与内容合规
生成内容标识、算法备案要求、内容安全审核机制、知识产权风险(训练数据版权、生成内容版权)的识别与规避
政府扶持政策
国家及地方 AI 产业扶持政策、专项资金补贴、税收优惠、人才政策、示范项目申报的方向与申报逻辑

教学内容要点

  • AI 法律法规全景解读:系统梳理国内 AI 相关法律法规体系,重点讲解《生成式人工智能服务管理暂行办法》的核心要求(服务提供者责任、训练数据合法性、内容安全、用户权益保护),以及企业在使用 AI 工具、开发 AI 应用时的合规义务边界
  • 数据安全与隐私保护实操:讲解企业 AI 项目中数据全生命周期的合规要求——数据收集(合法性基础、知情同意)、数据存储(加密、分级)、数据使用(脱敏、最小化)、数据共享(出境评估、协议约束)、数据销毁;演示如何在知识库搭建、Agent 开发中落实数据合规要求
  • 算法合规与内容安全:讲解算法备案与评估的适用场景与流程,生成式 AI 内容标识要求,如何建立 AI 输出内容的安全审核机制(敏感词过滤、人工复核、违规处置);分析 AI 生成内容的知识产权风险与规避策略,训练数据的版权合规要点
  • 行业特殊合规要求:讲解金融、医疗、教育、政务等强监管行业在 AI 应用中的特殊合规要求,包括行业准入、数据本地化、模型可解释性、人工干预机制等;帮助学员在面对不同行业客户时能够快速识别合规要点
  • 政府扶持政策与申报指南:梳理国家层面(如"人工智能+"行动、新型工业化相关政策)与重点城市(北京、上海、深圳、杭州、成都等)的 AI 产业扶持政策,包括资金补贴、场地支持、税收优惠、人才奖励、示范项目申报等;讲解如何帮助企业评估政策适配性、准备申报材料、把握申报时间窗口

实战练习 / 课后作业

选取一个你正在设计或感兴趣的 AI 项目方案,完成一份"合规风险自查清单",包含:①数据来源合法性检查;②个人信息保护措施检查;③数据出境与共享合规检查;④生成内容安全机制检查;⑤算法备案需求评估;⑥行业特殊合规要求。对每个检查项给出"合规/待改进/不合规"的判定与改进建议。

02

第二板块 · 技术课

AI 项目全流程交付能力 | 第 07 - 12 节
板块目标:突破工具浅层使用局限,掌握企业 AI 项目专业化交付技术,覆盖技术名词、Agent、知识库、工作流、工程开发、降幻觉全流程,实现从"会用 AI"到"能交付 AI 项目"的进阶。
07

AI 行业核心技术名词通识

零基础普及 Agent、API、CLI、MCP、插件等核心名词,掌握技术组合搭建解决方案的逻辑
+

教学目标

  • 零基础掌握 AI 行业高频技术名词的定义、原理与应用场景,扫清技术沟通障碍
  • 理解各类技术模块之间的关系与组合逻辑,能够根据客户需求设计技术方案架构
  • 建立技术学习的知识地图,具备持续自学新技术名词与工具的能力

核心知识点

Agent(智能体)
能够自主感知、决策、执行任务的 AI 实体;核心要素包括规划(Planning)、记忆(Memory)、工具使用(Tool Use)
API(应用程序接口)
不同软件系统之间通信的桥梁;AI API 允许开发者调用大模型能力,常见格式为 RESTful API,通过 HTTP 请求交互
CLI(命令行界面)
通过文本命令与程序交互的方式;AI CLI 工具允许在终端中直接调用大模型,适合开发者与自动化场景
MCP(模型上下文协议)
Model Context Protocol,让 AI 模型能够标准化地连接外部工具、数据源和服务的协议,实现"一次适配、多模型可用"
插件 / Plugin
扩展 AI 工具功能的模块化组件;通过插件,AI 可以调用搜索引擎、代码执行器、企业系统等外部能力
RAG(检索增强生成)
Retrieval-Augmented Generation,通过检索外部知识库为大模型提供上下文,提升回答准确性与时效性,减少幻觉

教学内容要点

  • AI 技术名词全景地图:构建一张从底层(大模型、算力)到中间层(API、MCP、RAG、向量数据库)再到应用层(Agent、工作流、插件、SaaS)的完整技术知识地图,帮助学员建立结构化认知,每个名词都讲清"是什么、解决什么问题、怎么用"
  • 核心技术名词深度讲解:对 Agent、API、CLI、MCP、插件、RAG、向量数据库、Prompt Engineering、Fine-tuning、Embedding 等高频名词进行深度讲解,每个名词配合一个生活化类比 + 一个企业应用场景 + 一个简单实操演示,确保零基础学员也能听懂
  • 技术模块组合逻辑:讲解不同技术模块如何组合成完整解决方案——例如"大模型 API + RAG 知识库 + MCP 工具 + Agent 编排"如何构成一个企业智能客服系统;通过 3 个典型方案的技术架构拆解,让学员理解各模块的角色与协作关系
  • 技术选型决策思维:讲解面对客户需求时如何做技术选型——什么时候用现成产品、什么时候需要 API 开发、什么时候需要 Agent 编排、什么时候需要 MCP 集成;建立"需求 → 技术匹配 → 成本评估 → 可行性验证"的选型思维,避免技术过度设计或选型不当
  • 技术沟通与方案表达:教学员如何用客户听得懂的语言解释技术方案——如何将"调用大模型 API + RAG 检索 + MCP 连接企业系统"翻译成"AI 自动读取您的知识库并连接现有系统,7×24 小时回答客户问题";讲解技术方案文档中技术部分的写作规范与常见误区

实战练习 / 课后作业

①制作一张你自己的"AI 技术名词速查表",收录 20 个核心名词,每个包含:一句话定义、生活化类比、企业应用场景。②选择一个企业 AI 应用场景(如智能招聘、合同审查、销售助手),画出其技术架构图,标注每个模块使用的技术名词与作用。

08

主流 Agent 工具拆解与实操配置

深度拆解 WorkBuddy、Codex 等主流 Agent,手把手教学 API、CLI、MCP 配置方法
+

教学目标

  • 深度理解主流企业级 Agent 工具的核心功能、架构特点与适用场景
  • 掌握 Agent 工具的 API、CLI、MCP 三种接入方式的配置方法与实操技巧
  • 能够根据企业需求选择合适的 Agent 工具,并完成从配置到落地的全流程实操

核心知识点

Agent 工具全景
通用型 Agent(GPT-4o、Claude、豆包)、编程型 Agent(Codex、Cursor、Devin)、企业型 Agent(WorkBuddy、扣子、Dify)的分类与对比
API 接入配置
获取 API Key、配置 Base URL、调用模型接口、传递上下文与系统提示词、处理流式响应与错误重试的完整流程
CLI 工具使用
命令行安装与登录、交互式对话模式、批量处理模式、与 Shell 命令结合、管道与重定向的高级用法
MCP 服务配置
MCP 协议原理、安装 MCP Server、配置工具连接、权限管理、调试与日志查看,实现 Agent 连接外部工具与数据源
Agent 工作流设计
单 Agent vs 多 Agent 协作、任务拆解与规划、工具调用顺序设计、结果校验与纠错机制、人工介入节点设置

教学内容要点

  • 主流 Agent 工具深度拆解:选取 WorkBuddy、Codex、Claude Desktop、扣子(Coze)、Dify 等 5 个代表性 Agent 工具,从核心功能、技术架构、模型支持、工具生态、部署方式、定价模式六个维度进行深度对比;每个工具配合一个真实企业应用场景演示
  • API 接入手把手实操:以 OpenAI/Anthropic/国内大模型 API 为例,手把手演示从注册账号、获取 API Key、安装 SDK、编写第一个调用程序、配置系统提示词、实现多轮对话、处理流式输出的完整流程;讲解 API 调用中的成本控制、速率限制、错误处理与安全最佳实践
  • CLI 工具高效使用:演示主流 AI CLI 工具(如 aichat、claude-cli、codex CLI)的安装与配置,讲解交互式对话、文件处理、代码审查、Git 提交信息生成等高频场景的 CLI 用法;演示如何将 CLI 工具与 Shell 脚本、Makefile、CI/CD 流水线结合,实现自动化
  • MCP 协议与工具集成实操:讲解 MCP 协议的工作原理与生态现状,手把手演示安装 MCP Server(如文件系统、数据库、搜索引擎、飞书/企业微信等),在 Agent 工具中配置 MCP 连接,测试工具调用,调试常见问题;通过一个"Agent 连接企业数据库自动生成报表"的完整案例演示 MCP 的价值
  • Agent 工作流设计与优化:讲解如何设计高效的 Agent 工作流——任务拆解策略(Plan-and-Execute、ReAct)、工具选择逻辑、多 Agent 协作模式(主管-工人、辩论式、流水线式)、结果校验与自我纠错机制、人工审核节点设置;通过一个"自动撰写行业研究报告"的多 Agent 工作流案例演示设计思路与优化技巧

实战练习 / 课后作业

选择一个 Agent 工具,完成以下实操:①配置 API 接入并实现一个多轮对话程序;②安装并配置至少 2 个 MCP 工具(如文件系统 + 搜索引擎);③设计并实现一个简单的 Agent 工作流(如"自动收集行业新闻并生成摘要简报");④记录配置过程中的问题与解决方案,输出一份实操笔记。

09

企业级知识库落地实操

掌握目录式知识库搭建、RAG 原理与 FastGPT 全流程实操,覆盖云端与本地两种模式
+

教学目标

  • 深入理解 RAG 技术原理与企业级知识库的架构设计,掌握目录式知识库的搭建规范
  • 熟练掌握 FastGPT 从部署到知识库创建、文档导入、检索调优、应用发布的全流程实操
  • 掌握云端文档知识库与本地私有化知识库两种搭建模式,能够根据企业需求选择合适方案

核心知识点

RAG 技术原理
检索增强生成的完整流程:用户提问 → 查询改写 → 向量检索 → 结果重排 → 上下文组装 → 大模型生成 → 答案返回;各环节的作用与优化点
目录式知识库
按业务层级组织文档的知识库结构,支持多级目录、权限继承、版本管理;与扁平标签式知识库的对比与适用场景
FastGPT 实操
开源 RAG 知识库平台 FastGPT 的部署、知识库创建、文档解析与分段、检索配置、应用编排、API 调用全流程
云端知识库
基于飞书云文档、Notion、语雀等云端文档平台搭建知识库的方法,利用平台原生 AI 能力或第三方工具实现问答
本地私有化部署
在企业本地服务器或私有云部署知识库系统,数据完全本地化;Docker 部署、模型本地化、数据备份与运维要点

教学内容要点

  • RAG 技术原理深度讲解:从"大模型为什么会幻觉"讲起,逐步引入 RAG 的核心思想;详细拆解 RAG 全流程每个环节的技术原理——Embedding 向量化、向量数据库、相似度计算、混合检索、Rerank 重排序、上下文窗口管理、Prompt 模板设计;配合图解与动画演示,让学员真正理解 RAG 而非只会调参数
  • 目录式企业知识库设计规范:讲解如何为企业设计目录式知识库结构——一级目录按业务域/部门划分、二级目录按文档类型划分、三级按主题划分;讲解目录权限继承机制、文档版本管理、目录与标签的配合使用;对比目录式与标签式知识库的优劣势,给出不同规模企业的选型建议
  • FastGPT 全流程手把手实操:从 Docker 部署 FastGPT 开始,手把手演示:①创建知识库并配置向量模型与分段策略;②导入多种格式文档(PDF、Word、Excel、网页、Markdown)并查看解析效果;③手动调整分段与清洗数据;④配置检索参数(检索方式、Top K、相似度阈值、Rerank);⑤创建 AI 应用并配置 Prompt 模板与引用显示;⑥测试问答效果并迭代优化;⑦通过 API 嵌入企业系统
  • 云端文档知识库搭建实操:演示基于飞书云文档/语雀/Notion 搭建知识库的两种方式——方式一:利用平台原生 AI 问答功能(如飞书智能伙伴),配置知识库范围与权限;方式二:通过第三方工具(如 FastGPT、Dify)同步云端文档,实现更强大的问答能力;讲解云端知识库的权限管控、数据同步、更新维护要点
  • 本地私有化知识库部署与运维:讲解企业对数据安全有高要求时的本地私有化部署方案——服务器配置要求、Docker Compose 一键部署、本地大模型(如 Qwen、DeepSeek)接入、向量数据库选择与配置、数据备份与恢复策略、系统监控与性能优化;演示一个完整的本地私有化知识库从部署到上线的全过程,并讲解常见运维问题的排查方法

实战练习 / 课后作业

使用 FastGPT(或其他 RAG 工具)完成一个企业知识库项目:①确定知识库主题与目录结构;②收集并导入 20+ 份文档;③完成数据清洗与分段优化;④配置检索参数并进行至少 3 轮调优;⑤设计 Prompt 模板并创建问答应用;⑥用 10 个测试问题评估效果,输出一份"知识库搭建与调优报告",包含效果数据与优化建议。

10

Skill 工作流定制与场景组合

从 RPA 到 Skill 脚本,掌握工作流定制方法,为企业岗位与业务场景打造自动化流程
+

教学目标

  • 理解传统 RPA 与新型 Skill 脚本的区别、各自优势与适用场景,建立工作流自动化的完整认知
  • 掌握 Skill 脚本的编写、调试、优化与组合方法,能够独立开发企业级自动化工作流
  • 能够根据企业岗位与业务场景需求,设计并落地定制化的 Skill 工作流组合方案

核心知识点

RPA vs Skill
传统 RPA(机器人流程自动化)基于界面操作模拟,适合固定规则流程;Skill 脚本基于 AI 理解与 API 调用,更灵活、更智能,适合非结构化与复杂判断场景
Skill 脚本基础
Skill 的定义与结构(元数据 + 指令 + 脚本 + 资源),支持的脚本语言(Python、JavaScript、Shell 等),输入输出规范,错误处理与日志机制
工作流编排
将多个 Skill 按业务逻辑串联/并联,支持条件分支、循环、并行执行、人工审批节点、错误重试与降级策略的工作流设计
场景化组合
针对特定岗位(如销售、HR、财务、运营)或业务场景(如线索处理、合同审核、报表生成)组合多个 Skill,形成端到端自动化解决方案

教学内容要点

  • RPA 与 Skill 的对比与选型:从技术原理、适用场景、开发成本、维护难度、智能化程度五个维度深度对比传统 RPA(如 UiPath、影刀、来也)与 AI 时代的 Skill 脚本;讲解"RPA + Skill"混合架构的设计思路——固定规则环节用 RPA 保证稳定,需要理解与判断的环节用 Skill 提升智能;给出不同企业场景下的选型决策树
  • Skill 脚本开发手把手教学:以主流 Agent 平台(如 Claude Skill、飞书智能伙伴 Skill、Dify 工具)为例,手把手演示 Skill 开发全流程:①Skill 结构与元数据编写;②用 Python/JavaScript 编写核心逻辑;③配置输入参数与输出格式;④添加错误处理与日志;⑤在 Agent 中注册并测试 Skill;⑥调试常见问题(参数传递错误、API 调用失败、超时处理);讲解 Skill 开发的最佳实践与代码规范
  • 工作流编排与高级技巧:讲解如何将多个 Skill 编排成完整工作流——线性流程、条件分支(if-else)、循环(for/while)、并行执行、人工审批节点、子流程调用;讲解工作流中的状态管理、数据传递、错误重试策略、降级与兜底机制;演示一个包含 5+ 个 Skill 的复杂工作流(如"自动处理客户投诉"工作流:邮件接收 → 情感分析 → 分类路由 → 生成回复 → 人工审核 → 发送回复 → 记录工单)
  • 岗位级 Skill 工作流组合实战:选取 4 个典型企业岗位,分别设计岗位级 Skill 工作流组合:①销售岗位(线索清洗 → 客户画像 → 话术生成 → 跟进提醒 → 周报自动生成);②HR 岗位(简历筛选 → 面试安排 → 面试评估 → offer 生成 → 入职流程);③财务岗位(发票识别 → 报销审核 → 凭证生成 → 报表汇总 → 异常预警);④运营岗位(数据采集 → 数据分析 → 报告生成 → 内容创作 → 多平台发布);每个岗位讲解 Skill 组合逻辑与落地要点
  • 工作流的测试、部署与运维:讲解工作流上线前的测试方法——单元测试(单个 Skill)、集成测试(完整流程)、边界测试(异常输入)、压力测试(并发量);讲解工作流的部署方式(定时触发、事件触发、API 触发、人工触发);讲解上线后的监控与运维——执行日志、成功率统计、异常告警、性能优化、版本迭代;给出工作流项目的交付标准与验收清单

实战练习 / 课后作业

选择一个你熟悉的企业岗位或业务场景,完成:①梳理该岗位/场景的核心工作流程,识别可自动化环节;②设计 3-5 个 Skill 脚本的功能定义(输入、输出、核心逻辑);③编写其中至少 1 个 Skill 的可运行代码;④将所有 Skill 编排成完整工作流(画出流程图);⑤编写工作流测试用例与验收标准,输出一份"岗位自动化工作流设计方案"。

11

Vibe Coding 全流程工程交付

打通从架构设计到开发测试验收交付的完整工程链路,告别"60 分 Demo",做出商用级产品
+

教学目标

  • 掌握 Vibe Coding 的核心理念与工作方法,能够高效利用 AI 辅助完成全栈开发
  • 掌握从架构设计、前端开发、后端开发、测试验收到项目交付的完整工程流程与标准
  • 能够独立开发出界面美观、后端稳定、可商用交付的 AI 应用,解决"只能做 Demo"的痛点

核心知识点

Vibe Coding 方法论
以自然语言描述需求、AI 生成代码、人工审核调整的开发模式;核心是"描述清晰 → 分模块生成 → 逐块验证 → 集成调试"的工作流
架构设计
前后端分离架构、API 设计规范、数据库设计、第三方服务集成、部署架构;从需求到技术架构的设计方法与文档输出
前端工程化
现代前端框架(React/Vue)、组件化开发、UI 设计规范、响应式布局、状态管理、接口联调、构建优化;做出"好看且好用"的前端页面
后端工程化
后端框架(Node.js/Python/Go)、RESTful API 设计、数据库操作、认证授权、错误处理、日志监控、性能优化;打造稳定可靠的后端服务
测试与交付
单元测试、集成测试、端到端测试、用户验收测试;部署上线、文档编写、培训交付、售后维护;商用级项目的完整交付标准

教学内容要点

  • Vibe Coding 高效工作法:讲解 Vibe Coding 的核心原则与高效工作流——如何写好需求描述(角色设定 + 功能清单 + 技术约束 + 输出格式)、如何分模块拆解开发任务、如何与 AI 编程工具(Cursor、Codex、Claude)高效协作、如何审核 AI 生成的代码(安全性、正确性、可维护性)、如何调试 AI 代码中的常见问题;通过一个真实项目演示从 0 到 1 的 Vibe Coding 完整过程
  • 从需求到架构的工程设计:讲解商用级项目的架构设计方法——需求分析与功能清单、技术选型(前端框架、后端语言、数据库、部署方式)、系统架构图绘制、API 接口设计(RESTful 规范、请求/响应格式、错误码定义)、数据库表结构设计、第三方服务集成方案;讲解架构设计文档的编写规范,演示一个企业 AI 应用(如智能客服系统)的完整架构设计过程
  • 高颜值前端开发实战:针对"AI 做的页面丑"的痛点,讲解前端开发的核心技能——UI 设计原则(配色、排版、间距、层次)、组件化开发思维、响应式布局实现、交互动效设计、表单与数据展示优化、前端性能优化;演示如何用 Vibe Coding 开发出符合现代设计标准的前端页面,包括如何给 AI 提供设计参考、如何迭代优化视觉效果、如何确保多端适配
  • 稳定后端开发实战:针对"AI 做的后端不稳定"的痛点,讲解后端工程化的核心技能——项目结构规范、API 路由设计、数据库操作最佳实践(连接池、事务、索引)、用户认证与权限控制(JWT、RBAC)、输入校验与安全防护(SQL 注入、XSS、CSRF)、错误处理与统一响应格式、日志记录与异常监控、API 限流与性能优化;演示一个完整后端服务的开发过程,重点讲解如何让 AI 生成的代码达到生产级标准
  • 测试、验收与项目交付:讲解商用级项目的测试与交付全流程——测试策略(单元测试覆盖率要求、集成测试场景、端到端测试用例)、测试用例编写方法、Bug 管理与修复流程、用户验收测试(UAT)组织、部署上线(环境配置、域名、HTTPS、CI/CD)、交付文档(用户手册、运维手册、API 文档、源码说明)、用户培训与售后支持;给出一份完整的"项目交付验收清单",确保交付质量

实战练习 / 课后作业

使用 Vibe Coding 方式独立开发一个完整的 AI 小应用(如"AI 简历优化器""AI 周报生成器""AI 合同审查工具"),要求:①输出架构设计文档;②完成前端页面(美观、响应式);③完成后端服务(稳定、有错误处理);④编写至少 10 个测试用例并通过;⑤编写用户手册与部署说明;⑥部署上线并可访问。最终提交完整项目源码与交付文档。

12

AI 降幻觉与去 AI 味优化技巧

掌握事实核验、来源约束、人工复核与兜底方法,提升 AI 输出的确定性与专业度
+

教学目标

  • 深入理解 AI 幻觉产生的根本原因与常见类型,掌握系统性降低幻觉的方法论
  • 掌握事实核验、来源约束、Prompt 优化、多模型交叉验证等降幻觉技术的实操方法
  • 掌握"去 AI 味"的核心技巧,能够让 AI 输出内容更自然、更专业、更符合人类表达习惯

核心知识点

幻觉产生机理
大模型基于概率生成文本的本质导致幻觉;常见类型包括事实性错误、虚构引用、逻辑矛盾、过度自信;幻觉在企业场景中的风险与危害
来源约束机制
通过 RAG 检索、知识库限定、引用标注、"不知道就说不知道"的 Prompt 约束,让 AI 只基于可信来源回答,减少凭空编造
事实核验流程
AI 输出 → 关键事实提取 → 多源交叉验证 → 不一致标记 → 人工复核 → 修正输出的标准化核验流程;自动化核验工具与方法
人工复核与兜底
高风险场景的人工审核节点设置、复核清单与标准、AI 辅助复核工具、兜底回复策略(降级、转人工、标注待确认),确保万无一失
去 AI 味技巧
AI 文本的典型特征(套话多、结构僵化、情感平淡、过度对仗);通过风格模仿、口语化表达、个性化细节、节奏变化等方法让内容更自然

教学内容要点

  • AI 幻觉深度认知与风险评估:从大模型的工作原理讲起,解释为什么 AI 会"一本正经地胡说八道";系统梳理企业 AI 场景中常见的幻觉类型与真实案例(法律条款编造、财务数据错误、产品功能虚构、政策引用错误);讲解不同业务场景对幻觉的容忍度分级(零容忍场景如医疗/法律/金融 vs 可容忍场景如创意/营销),以及对应的防控策略
  • 降幻觉技术体系与实操:讲解"五道防线"降幻觉体系:第一道——数据源控制(高质量知识库、权威来源优先、定期更新);第二道——检索约束(RAG 精准检索、Top K 优化、相似度阈值过滤、无匹配时拒答);第三道——Prompt 约束(角色设定、回答规则、引用要求、"不确定时明确说明"指令);第四道——生成后核验(关键事实自动提取、多源比对、矛盾检测、引用验证);第五道——人工兜底(高风险内容审核、异常标记、复核流程);每道防线都配合实操演示
  • 事实核验自动化实战:手把手教学员搭建自动化事实核验流程——①从 AI 输出中自动提取关键事实声明(使用 AI 提取或正则匹配);②针对每个事实声明设计验证方法(数据库查询、搜索引擎比对、知识库检索、API 校验);③实现自动比对与置信度评分;④对低置信度或矛盾内容标记并触发人工复核;⑤输出核验报告与修正建议;演示一个"AI 生成行业报告 → 自动事实核验 → 人工复核 → 终稿输出"的完整流程
  • "去 AI 味"核心技巧与实战:首先分析 AI 生成文本的典型"AI 味"特征——开头套话("在当今快速发展的时代")、过度使用排比与对仗、段落结构僵化(总-分-总)、情感表达平淡、缺乏个性化细节、喜欢用"首先其次最后"等机械连接词;然后讲解针对性的去 AI 味技巧——①风格迁移(模仿特定作者/品牌的写作风格);②口语化与自然表达(用日常说话的方式改写);③增加个性化细节与真实案例;④变化句式节奏(长短句交替、适当使用疑问句与感叹句);⑤删减套话与冗余修饰;⑥人工微调与最终润色;通过多个"AI 原文 → 去 AI 味改写"的对比案例演示效果
  • 企业级 AI 输出质量保障体系:讲解如何为企业建立系统化的 AI 输出质量保障机制——质量标准制定(准确率、相关性、可读性、合规性四维评估)、质量检测流程(自动检测 + 人工抽检)、持续优化机制(Bad Case 收集、Prompt 迭代、知识库更新、模型调优)、团队培训(审核人员标准、复核技巧);给出一份"企业 AI 输出质量保障 SOP"模板,可直接落地复用

实战练习 / 课后作业

①选取 3 段 AI 生成的文本(如行业分析、产品介绍、营销文案),用"去 AI 味"技巧进行改写,对比改写前后的效果并总结改写要点。②设计一个"AI 输出事实核验流程",选择一个具体场景(如法律问答、医疗咨询、财务分析),画出核验流程图,列出每个环节的核验方法与标准,并尝试用工具实现部分自动化核验。

03

第三板块 · 沟通课

企业 AI 项目成交与落地沟通 | 第 13 - 16 节
板块目标:补齐商务沟通与方案落地短板,实现从"会做 AI 项目"到"会卖、会落地企业 AI 服务"的转型,掌握客户对接、场景诊断、方案成交、项目执行全链路沟通技巧。
13

企业 AI 场景精准诊断方法

快速拆解企业业务场景,精准抓取核心痛点,判断 AI 可落地范围与投入性价比
+

教学目标

  • 掌握企业 AI 场景诊断的系统方法论,能够快速拆解业务场景并识别真实痛点
  • 学会判断 AI 技术的可落地范围、价值空间与投入性价比,规避无效项目与低价值需求
  • 能够输出结构化的场景诊断报告,为后续方案设计与商务谈判奠定基础

核心知识点

场景诊断框架
"业务流程梳理 → 痛点识别 → AI 适配性评估 → 价值量化 → 优先级排序"五步诊断法,系统化扫描企业 AI 机会
痛点真实性验证
区分"真痛点"与"伪需求"的方法:痛点频率、影响程度、现有替代方案、付费意愿四个维度验证,避免被客户表面需求误导
AI 适配性评估
从数据可得性、任务重复性、规则清晰度、容错空间、交互复杂度五个维度评估一个场景是否适合 AI 介入,以及介入的深度与方式
价值与性价比测算
量化 AI 场景的预期价值(降本/提效/增收/控险),估算开发与运维成本,计算 ROI 与回收周期,判断项目是否值得投入
场景优先级矩阵
以"价值高低"和"实现难易"为两个维度建立四象限矩阵,优先选择"高价值、易实现"的场景作为切入点,快速建立客户信心

教学内容要点

  • 企业 AI 场景五步诊断法:系统讲解五步诊断法的每一步操作要点与工具模板——第一步业务流程梳理(用泳道图画出核心流程,标注每个环节的参与人、耗时、工具、痛点);第二步痛点识别(通过访谈、观察、数据分析收集痛点,按频率×影响排序);第三步 AI 适配性评估(用五维评分表给每个痛点打分);第四步价值量化(计算每个场景的预期收益与成本);第五步优先级排序(用四象限矩阵确定落地顺序);配合一个完整的企业诊断案例演示
  • 真痛点 vs 伪需求的辨别技巧:讲解客户需求中常见的"伪需求"类型——"我要一个 AI 聊天机器人"(但不知道用来干嘛)、"别人都上了 AI 我们也要上"(跟风需求)、"用 AI 替代所有员工"(不切实际的期望)、"这个功能很简单应该很快"(低估复杂度);教学员通过追问"这个问题多久发生一次?""现在怎么解决的?""不解决有什么后果?""愿意花多少钱解决?"来验证痛点真实性;给出"需求验证追问清单"模板
  • AI 适配性五维评估实操:详细讲解五个评估维度的判断标准与评分方法——数据可得性(有没有足够的高质量数据?数据是否结构化?是否可获取?)、任务重复性(是高频重复还是低频偶发?重复率越高越适合 AI)、规则清晰度(是有明确规则还是需要高度主观判断?规则越清晰越适合)、容错空间(出错后果严重吗?是否有人工复核?容错空间越大越适合先上)、交互复杂度(是单轮问答还是多轮复杂交互?越简单越容易落地);演示如何用评分表快速评估 10+ 个候选场景
  • 场景价值量化与 ROI 测算:讲解四类价值的具体计算方法——降本型(节省的人力工时 × 人均时薪 + 减少的错误损失)、提效型(处理量提升 × 单位价值 + 响应速度提升带来的收益)、增收型(转化率提升 × 客单价 × 流量 + 客户留存提升带来的复购)、控险型(风险事件减少 × 单次损失 + 合规罚款规避);讲解成本估算(开发成本 + 部署成本 + 运维成本 + 模型调用费用);演示如何制作 ROI 测算表,计算投资回收期与年化收益率
  • 诊断报告输出与场景落地路线图:讲解场景诊断报告的标准结构——企业概况、诊断范围与方法、业务流程现状、痛点清单与分析、AI 场景候选列表、每个场景的适配性评分与价值测算、优先级排序、推荐落地路线图(短期/中期/长期)、风险与建议;演示一份完整的诊断报告案例;讲解如何向客户汇报诊断结果,用数据和事实说话,引导客户认同诊断结论并进入方案设计阶段

实战练习 / 课后作业

选择一个真实企业(可以是你所在公司、客户公司或公开案例),完成一份完整的 AI 场景诊断报告:①梳理 2-3 条核心业务流程;②识别 5-8 个痛点;③对每个痛点进行 AI 适配性五维评分;④量化 Top 3 场景的价值与 ROI;⑤用四象限矩阵排序并给出落地路线图;⑥输出一份结构化诊断报告(2000 字以内)。

14

客户面对面深度沟通技巧

掌握访谈追问话术,将模糊需求转化为清晰流程与验收标准,与不同角色高效沟通建立信任
+

教学目标

  • 掌握企业客户访谈的标准化流程与深度追问技巧,能够挖掘客户真实需求与潜在痛点
  • 学会将客户的模糊需求转化为清晰的业务流程、功能需求与可量化的验收标准
  • 掌握与企业老板、部门负责人、基层员工等不同角色的沟通策略,有效消除戒备建立信任

核心知识点

访谈准备与流程
访谈前的背景调研、问题清单设计、参会人分析;访谈中的开场、倾听、追问、记录、控场;访谈后的整理、确认、跟进的标准化流程
深度追问技巧
5Why 根因追问法、情境追问(SBI)、对比追问、假设追问、反向追问等技巧;从表面回答穿透到真实需求与核心痛点
需求澄清与转化
将模糊描述("要智能一点""要好用")转化为具体需求的方法;用户故事(User Story)写法、验收标准(AC)定义、需求优先级排序
多角色沟通策略
决策者(老板/高管)关注战略与 ROI,管理者(部门负责人)关注效率与 KPI,执行者(基层员工)关注减负与易用;针对不同角色调整沟通内容与话术
信任建立与戒备消除
专业形象塑造、同理心表达、案例佐证、利益对齐、避免技术堆砌、主动暴露风险与限制;让客户从"防备"转向"合作"的沟通心理学

教学内容要点

  • 客户访谈标准化流程:系统讲解客户访谈的全流程——访谈前(收集企业背景资料、了解行业痛点、分析参会人角色与关注点、设计访谈提纲与问题清单、准备案例与演示素材、确认时间地点与参会人);访谈中(破冰开场建立氛围、按提纲逐步深入、积极倾听不打断、适时追问挖深度、控制节奏不跑题、现场记录关键信息、结束前总结确认);访谈后(24 小时内整理访谈纪要、发送给客户确认、识别待澄清问题、制定下一步行动计划);给出"客户访谈 Checklist"模板
  • 深度追问实战技巧:通过真实对话案例演示多种追问技巧——5Why 法(客户说"我们效率低"→ 为什么低?→ 因为手动录入多 → 为什么手动?→ 因为系统不支持 → 为什么不支持?→ 因为没预算 → 所以核心问题是预算而非效率);情境追问("能举一个最近发生的具体例子吗?当时是什么情况?");对比追问("和去年/竞品/理想状态相比,差在哪里?");假设追问("如果这个问题解决了,对你的工作有什么具体影响?");反向追问("如果不做这个,会有什么后果?");讲解追问的分寸感——既要挖深又不引起反感
  • 模糊需求澄清与转化:讲解如何处理客户常见的模糊需求表达——"要智能一点"→ 澄清为"在 X 场景下,AI 能自动完成 Y,准确率达到 Z%";"要好用"→ 澄清为"操作步骤不超过 3 步,新员工 10 分钟内上手,无需培训";"要快"→ 澄清为"单次响应时间不超过 5 秒,批量处理 100 条数据不超过 2 分钟";教学员用用户故事格式(作为[角色],我希望[功能],以便[价值])记录需求,用验收标准(Given-When-Then 格式)定义"完成"的标准;演示如何将一次访谈中的 10+ 条模糊需求转化为结构化需求清单
  • 不同角色沟通策略:详细讲解三类核心角色的沟通要点——与老板/高管沟通(开门见山讲价值与 ROI,用数据和行业趋势说话,少讲技术细节多讲战略意义,关注竞争优势与风险控制,准备好 1 分钟电梯演讲和 10 分钟深度汇报两个版本);与部门负责人沟通(关注部门 KPI 如何达成、团队工作量如何减轻、实施会不会增加麻烦、对现有流程的影响,用同行业同岗位案例增强说服力,邀请其参与方案设计获得认同感);与基层员工沟通(关注会不会取代我的工作、操作难不难、能不能真的帮我减负,用演示让他们看到实际效果,倾听他们的实际困难,让他们成为项目的支持者而非阻力);给出每个角色的"沟通话术模板"
  • 信任建立与常见沟通困境处理:讲解如何在首次接触中快速建立专业信任——提前做足功课(了解客户企业与行业)、用案例证明能力(讲类似项目的成功经验)、展示专业深度(能听懂客户的业务术语并提出有洞察的问题)、诚实面对局限(不懂的不装懂,做不到的明确说明);讲解常见沟通困境的处理——客户质疑"AI 不靠谱"(用事实和案例回应,承认局限并给出保障措施)、客户说"我们考虑考虑"(了解真实顾虑,给出下一步行动建议而非催促)、客户压价"太贵了"(拆解价值对比成本,提供分期/分阶段方案)、客户内部意见不一致(识别关键决策人,帮助其统一内部认知);讲解沟通中的非语言技巧(眼神交流、肢体语言、语音语调)

实战练习 / 课后作业

①设计一份针对某企业客户的访谈提纲,包含:参会人分析、开场话术、15 个核心问题(覆盖现状、痛点、期望、约束、决策流程)、追问预案、结束确认话术。②找一个同伴进行模拟访谈练习,一人扮演客户(给出模糊需求),一人扮演 FDE 顾问,练习深度追问与需求澄清,结束后互换角色并复盘。③将模拟访谈中获得的 5 条模糊需求转化为结构化用户故事 + 验收标准。

15

高转化 AI 解决方案撰写

打造高说服力、高转化率的企业 AI 方案,给老板讲收益算投入产出,用数据和价值打动客户
+

教学目标

  • 掌握高转化率 AI 解决方案的结构设计与写作方法,能够输出专业、有说服力的方案文档
  • 学会针对企业决策层重点拆解项目收益、长期价值与投入产出比,用数据打动客户
  • 掌握方案呈现与汇报技巧,能够在方案讲解中有效引导客户决策,提升签约成功率

核心知识点

方案结构设计
"痛点共鸣 → 价值承诺 → 方案设计 → 实施路径 → 投入产出 → 信任背书 → 行动号召"七段式高转化方案结构,每一段的写作要点与心理学原理
价值表达与量化
将技术功能翻译为业务价值的方法;ROI 测算表、成本对比表、效率提升数据、行业标杆数据的运用;让客户"看到"收益而非"听到"功能
差异化竞争策略
在方案中突出差异化优势的方法;与竞品/客户自建/维持现状的对比策略;如何避免陷入价格战,用价值而非低价赢单
信任背书构建
案例故事、客户证言、数据成果、团队资质、服务保障、风险承诺等信任元素的运用;消除客户决策风险感的心理学技巧
方案汇报与促单
方案汇报的演讲结构与技巧、常见异议处理、决策引导方法、下一步行动设计;从方案讲解到签约成交的临门一脚

教学内容要点

  • 七段式高转化方案结构详解:逐段讲解方案写作的核心要点——第一段痛点共鸣(用客户自己的语言描述痛点,让客户觉得"你懂我",配合数据与案例增强真实感);第二段价值承诺(开门见山给出方案能带来的核心价值,用一句话概括"我们帮助谁解决什么问题实现什么价值");第三段方案设计(整体架构图 + 核心功能模块 + 技术实现路径,用客户听得懂的语言解释,避免技术堆砌);第四段实施路径(分阶段里程碑 + 时间计划 + 交付物清单,让客户看到可控的落地节奏);第五段投入产出(投资明细 + 收益测算 + ROI 分析 + 对比维持现状的机会成本,用数据证明"物超所值");第六段信任背书(类似案例 + 客户评价 + 团队实力 + 服务保障 + 风险承诺,消除决策顾虑);第七段行动号召(明确下一步行动 + 限时优惠/激励 + 联系方式,降低决策门槛推动行动);每段配合正反案例对比
  • 价值量化与 ROI 测算实战:讲解如何让方案中的价值部分"看得见、摸得着、算得清"——首先建立价值假设(基于诊断阶段的数据,明确方案能在哪些环节产生价值);然后逐项量化(用具体公式计算每项价值,给出保守/中性/乐观三种情景的测算结果);接着制作 ROI 测算表(包含一次性投入、年度运营成本、年度收益、净收益、投资回收期、年化 ROI);再做对比分析(与"维持现状"对比机会成本,与"客户自建"对比成本与风险,与"竞品方案"对比性价比);最后可视化呈现(用图表展示收益趋势、成本回收曲线、效率提升对比);演示一份完整的 ROI 测算案例,讲解如何让数字既真实可信又有说服力
  • 差异化竞争与方案包装:讲解如何在方案中突出差异化优势——首先进行竞争分析(识别客户可能对比的选项:竞品方案、客户自建、维持现状、其他供应商);然后提炼差异化卖点(从行业理解深度、技术方案先进性、交付保障能力、服务响应速度、持续迭代能力、价格性价比等维度找到自己的独特优势);接着用"对比表"直观呈现差异(但避免贬低竞品,用客观数据说话);再用"案例故事"证明差异化优势(讲一个类似客户如何因为选择了我们的差异化能力而获得额外价值的故事);最后设计"不可替代的价值锚点"(如独家行业知识库、专属服务团队、专利技术等),让客户觉得"只有你能做到";讲解如何避免陷入价格战——通过增加价值而非降低价格来应对比价
  • 信任背书与风险消除:讲解如何系统构建方案中的信任感——案例背书(选取同行业、同规模、类似痛点的成功案例,用"背景-挑战-方案-成果"结构讲述,附具体数据与客户评价);数据背书(用行业数据、调研结果、第三方评测证明方案的有效性与先进性);团队背书(核心团队成员的背景、资质、经验,让客户相信"交给专业的人");保障背书(服务等级协议 SLA、效果承诺、数据安全承诺、售后响应机制、不满意退款条款等,降低客户决策风险感);过程背书(展示成熟的项目管理方法论、质量控制流程、交付标准,让客户相信"过程可控结果可靠");讲解信任元素的排布策略——在方案的关键决策点(如方案介绍后、报价前、结尾)集中投放信任元素
  • 方案汇报与促单技巧:讲解方案汇报的全流程技巧——汇报前(了解参会人及决策角色、提前发送方案预览、准备演示环境与 Demo、预判可能的异议并准备应答);汇报中(开场 3 分钟抓住注意力讲核心价值、按"痛点-方案-价值-案例"主线讲解、重点部分放慢并观察客户反应、适时互动提问引导客户参与、用 Demo 直观展示效果、结尾总结价值并给出下一步建议);异议处理(常见异议如"价格太高""效果不确定""内部有阻力""再考虑考虑"的应答话术与策略,核心原则是"先认同再引导,用事实和数据回应,给台阶给方案");促单技巧(假设成交法、限时激励法、风险逆转法、下一步行动法,推动客户从"考虑"到"行动");讲解方案汇报后的跟进策略(24 小时内发送感谢与方案补充、针对异议提供额外资料、约定下次沟通时间、保持适度联系不骚扰)

实战练习 / 课后作业

基于第13节课的场景诊断报告,撰写一份完整的高转化 AI 解决方案(七段式结构),要求:①痛点部分用客户语言描述并附数据;②方案部分配架构图与功能模块说明;③ROI 部分给出三种情景测算与对比分析;④至少包含 2 个同行业案例背书;⑤设计 3 个差异化卖点;⑥结尾给出明确的下一步行动建议。方案篇幅 3000-5000 字,并准备一份 10 分钟的方案汇报提纲。

16

项目签约后标准化执行落地

掌握签约后项目全流程管控,明确交付边界、拆解步骤、定里程碑,建立测试验收交付体系
+

教学目标

  • 掌握签约后项目启动与全流程管控的标准化方法,确保项目有序推进不跑偏
  • 学会明确交付边界、拆解实施步骤、划分权责人员、制定阶段性里程碑,避免范围蔓延与责任不清
  • 建立标准化的项目测试、验收与交付体系,保障项目高质量落地,减少售后纠纷

核心知识点

项目启动与边界确认
签约后的项目启动会、需求确认与范围锁定、交付物清单与验收标准确认、双方项目组组建与权责划分、沟通机制建立
WBS 任务拆解
工作分解结构(WBS)方法,将项目拆解为可管理的任务包,每个任务明确负责人、时间、交付物、依赖关系;甘特图制定与进度跟踪
里程碑与风险管理
关键里程碑设置与评审机制、项目风险识别与应对预案、变更管理流程(需求变更的评估、审批、排期)、进度预警与纠偏机制
测试与验收体系
测试策略与用例设计、UAT 用户验收测试组织、验收标准与流程、问题分级与修复机制、验收签字与交付确认;确保交付质量双方认可
交付与售后运维
项目交付物清单(源码、文档、培训、账号)、用户培训与知识转移、上线支持与运维保障、效果评估与复盘、持续迭代与增购机会

教学内容要点

  • 项目启动与边界锁定:讲解签约后第一时间要做的事——项目启动会(双方项目组成员介绍、项目目标与背景重申、实施计划与里程碑确认、沟通机制与汇报频率约定、风险与注意事项提示);需求与范围确认(基于合同与方案,逐条确认功能需求、非功能需求、交付物清单、验收标准,形成《需求确认书》双方签字,避免后续扯皮);交付边界明确(哪些在范围内、哪些不在范围内、额外需求如何处理,用"范围内/范围外"清单明确界定);权责划分(双方项目负责人、技术对接人、业务对接人、决策人明确,RACI 责任矩阵制定);沟通机制(周会/周报、即时沟通群、问题升级路径、文档共享空间);给出"项目启动会 Checklist"与"项目章程"模板
  • WBS 任务拆解与进度管理:讲解如何将一个 AI 项目拆解为可执行的任务包——WBS 分解原则(100% 原则、独立可交付、8-80 小时工时区间);典型 AI 项目的 WBS 结构(项目准备 → 环境搭建 → 数据准备与知识库搭建 → 核心功能开发 → 集成联调 → 测试优化 → UAT 验收 → 上线部署 → 培训交付);每个任务的要素(任务名称、负责人、开始/结束时间、工期、前置依赖、交付物、验收标准);甘特图制作(用工具如 Excel、飞书项目、Teambition 制作甘特图,关键路径识别);进度跟踪(每日站会/周报、完成度评估、偏差分析、预警机制);讲解 AI 项目的特殊性(数据准备耗时往往被低估、模型调优需要反复迭代、效果验证需要客户配合)及应对策略
  • 里程碑管理与风险变更控制:讲解关键里程碑的设置与评审——典型里程碑(需求确认完成、环境与数据准备完成、核心功能开发完成、内部测试通过、UAT 验收通过、正式上线、项目终验);每个里程碑的评审机制(交付物检查、效果评估、问题确认、签字确认、进入下一阶段的条件);风险管理(项目启动时识别风险清单,包括技术风险、数据风险、人员风险、客户配合风险、外部依赖风险;每个风险制定应对预案——规避/转移/减轻/接受;定期复盘风险状态并更新);变更管理(客户提出需求变更时的标准流程——变更申请 → 影响评估(范围/时间/成本)→ 双方审批 → 排期实施 → 验收确认;避免"口头答应、默默加活"导致范围蔓延;讲解变更报价与谈判技巧);进度纠偏(当进度滞后时的应对措施——加资源、赶工、并行、缩减范围、调整里程碑,以及如何与客户沟通延期)
  • 测试与验收标准化体系:讲解如何建立让双方都认可的测试验收体系——测试策略(单元测试、集成测试、系统测试、性能测试、安全测试、UAT 用户验收测试的分层策略);测试用例设计(基于需求文档编写测试用例,覆盖正常流程、异常流程、边界条件、性能指标;用例模板包含用例编号、前置条件、操作步骤、预期结果、实际结果、状态);AI 项目特殊测试(知识库检索准确率测试、AI 回答质量评估、幻觉率测试、多轮对话连贯性测试、并发性能测试;讲解如何设计 AI 效果评估指标与测试集);UAT 组织(提前准备 UAT 测试用例与测试环境、对客户进行测试培训、陪同测试及时解答、记录问题并分级处理、UAT 报告输出与签字);验收标准(基于前期确认的验收标准逐条核对,功能验收 + 性能验收 + 效果验收 + 文档验收;问题分级——致命/严重/一般/建议,致命与严重问题必须修复后才能验收,一般问题可约定修复时间,建议性问题不阻塞验收);验收签字(输出《项目验收报告》,双方签字确认,作为项目完成与尾款支付的依据)
  • 交付、培训与售后运维:讲解项目收尾的完整流程——交付物清单(源代码、系统部署文档、用户操作手册、API 文档、测试报告、验收报告、培训材料、账号与权限清单,确保客户拿到完整可运维的系统);用户培训(针对管理员、普通用户分别设计培训内容,培训方式包括集中讲解 + 实操演练 + 答疑,提供录屏与文档方便后续复习,培训效果评估);上线支持(上线前检查清单、上线窗口期安排、数据迁移与切换、上线后 7×24 小时重点保障、问题快速响应机制);售后运维(运维服务范围与响应时间 SLA、日常运维内容(系统监控、数据备份、模型更新、知识库维护)、问题处理流程、定期巡检与效果复盘报告);项目复盘(内部复盘——做得好的、需要改进的、经验沉淀;客户复盘——项目成果评估、用户反馈收集、后续优化方向、增购机会识别);讲解如何通过优质交付与运维获得客户信任,带来复购与转介绍

实战练习 / 课后作业

基于第15节课的 AI 解决方案,制定一份完整的项目执行计划:①编写项目章程(目标、范围、双方团队、沟通机制);②制作 WBS 任务分解表(至少 20 个任务,含负责人、工期、依赖、交付物);③制作甘特图与里程碑计划;④识别 Top 5 项目风险并制定应对预案;⑤设计变更管理流程;⑥编写测试策略与 UAT 测试用例(至少 10 条);⑦列出项目交付物清单与验收标准。输出一份完整的《项目执行计划书》。

04

第四板块 · 项目模拟

全档位企业项目实战落地 | 第 17 - 20 节
板块目标:以真实商业项目为载体,覆盖千元、万元、十万元、十万元/月全档位企业 AI 项目,从个人提效到集团赋能,实现从理论到实战的闭环,具备独立承接各类企业 AI 项目的能力。
17

千元档轻量化 AI 项目拆解

针对小微企业简单轻量化需求,拆解千元档项目落地逻辑,重点讲解 Skill 梳理与工具组合
+

教学目标

  • 理解千元档轻量化 AI 项目的商业逻辑与目标客户画像,掌握这类项目的接单与交付要点
  • 掌握简单业务任务的 Skill 梳理方法,能够快速识别可自动化的轻量场景并设计解决方案
  • 学会用成熟 AI 工具组合快速交付千元档项目,控制成本与工时,实现高性价比交付

核心知识点

千元档项目特征
客户以小微企业、个体户为主,预算有限(1000-5000 元),需求简单明确,交付周期短(1-3 天),核心是"用现成工具快速解决具体问题"
轻量场景识别
适合千元档的典型场景:单一文档处理、简单数据整理、固定格式生成、基础问答机器人、简单自动化流程;特征是"单点、低频、规则清晰"
Skill 梳理方法
将一个简单业务任务拆解为"输入 → 处理步骤 → 输出"的标准化流程,识别每个步骤是否可用 AI 工具/脚本自动化,形成可复用的 Skill 模板
工具组合快速交付
用飞书/多维表格 + AI 对话工具 + 简单脚本/Skill 的组合,零代码或低代码快速搭建解决方案;控制开发工时在 4-8 小时内,确保项目盈利
轻量项目交付标准
千元档项目的交付物清单(可运行的工具/流程 + 简单使用说明 + 一次培训)、验收标准(功能可用 + 效果达标)、售后范围(1 周内 Bug 修复),避免过度交付

教学内容要点

  • 千元档项目商业逻辑与客户画像:讲解千元档项目的商业本质——"用最小成本解决客户最痛的一个具体问题",客户画像(小微企业主、个体工商户、初创团队、自由职业者,预算有限但愿意为"省事"付费,决策快、流程简单、对技术不敏感);适合的项目类型(单一功能工具、简单自动化流程、基础知识库问答、文档/数据处理脚本、AI 提示词定制与培训);报价策略(按项目定价 1000-5000 元,不按工时报价,给出"基础版/升级版"两档选择降低决策门槛);盈利要点(控制工时在 4-8 小时,复用已有模板和工具,批量交付同类项目);获客渠道(朋友圈、社群、本地商家、老客户转介绍、闲鱼/淘宝等平台)
  • 轻量场景 Skill 梳理实战:手把手演示如何将一个简单业务任务梳理为可自动化的 Skill——以"客户订单信息自动整理"为例:第一步梳理原始流程(客户在微信下单 → 手动复制订单信息 → 粘贴到 Excel → 手动分类统计 → 生成日报);第二步识别每个环节的痛点与自动化可能性(复制粘贴可自动化、分类统计可用 AI、日报生成可用模板);第三步设计 Skill 流程(输入:微信订单截图/文字 → AI 提取结构化信息 → 自动写入多维表格 → 自动生成统计日报 → 输出:日报 + 表格更新);第四步选择实现工具(飞书多维表格 + AI 字段 + 自动化流程,零代码实现);第五步测试与优化(用真实订单数据测试,调整 AI 提取提示词,优化表格字段设计);演示从梳理到落地的完整过程,总耗时不超过 4 小时
  • 典型千元档项目案例拆解(3 个):案例一"AI 简历优化工具"(客户:求职辅导工作室,需求:批量优化求职者简历,方案:用 AI 对话工具 + 提示词模板 + 飞书文档批量处理,交付:优化提示词模板 + 操作视频 + 1 小时培训,报价 2000 元,工时 3 小时);案例二"小微企业智能客服"(客户:淘宝电商卖家,需求:自动回复常见售后问题,方案:用店小蜜/飞鸽 + AI 知识库 + 常见问题话术库,交付:知识库配置 + 话术库 + 后台设置 + 使用说明,报价 3000 元,工时 5 小时);案例三"合同关键信息提取脚本"(客户:小型律所,需求:从合同 PDF 中自动提取甲乙方、金额、日期等关键信息,方案:用 Python + AI API 编写提取脚本 + Excel 输出,交付:可运行脚本 + 使用说明 + 示例数据,报价 4000 元,工时 8 小时);每个案例详细拆解需求分析、方案设计、工具选择、实施步骤、效果数据、经验教训
  • 工具组合与零代码/低代码交付技巧:讲解千元档项目最常用的工具组合与使用技巧——飞书全家桶(多维表格 AI 字段、自动化流程、智能伙伴、文档模板,适合数据处理与流程自动化);AI 对话工具(ChatGPT/Claude/豆包 + 提示词工程,适合内容生成与文本处理);无代码平台(扣子/Coze、Dify、FastGPT,适合快速搭建问答机器人与简单 Agent);自动化工具(Make/Zapier/影刀,适合跨系统数据流转与流程自动化);轻量脚本(Python + AI API,适合定制化数据处理);讲解如何根据需求快速选择工具组合,如何用提示词模板替代定制开发,如何用多维表格替代数据库,如何用自动化流程替代后端开发,实现"零代码也能交付 80% 的轻量需求"
  • 千元档项目交付与售后边界:讲解如何在千元档项目中控制交付范围与售后成本,避免"小项目做成大项目"——交付前明确范围(用一句话说清"做什么、不做什么",写进合同或聊天记录确认);交付物标准化(可运行的工具/流程 + 1 页纸使用说明 + 15 分钟语音培训,不提供完整文档与源码除非客户额外付费);验收标准简单化("能用、效果达标"即可,不做复杂测试用例,现场演示通过即验收);售后边界清晰(1 周内 Bug 免费修复,新增需求另行报价,不提供无限次免费咨询,可推出"月度维护包"增值服务);客户预期管理(提前说明"这是轻量化方案,适合当前规模,未来业务增长可升级",避免客户期望过高);讲解如何通过千元档项目积累案例与客户信任,转化为万元档甚至更高价值的长期合作

实战练习 / 课后作业

模拟承接一个千元档 AI 项目,完成完整交付演练:①选择一个轻量场景(如"朋友圈文案批量生成""客户满意度调查自动分析""产品说明书快速翻译");②梳理业务流程并设计 Skill 自动化方案;③用零代码/低代码工具实际搭建可运行的解决方案(工时控制在 4 小时内);④编写 1 页纸使用说明;⑤录制 5 分钟操作演示视频;⑥输出一份"千元档项目交付包",并核算你的工时成本与利润率。

18

万元档单岗位 AI 提效项目拆解

聚焦单个岗位数字化提效需求,讲解岗位知识库、Skill 定制、场景化自动化落地完整流程
+

教学目标

  • 理解万元档单岗位 AI 提效项目的商业逻辑与实施方法论,掌握这类项目的完整交付流程
  • 掌握岗位专属知识库搭建、岗位业务 Skill 脚本定制、场景化 AI 自动化落地的核心方法
  • 能够独立完成从需求调研、方案设计、开发实施到验收交付的万元档项目全流程操盘

核心知识点

万元档项目特征
客户以中小企业为主,预算 1-5 万元,聚焦单个岗位/部门的提效需求,交付周期 1-2 周,需要定制化知识库 + 工作流 + 培训,效果可量化
岗位知识库搭建
针对特定岗位(销售、HR、财务、客服等)收集整理岗位知识资料(SOP、话术、政策、案例),搭建结构化、可检索、可更新的岗位专属知识库
岗位 Skill 定制
梳理岗位高频工作任务,定制开发岗位专属 Skill 脚本(如销售线索分析、HR 简历筛选、财务发票处理),实现核心工作环节自动化
场景化工作流落地
将岗位知识库 + 多个 Skill + 人工节点组合成端到端的岗位工作流,覆盖岗位核心业务场景,实现从"单点工具"到"流程自动化"的升级
效果量化与交付保障
万元档项目必须量化提效效果(节省工时、提升准确率、缩短周期),建立效果评估指标与验收标准,提供培训与运维保障确保真正用起来

教学内容要点

  • 万元档项目商业逻辑与实施框架:讲解万元档项目的商业本质——"为一个具体岗位打造 AI 提效系统,用可量化的效率提升证明价值",客户画像(中小企业的部门负责人或老板,有明确的岗位效率痛点,预算 1-5 万,希望看到实实在在的提效数据,决策需要内部讨论但流程不复杂);典型岗位与需求(销售岗:线索处理 + 话术生成 + 客户跟进;HR 岗:简历筛选 + 面试安排 + 入职流程;财务岗:发票处理 + 报销审核 + 报表生成;客服岗:智能问答 + 工单处理 + 满意度分析;运营岗:内容生成 + 数据分析 + 报告撰写);项目实施框架(需求调研 2 天 → 方案设计 1 天 → 知识库搭建 2 天 → Skill 开发 3 天 → 工作流集成 1 天 → 测试优化 2 天 → 培训交付 1 天,总周期 2 周左右);报价策略(按岗位打包报价 1-5 万,包含知识库 + Skill + 工作流 + 培训 + 1 个月运维,可拆分"基础版/专业版");盈利要点(复用岗位知识库模板与 Skill 组件,控制定制开发工时,同类岗位项目可批量复制)
  • 岗位专属知识库搭建实战:以"销售岗位知识库"为例,手把手演示岗位知识库搭建全流程——第一步知识收集(收集岗位相关资料:产品手册、销售话术、FAQ、客户案例、竞品分析、合同模板、政策文件,来源包括企业现有文档、老员工经验、网络公开资料);第二步知识清洗与结构化(去重、去噪、统一格式,按"产品知识/销售话术/客户案例/FAQ/流程规范/合同模板"分类,每份文档添加元数据标签);第三步知识库配置(选择 FastGPT/Dify 等平台,配置向量模型与分段策略,导入文档,调整分段大小与重叠率,设置检索参数);第四步 Prompt 设计(设计岗位专属的系统提示词,明确 AI 角色、回答规则、引用要求、拒答策略,如"你是资深销售顾问,只基于知识库回答客户问题,不确定时建议咨询销售经理");第五步测试与调优(设计 20+ 岗位高频问题测试集,评估回答准确率,迭代优化检索参数与 Prompt,补充缺失知识);第六步权限与更新(设置知识库访问权限,建立知识更新机制——新话术/新产品/新案例定期入库)
  • 岗位 Skill 定制开发实战:以"销售岗位 Skill 组合"为例,演示如何为一个岗位定制开发多个 Skill 脚本——Skill 1"线索智能分析"(输入:客户基本信息 + 沟通记录 → AI 分析客户需求与意向等级 → 输出:客户画像 + 跟进建议 + 话术推荐);Skill 2"销售话术生成"(输入:客户类型 + 产品 + 沟通阶段 → 基于知识库生成个性化话术 → 输出:电话话术 + 微信话术 + 邮件模板);Skill 3"跟进提醒与周报"(输入:本周客户跟进记录 → AI 总结进展 + 识别待跟进客户 + 生成周报 → 输出:待办清单 + 周报草稿);每个 Skill 的开发流程(定义输入输出 → 编写核心逻辑(Python/JS + AI API)→ 配置提示词模板 → 测试调试 → 集成到工作流);讲解 Skill 开发中的关键技巧——提示词模板化(把岗位经验固化为提示词)、知识库调用(Skill 内部调用岗位知识库获取最新信息)、错误处理(输入不完整时的引导与兜底)、人工确认(关键操作前增加人工审核节点);演示如何用低代码平台(扣子/Dify)快速搭建 Skill,减少开发工时
  • 岗位工作流集成与场景化落地:讲解如何将岗位知识库 + 多个 Skill + 人工节点组合成端到端的岗位工作流——以"销售线索处理全流程"为例:新线索进入(触发)→ Skill 1 线索分析(自动)→ 高意向线索标记(自动)→ Skill 2 生成首次沟通话术(自动)→ 销售确认并调整(人工节点)→ 执行沟通(人工)→ 沟通记录录入(自动/人工)→ Skill 3 生成跟进建议与提醒(自动)→ 周末自动生成周报(自动);讲解工作流设计要点——识别哪些环节全自动、哪些需要人工确认、哪些必须人工完成;设计数据在各 Skill 间的传递格式;设置异常处理与兜底机制(AI 分析置信度低时转人工);讲解工作流的部署方式(定时触发、事件触发、API 触发、人工触发);演示如何用飞书多维表格 + 自动化流程 + AI 字段 + Skill 脚本实现完整工作流,无需复杂开发;讲解工作流上线后的用户培训与推广技巧(先让岗位员工看到"省事"的效果,再逐步推广全流程)
  • 效果量化、验收与长期运维:讲解万元档项目如何用数据证明价值并顺利验收——效果指标设计(效率类:单任务耗时减少百分比、每日处理量提升;质量类:准确率提升、错误率下降;成本类:节省人力工时折算金额、减少外包费用;体验类:员工满意度、响应速度提升);数据采集方法(上线前基线数据采集、上线后同期对比、A/B 测试、用户反馈问卷);效果报告输出(项目结束时输出《提效效果评估报告》,包含基线数据、上线后数据、提升百分比、典型案例、用户评价,用数据和事实让客户认可价值);验收标准(功能验收:所有 Skill 与工作流按需求正常运行;效果验收:核心指标达到约定目标如"线索处理时间减少 50%";用户验收:岗位员工能够独立使用并给出正面反馈);长期运维(1 个月免费运维期内的 Bug 修复 + 使用答疑 + 效果优化;之后推出"月度运维包"(知识库更新 + Skill 维护 + 效果跟踪 + 新需求咨询),实现持续收入;定期回访与效果复盘,挖掘增购机会(如从一个岗位扩展到多个岗位));讲解万元档项目的常见风险(员工抵触不用、数据质量差导致效果不好、需求蔓延)与应对策略

实战练习 / 课后作业

选择一个你熟悉的企业岗位(如销售、HR、财务、客服、运营),模拟完成一个万元档单岗位 AI 提效项目:①进行岗位需求调研(可访谈或假设),输出岗位工作流程与痛点分析;②设计岗位 AI 提效方案(知识库 + 3 个 Skill + 1 条端到端工作流);③实际搭建岗位知识库(收集 10+ 份资料,配置并测试);④开发至少 1 个岗位 Skill(可运行代码或低代码实现);⑤设计效果评估指标与验收标准;⑥输出完整的《岗位 AI 提效项目交付方案》,包含报价与实施计划。

19

十万元档部门级 AI 项目拆解

拆解部门级整体提效项目,讲解从个人单点提效升级为组织提效的设计思路与落地方法
+

教学目标

  • 理解十万元档部门级 AI 项目的商业逻辑与复杂度,掌握中大型项目的操盘方法
  • 掌握从个人单点提效升级为部门整体组织提效的设计思路,包括多岗位协同、跨系统集成、权限体系设计
  • 能够独立操盘部门级 AI 项目的需求管理、方案设计、团队协作、实施交付与效果评估全流程

核心知识点

部门级项目特征
客户为中大型企业的部门/事业部,预算 10-50 万元,覆盖多个岗位与业务流程,需要跨系统集成与定制开发,交付周期 1-3 个月,涉及多方协作与变革管理
组织级提效设计
从"个人工具"到"组织系统"的升级思路:部门级知识库共享、多岗位 Skill 协同、跨岗位工作流串联、数据中台与统一看板、组织知识沉淀与复用
跨系统集成架构
AI 系统与企业现有系统(CRM、ERP、OA、HRM、财务系统)的集成方案;API 对接、数据同步、单点登录、权限打通;企业级系统架构设计与安全考量
项目管理与团队协作
中大型项目的项目管理方法论:敏捷迭代、里程碑管理、多方沟通协调、需求变更控制、风险管理、质量保障;FDE 作为项目负责人的角色与能力
变革管理与推广落地
部门级 AI 项目必然涉及工作方式改变,需要变革管理:高层支持获取、关键用户培养、试点推广策略、培训体系设计、激励机制配套、效果持续跟踪

教学内容要点

  • 十万元档部门级项目商业逻辑与操盘框架:讲解部门级项目的商业本质——"为整个部门打造 AI 赋能体系,实现组织级效率提升与知识沉淀,价值体现在部门整体 KPI 改善",客户画像(中大型企业的部门总监/VP 或事业部负责人,有明确的部门效率与数字化转型压力,预算 10-50 万,决策涉及部门内部与 IT/采购,项目周期 1-3 个月,对交付质量与数据安全要求高);典型部门与需求(市场部:内容生产 + 数据分析 + campaign 管理;销售部:线索管理 + 客户画像 + 销售赋能 + 业绩分析;研发部:代码辅助 + 文档生成 + 测试自动化 + 知识管理;运营部:用户运营 + 内容运营 + 数据分析 + 报告自动化;人力资源部:招聘 + 培训 + 绩效 + 员工服务);项目操盘框架(启动阶段:需求调研 + 方案设计 + 合同签订,2 周;规划阶段:详细需求 + 架构设计 + 项目计划,1 周;实施阶段:分模块开发 + 集成 + 测试,4-8 周;上线阶段:试点 + 培训 + 推广,2 周;验收阶段:效果评估 + 验收交付 + 复盘,1 周);报价策略(按项目整体报价 10-50 万,可拆分"一期/二期"降低决策门槛,包含需求调研 + 定制开发 + 集成 + 培训 + 3 个月运维,可按人天报价但需封顶);盈利要点(模块化设计与组件复用,控制定制开发比例,用成熟平台 + 定制开发混合模式,管理好范围变更)
  • 从个人提效到组织提效的设计升级:深度讲解部门级项目与单岗位项目的核心差异与设计升级——知识库升级(从岗位专属库到部门级共享知识库 + 岗位子库的两级架构,支持知识共享与权限隔离,建立部门知识分类标准与更新维护机制,实现"一个人学到的经验全部门受益");Skill 升级(从单个岗位 Skill 到部门级 Skill 市场 + 多岗位协同 Skill,如销售部的"线索分配 Skill"连接市场部线索与销售部跟进,"合同审批 Skill"连接销售、法务、财务多岗位);工作流升级(从岗位内流程到跨岗位端到端流程,如"客户从线索到签约"全流程串联市场、销售、法务、财务多个岗位,每个环节 AI 辅助 + 人工确认);数据升级(从分散数据到部门级数据中台,统一数据采集、清洗、存储,为 AI 提供高质量数据,生成部门级数据看板与决策支持);管理升级(从个人使用到部门级管理后台,支持使用统计、效果分析、权限管理、内容审核,让管理者看到 AI 应用的整体效果与 ROI);通过一个"销售部门 AI 赋能体系"的完整架构案例演示设计思路
  • 跨系统集成与企业级架构设计:讲解部门级 AI 项目中最复杂的跨系统集成——企业系统现状调研(梳理部门现有系统清单:CRM 如销售易/纷享销客、ERP 如用友/金蝶、OA 如泛微/致远、HRM 如北森/Moka、财务系统、企业微信/飞书等,了解每个系统的 API 开放程度、数据结构、权限体系);集成架构设计(基于 API 网关的集成架构,AI 平台作为中间层连接各业务系统,数据流向设计:从业务系统读取数据 → AI 处理 → 写回业务系统或展示在 AI 界面);核心集成场景(CRM 集成:自动读取客户信息与跟进记录,AI 生成跟进建议与销售话术,分析结果写回 CRM;OA 集成:AI 自动处理审批流程中的文档审查与信息提取,审批结果同步 OA;企业微信/飞书集成:AI 机器人在 IM 中提供问答与任务处理,消息推送与待办同步);技术实现(RESTful API 调用、Webhook 事件监听、数据同步策略(实时/定时/增量)、API 限流与重试、数据格式转换与映射);安全与权限(单点登录 SSO 集成、基于企业组织架构的权限同步、数据传输加密 HTTPS、数据存储加密、操作审计日志、符合企业数据安全规范);演示一个"AI 平台 + CRM + 企业微信"集成的完整技术方案与核心代码
  • 中大型项目管理与多方协作:讲解 FDE 作为部门级项目负责人需要掌握的项目管理能力——项目启动(项目章程制定、双方项目组组建、启动会组织、目标与范围确认、沟通机制建立);需求管理(详细需求调研、需求文档编写、需求评审与确认、需求变更控制流程——变更申请 → 影响评估(范围/时间/成本)→ 双方审批 → 排期实施 → 验收,避免范围蔓延);计划管理(WBS 详细分解、甘特图制定、关键路径识别、资源分配、里程碑设置、每周进度跟踪与偏差分析);质量管理(代码审查、测试策略(单元/集成/系统/UAT)、Bug 管理与修复跟踪、验收标准执行、上线前检查清单);风险管理(风险识别清单、风险评估(概率×影响)、应对预案制定、每周风险复盘、问题升级机制);多方协作(与客户业务部门沟通需求、与客户 IT 部门协调系统集成与安全、与内部开发团队分配任务、与第三方供应商协调接口,定期项目周报与里程碑汇报,冲突协调与决策推动);讲解敏捷迭代在 AI 项目中的应用(2 周一个 Sprint,可运行成果演示,快速反馈与调整)
  • 变革管理、推广落地与效果评估:讲解部门级 AI 项目成功的关键——不仅是技术交付,更是组织变革与用户采纳——变革管理(获取高层支持:让部门负责人成为项目 Sponsor,在部门会议上宣导 AI 转型的重要性;识别关键用户:选择部门内接受度高、影响力大的员工作为"AI 大使",提前培训并让他们参与试点;应对抵触情绪:倾听员工顾虑(担心被取代、增加工作量),强调"AI 是助手不是替代",展示"省事"的实际效果,让员工从"要我用"变成"我要用");推广策略(试点先行:选择 1-2 个小组或业务线试点 2 周,收集反馈优化后再全部门推广;阶梯式推广:先上最简单见效最快的功能,再逐步推广复杂功能;标杆示范:宣传试点小组的提效数据与成功故事,用内部榜样带动其他人);培训体系(分层培训:管理层培训(价值与管理)、关键用户培训(深度使用与反馈)、全体员工培训(基础操作与常见问题);培训形式:集中讲解 + 实操演练 + 录屏教程 + 图文手册 + 社群答疑;培训效果:考核与认证,确保真正会用);效果评估(建立部门级 AI 效果指标体系:效率指标(人均处理量、流程周期、响应时间)、质量指标(准确率、错误率、合规率)、成本指标(人力节省、外包减少)、采纳指标(活跃用户率、功能使用率、满意度);数据采集与对比(上线前基线 vs 上线后同期,A/B 测试,月度效果报告);ROI 核算(项目总投入 vs 年度收益,投资回收期计算);效果复盘与持续优化(每月效果复盘会,识别问题与优化点,持续迭代功能与体验,挖掘二期需求与增购机会)

实战练习 / 课后作业

选择一个企业部门(如市场部、销售部、研发部、运营部),模拟操盘一个十万元档部门级 AI 项目:①输出部门级 AI 赋能整体方案(覆盖多岗位、多场景、跨系统集成);②设计部门级系统架构图(AI 平台 + 业务系统集成 + 数据流向);③制定详细项目计划(WBS + 甘特图 + 里程碑,周期 2 个月);④识别 Top 10 项目风险并制定应对预案;⑤设计变革管理与推广方案(高层支持、关键用户、试点策略、培训体系);⑥设计部门级效果评估指标体系与 ROI 测算模型;⑦输出完整的《部门级 AI 项目操盘方案》。

20

集团型项目制培训体系搭建

适配大型集团与上市公司需求,拆解月报价十万元级项目制培训的设计、运营与交付逻辑
+

教学目标

  • 理解集团型项目制培训的商业逻辑与客户需求,掌握高端 AI 赋能项目的整体设计方法
  • 掌握面向大型集团/上市公司的项目制培训体系设计,包括课程体系、实战项目、导师团队、运营服务
  • 学会高端项目的商务拓展、交付运营、效果评估与客户关系维护,掌握月报价十万元级项目的操盘思维

核心知识点

集团型项目特征
客户为大型集团/上市公司,预算 10 万+/月或 100 万+/年,需求是组织级 AI 能力建设与人才培养,涉及多部门多层级,需要定制化课程 + 实战项目 + 持续陪跑,决策链长、要求高、周期长
项目制培训设计
"课程培训 + 实战项目 + 导师陪跑 + 成果输出"四位一体的项目制培训模式;基于企业实际业务场景设计实战项目,学员在做中学,导师全程指导,最终输出可落地的 AI 应用成果
分层课程体系
针对集团不同层级设计差异化课程:高管层(AI 战略与商业变革)、管理层(AI 项目管理与团队赋能)、骨干层(AI 工具实操与场景落地)、执行层(AI 工具基础使用);每层课程目标、内容、形式不同
高端项目运营交付
项目制培训的全流程运营:项目启动、需求调研、课程定制、师资匹配、场地与物料、现场执行、课后跟进、项目管理、效果评估、成果汇报;高端客户的服务标准与细节
商务拓展与长期合作
集团客户的商务拓展方法:高层对接、需求挖掘、方案定制、招投标参与、合同谈判;项目交付中的客户关系维护;从培训项目延伸到咨询、实施、产品等长期合作的路径

教学内容要点

  • 集团型项目制培训商业逻辑与客户画像:讲解月报价十万元级项目的商业本质——"不是卖课程,而是为企业提供 AI 转型的组织能力建设与人才培养解决方案,通过持续陪跑帮助企业真正把 AI 用起来",客户画像(大型集团、上市公司、行业龙头企业,有数字化转型与 AI 应用的战略需求,预算充足(年度培训预算百万级),决策链长(涉及 HR/培训部门、业务部门、IT 部门、高层领导),对供应商资质、品牌、案例、服务质量要求高,项目周期长(3-12 个月甚至更长),注重长期合作与持续服务);客户需求本质(不是"听几堂课",而是"培养一批懂 AI、能用 AI 的内部人才,落地一批真实的 AI 应用场景,建立组织级 AI 应用能力");项目模式(月度服务费 10-30 万/月,或年度打包 100-300 万/年,包含课程培训 + 实战项目 + 导师陪跑 + 咨询服务 + 成果输出,通常以 3-6 个月为一个项目周期,可续约);盈利要点(高客单价 + 长周期 + 可复制的课程体系 + 导师资源池 + 标准化运营流程,边际成本随项目数量增加而降低);与传统企业培训的区别(不是讲师讲完就走,而是项目制、实战化、有产出、有陪跑,最终交付的是"人才 + 成果 + 能力"而非"课时")
  • "四位一体"项目制培训体系设计:深度讲解集团型 AI 培训的核心设计——课程培训(知识输入):基于企业行业特点与学员层级定制课程内容,不是通用课程,而是结合企业实际业务场景与案例,形式包括线下集中授课、线上直播、录播课程、工作坊、沙盘演练;实战项目(做中学):从企业真实业务中筛选 5-10 个 AI 落地场景作为实战项目,学员分组认领,在导师指导下完成从需求分析、方案设计、原型开发到效果验证的完整过程,最终输出可运行的 AI 应用原型与落地方案;导师陪跑(全程指导):每个项目组配备 1 名资深 AI 导师(FDE 专家),每周 1-2 次辅导,解答技术问题、指导方案设计、把控项目进度、帮助学员克服困难,导师不仅教技术更教方法论与思维方式;成果输出(价值交付):项目结束时输出可量化的成果——培养了多少名 AI 应用人才、落地了多少个 AI 场景原型、每个场景的预期提效数据、形成了企业内部的 AI 应用案例库与方法论、建立了持续运营的机制;通过一个"某制造集团 AI 人才培养与场景落地项目"的完整设计案例演示四位一体体系
  • 分层课程体系与实战项目设计:讲解如何为集团不同层级设计差异化的课程与项目——高管层(1-2 天工作坊):目标是建立 AI 战略认知与变革思维,内容包括 AI 行业趋势、企业 AI 转型路径、AI 时代的组织变革与领导力、同行业标杆案例,形式为高管闭门研讨会 + 案例研讨 + 战略共创,输出"企业 AI 转型路线图建议";管理层(3-5 天培训):目标是掌握 AI 项目管理与团队赋能能力,内容包括 AI 技术认知、AI 场景诊断方法、AI 项目管理、团队 AI 能力建设、变革管理,形式为授课 + 案例分析 + 小组研讨 + 实战演练,输出"部门 AI 落地方案";骨干层(5-10 天培训 + 实战项目):目标是成为企业内部 AI 应用骨干,能独立操盘 AI 场景落地,内容包括 AI 工具实操、知识库搭建、Skill 开发、工作流设计、Vibe Coding、降幻觉技巧,形式为授课 + 实操 + 实战项目 + 导师陪跑,输出"可运行的 AI 应用原型 + 落地方案";执行层(1-2 天普及培训):目标是掌握 AI 工具基础使用,提升日常工作效率,内容包括主流 AI 工具使用、提示词基础、岗位 AI 应用场景,形式为授课 + 现场实操 + 答疑,输出"岗位 AI 工具使用手册";实战项目设计方法(从企业业务痛点出发筛选项目,项目要"小而实"——2-4 周可出原型、有明确业务价值、数据可获取、学员能力可及,避免过大过空;项目分组原则——跨部门组队、业务 + 技术混合、每组 4-6 人、设组长;项目里程碑——需求确认、方案设计、原型开发、效果验证、成果汇报,每个里程碑有评审与辅导)
  • 高端项目全流程运营与交付标准:讲解集团型项目的运营交付全流程与高端服务标准——项目启动(项目启动会:双方项目组、高层领导出席,明确项目目标、范围、计划、机制;项目章程与沟通计划制定;学员调研与需求收集;项目 Kickoff 物料准备);需求调研与定制(深度访谈企业高管、业务负责人、潜在学员,了解业务痛点、AI 基础、培训期望;基于调研结果定制课程大纲与实战项目清单;企业内部案例收集与融入课程;师资匹配与课前沟通);课程交付(课前:学员通知、预习资料、场地与设备、物料准备、讲师行程;课中:签到管理、现场执行、教学互动、摄影记录、每日反馈收集、即时调整;课后:课程资料发放、作业布置、答疑跟进、学员满意度调查、课程复盘);实战项目运营(项目启动辅导、每周进度跟踪、导师辅导安排、问题协调解决、中期评审、最终成果打磨、成果汇报会组织);项目管理(每周项目周报、月度项目汇报、里程碑评审、风险与问题管理、变更管理、文档管理、双方项目组周会);效果评估(学员知识测评、实战项目成果评估、学员满意度调查、行为改变跟踪(训后 1/3/6 个月)、业务成果评估(AI 场景落地效果)、ROI 分析、项目终期报告与高层汇报);高端服务细节(专属项目经理全程对接、7×24 小时响应、定期高层汇报、精美项目物料、个性化服务、超出预期的增值服务)
  • 商务拓展、客户关系与长期合作:讲解如何获取并维护集团型高端客户——商务拓展(目标客户筛选:行业龙头、上市公司、有数字化转型预算的企业;关键人对接:通过行业活动、熟人介绍、公开信息找到 HR 总监/培训负责人/CIO/业务高管;需求挖掘:多次深入沟通,了解企业战略、痛点、预算、决策流程;方案定制:基于企业需求定制专属方案,包含行业洞察、项目设计、案例证明、团队介绍、报价方案;招投标参与:大型集团项目通常走招投标流程,需要准备完整的投标文件(技术标 + 商务标),讲标与答辩;合同谈判:服务范围、交付标准、付款方式、知识产权、保密条款、违约责任等);客户关系维护(高层关系:与客户高层保持定期沟通,汇报项目进展,探讨战略合作;项目关系:与客户项目经理建立紧密合作,成为"自己人";用户关系:与学员建立良好互动,培养内部口碑;定期回访:项目结束后定期回访,了解使用情况,提供增值建议;节日问候与行业资讯分享,保持存在感);长期合作延伸(从培训项目延伸到:AI 咨询服务(AI 转型战略咨询、场景诊断咨询)、AI 实施服务(帮助企业落地 AI 应用项目)、AI 产品采购(推荐或代理 AI 工具与平台)、持续陪跑服务(年度 AI 顾问服务)、联合品牌活动(行业沙龙、案例发布会);讲解如何通过一个培训项目建立信任,进而成为企业的长期 AI 合作伙伴,实现从"一次性项目"到"年度服务"的升级;给出集团客户长期合作的路径图与关键成功要素)

实战练习 / 课后作业

模拟为一家大型集团(可假设行业与规模)设计一个月报价 15 万元的 AI 项目制培训方案:①进行客户需求分析(假设企业背景、AI 基础、培训目标、学员构成);②设计"四位一体"项目制培训整体方案(课程 + 实战项目 + 导师陪跑 + 成果输出);③设计分层课程体系(高管层/管理层/骨干层/执行层的课程目标、内容、时长、形式);④筛选并设计 5 个实战项目(基于企业真实业务场景,包含项目目标、预期成果、导师指导要点);⑤制定 6 个月项目执行计划与运营方案;⑥设计效果评估体系与 ROI 测算;⑦输出完整的《集团 AI 项目制培训方案》(可用于实际投标),并准备一份 15 分钟的方案讲标提纲。

配套专属增值服务

不止于课程,更提供从学习到接单落地的全链路支持

📝

专属作业训练

每节课配套针对性实战作业,巩固所学内容,落地实操能力

👥

官方人才库入驻

优秀学员可入驻平台人才库,获得项目对接、就业推荐机会

💬

社群专属答疑

专属社群常态化答疑,解决学习、实操、接单落地各类问题

🎬

全年回放权限

所有课程支持一年无限次回放,方便反复复盘精进

📋

全套 SOP 模板

赠送方案撰写、项目交付、工作流搭建、沟通话术等全套标准化模板