震裕科技企业AI内训
从AI超级个体到超级团队
用Skill把个人效率升级为团队能力
主讲詹老师
面向高管 / 部门负责人 / Office员工
交付Skill清单 + AI产品原型
全天导航
今天，你将带走什么
从超级个体到超级团队的六个实战模块
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
打开演练产品，亲手理解模型、知识、工具、上下文和Skill。
📦
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、内容、可维护四维度持续打磨Skill。
💻
一个AI Coding原型
把一个高价值Skill推进成可点击、可演示的插件或产品原型。
📚
一组可复制材料
模板、评测包、PRD、工具链接均可在课件里打开。
工具导航
工具链接与资料小册
练习过程中需要用到的入口和模板
总览 3
1 / 3
01
Opening
AI时代，每个人都要成为AI超级个体
AI正在重写岗位标准，个人能力必须升级，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
业务、产品和组织问题，大家已经足够熟悉。本次课程直接进入一个更关键的问题：当AI进入每个岗位以后，一个合格员工的标准会被抬高到什么程度？
核心问题
| 过去的岗位要求 | AI时代的新要求 |
|---|---|
| 把本职工作做到标准 | 本职工作做到标准，还要会用AI提效 |
| 会写报告、做表格、开会协同 | 会让AI整理材料、生成初稿、检查风险、追踪行动项 |
| 懂业务流程和岗位经验 | 能把经验写成Skill，让AI按标准复用 |
| 会给IT提需求 | 能写轻量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“能把工作重新组织起来”的人。
模块1
执行成本下降，人才标准上升
AI把普通执行动作变便宜，也把岗位要求抬高
1-2
STEP 01
执行成本下降
写作、整理、检索、初步分析都被AI压缩。
STEP 02
任务被重新拆分
岗位不再是一整块，而是一组可被重组的任务。
STEP 03
岗位边界变模糊
业务、流程、数据、产品、验收开始交叉。
STEP 04
组织要求重新定价
慢、散、不可复用，会变成竞争劣势。
| 变化 | 对员工意味着什么 |
|---|---|
| 工具门槛下降 | 不懂技术的人也要能搭智能体、写Skill、做原型 |
| 岗位边界被打穿 | 一个业务人员要懂流程、数据、AI、产品、验收 |
| 组织迭代速度加快 | 慢不是风格问题，慢会变成竞争劣势 |
模块1
每个人都在焦虑，但焦虑背后的问题不一样
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 |
| 普通员工 | AI会不会取代我？ | 原来的能力还值不值钱，要补什么能力 |
| 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
普通员工正在变成多面手
本职工作只是起点，AI把每个人推向复合能力
1-6
本职专业懂业务、质量、责任
AI沟通任务、材料、边界
任务拆解目标、步骤、标准
流程理解触发、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，普通员工不是少做事，而是要带着AI做更多层级的事。
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 = 能把AI、Agent、Skill、工具和专业判断组织起来，形成个人工作系统的人。
| 不是 | 而是 |
|---|---|
| 只会复制提示词 | 会拆任务、设标准、验结果 |
| 只会问AI | 会让AI按流程完成具体工作 |
| 一个人更忙 | 一个人能调度更多能力 |
| 只提升个人效率 | 能把方法沉淀给团队复用 |
判
判断
哪些能交给AI，哪些必须自己负责。
拆
拆解
把复杂任务拆成目标、材料、步骤、标准、风险。
配
配置
搭智能体、写Skill、连接工具和上下文。
测
评测
用测试用例和评分标准持续修正结果。
建
构建
把方法做成插件、智能体或产品Demo。
协
协同
把个人方法沉淀出来，让团队复用。
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：未来员工不一定都写复杂代码，但必须能把自己的业务想法搭出来、试出来、讲清楚。
模块1
从超级个体到超级团队
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
组织能力
每个人的经验变成可复用资产。
模块1
企业AI落地最怕三种幻觉
平台幻觉、数量幻觉、全员运动幻觉
1-12
| 幻觉 | 典型说法 | 正确追问 |
|---|---|---|
| 平台幻觉 | 我们买了平台，所以已经AI化了 | 平台里有没有能解决具体问题的Skill？ |
| 智能体数量幻觉 | 我们建了几百个智能体 | 多少人每天使用？节省了哪个环节？ |
| 全员写Skill幻觉 | 每个人都写一个Skill就好了 | 有没有流程、Owner、业务专家和评测机制？ |
结论：企业AI落地不是造热闹，而是把真实工作变成可复用、可评测、可迭代的能力。
模块1
为什么必须围绕流程构建能力
流程是AI稳定落地的锚点
1-13
| 流程里有什么 | 对AI能力建设的意义 |
|---|---|
| 触发条件 | AI什么时候该介入 |
| 角色分工 | 谁使用、谁确认、谁负责 |
| 输入材料 | AI要看哪些制度、表单、记录、模板 |
| 处理步骤 | AI应该按什么顺序做 |
| 输出物 | 最终交付什么格式 |
| 风险边界 | 哪些地方必须人工确认 |
上午核心：不是随便想AI点子，而是围绕领域真实流程，找到可以沉淀Skill的节点。Skill就是Skill，它是Agent能稳定干活的最小能力单元。
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
1-14
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、智能体或业务系统Demo。
| 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 | 插件、智能体或业务系统Demo |
模块1
三句话总结
把方向收住，再进入AI常识
1-15
- AI时代的岗位标准正在升高：会做本职工作，还要会用AI提效、自动化、沉淀方法和验收结果。
- 超级个体不是一个人更忙，而是一个人能调度AI、Agent、Skill和工具，扩大自己的工作半径。
- 超级团队不是人人各玩各的AI，而是把个人经验沉淀成流程、Skill、智能体和应用。
模块1 · 开篇定调
开篇定调 · 快问快答
10题 · 每题10分 · 满分100分 · 答完显示成绩
1-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
第 1 / 10 题
得分：0
1 / 17
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
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
2-2
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
2-3
| 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
2-4
📝
文本生成
纪要、邮件、报告、方案初稿。
🧾
材料整理
制度、表单、记录、反馈的结构化。
🔎
对比检查
合同条款、报销资料、供应商信息完整性。
📊
分析归纳
周报、异常、客户声音、项目风险。
🎓
知识问答
制度问答、流程问答、培训小测。
⚙️
重复执行
按固定规则生成标准输出。
| 同一个质量异常案例 | AI适合辅助什么 |
|---|---|
| 写 | 生成8D初稿、客户回复初稿、内部复盘摘要 |
| 读 | 读取投诉记录、检验记录、历史8D、工艺变更说明 |
| 整理 | 把零散材料整理成事实表、问题清单、缺失信息清单 |
| 对比 | 对比本次异常和历史相似异常的差异 |
| 推演 | 列出可能原因、验证动作和责任人待确认项 |
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
2-5
| 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。
模块2
企业AI五层能力架构
模型只是底座，企业能力在上面
2-6
01模型 LLM理解、生成、推理
02知识 Knowledge制度、流程、历史案例、领域资料
03Skill怎么做事、做到什么标准
04工具连接读写系统、调用表格、触发动作
05上下文 Context用户、任务、权限、当前状态
| 五层能力 | 质量异常8D案例里的样子 |
|---|---|
| 模型 | 能读懂投诉内容，生成分析和报告文本 |
| 知识 | 知道8D模板、质量术语、检验标准、历史案例 |
| Skill | 知道先查材料完整性，再抽事实，再生成初稿 |
| 工具连接 | 能读取检验表、模板文件、历史记录 |
| 上下文 | 知道这次是哪个批次、哪个客户、哪些数据可用、谁来确认 |
模块2
真正智能体的五层结构
大脑、技能、感知、手脚、记忆要一起工作
2-7
| 层 | 通俗说法 | 负责什么 |
|---|---|---|
| 大脑 | 模型 | 理解任务、生成计划、做推理 |
| 技能 | Skill | 知道这类工作应该怎么做 |
| 感知 | MCP / 工具协议 | 看见系统、文件、数据和外部环境 |
| 手脚 | 工具调用 | 查询、读取、写入、生成、触发动作 |
| 记忆 | 知识与上下文 | 记得规则、历史、用户和当前状态 |
例子：真正的“质量异常智能体”不是只回答一句话，而是会检查材料是否齐全、读取检验表、按8D步骤整理初稿，并把最终原因判定留给人工确认。
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
2-8
| 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 |
模块2
三句话总结
把概念收束到方法
2-9
- AI的本质不是聊天框，而是可以被组装成生产系统的多层能力。
- 智能体要稳定工作，必须有知识、Skill、工具连接、上下文和人工断点。
- Skill不是凭空写出来的，它必须回到流程节点、业务规则和真实材料。
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
第 1 / 10 题
得分：0
1 / 12
03
Agent Practice
智能体框架练习
用一个练习把AI、智能体、Skill和企业真实任务串起来。
✓演练产品
✓智能体框架
✓流程迁移
模块3
打开智能体演练产品
先看得见，再讲得清
3-1
🤖
智能体演练产品
点击打开：https://e2e-ai.pages.dev
打开演练
目标：看到智能体不是“更会聊天”，而是能围绕任务执行步骤、产出结果。
1
→
打开链接
进入演练产品页面。
2
→
选择一个任务
观察输入、执行步骤和输出结果。
3
拆解结构
回看它背后需要哪些知识、Skill、工具和人工断点。
模块3
智能体演练后的复盘问题
把体验沉淀成可复用方法
3-2
- 这个智能体解决的是哪个具体任务？
- 它需要哪些输入材料？
- 它在哪些步骤调用了规则或知识？
- 哪些地方不应该让AI直接下结论？
- 如果放回真实流程，可以改造成什么流程节点上的Skill？
模块3
智能体构建公式
目标不是“建个机器人”，而是让一个流程节点跑得更稳
3-3
1
→
选任务
选一个真实、低敏、边界清楚的领域任务。
2
→
还原流程
明确触发、角色、输入、规则、输出和异常。
3
→
绑定Skill
把做事方法写成Agent可调用的规则。
4
→
连接工具
需要文件、表格、网页、系统或知识库时再接。
5
→
设置断点
高风险判断必须交回人工确认。
6
测试迭代
用正常、缺失、混乱、高风险、空输入反复测试。
模块3
构建智能体前，先问五个问题
不要一上来就搭工具
3-4
| 问题 | 要回答什么 |
|---|---|
| 用户是谁 | 哪个领域、哪个岗位、哪类角色使用？ |
| 任务是什么 | 触发场景、输入材料、输出物是什么？ |
| 规则在哪里 | 制度、模板、表单、历史案例、专家经验有哪些？ |
| 工具接什么 | 需要表格、文档、系统、网页还是数据库？ |
| 风险在哪 | 哪些结论必须人工确认？ |
模块3
智能体不是独立存在，它要靠Skill工作
Skill是智能体稳定执行的做事方法
3-5
🤖
智能体
负责理解目标、调度步骤、组织输出。
📦
Skill
负责提供具体做法、判断标准和输出模板。
🏢
业务系统
负责存放数据、流程、记录和权限。
模块3
练习：从智能体反推Skill
不要用虚拟公司，用真实领域任务方向
3-6
1
→
选一个领域任务
例如研发评审纪要、质量8D初稿、供应商评价、招聘简历初筛。
2
→
写出输入输出
输入材料是什么，最终要交付什么。
3
→
拆执行步骤
AI要先检查什么、提取什么、判断什么、输出什么。
4
→
标人工断点
哪些结论只能建议，不能替人决定。
5
沉淀Skill名称
动作 + 对象 + 输出物。
模块3
领域方向，只给方向不编案例
方法统一，材料来自真实工作
3-7
| 领域方向 | 可以带入的材料 | 可能沉淀的Skill |
|---|---|---|
| 研发/产品/工艺 | 需求评审、设计变更、试制记录、测试报告 | 需求拆解、评审纪要、变更影响分析 |
| 生产/质量 | 班组日报、不良记录、8D报告、检验记录 | 日报生成、异常归类、8D初稿 |
| 供应链/采购 | 供应商资料、报价、交付记录、库存报表 | 供应商评价、比价说明、交付风险提示 |
| 销售/市场/客户 | 拜访纪要、报价资料、客户反馈、订单跟进 | 拜访纪要、商机建议、客户问题归因 |
| HR/财务/法务/IT | JD、制度、报销、合同、权限单、故障单 | 简历匹配、报销检查、合同初筛、故障归类 |
模块3
把智能体框架写成提示词
可直接复制使用
3-8
提示词：
请基于我们领域的真实任务，帮我设计一个智能体框架。
任务名称：【填写】
使用者：【填写岗位】
触发场景：【什么时候使用】
输入材料：【列出材料】
输出物：【要生成什么】
对应流程节点：【属于哪个流程/哪个环节】
执行步骤：【先检查、再提取、再判断、再输出】
需要的Skill：【已有/待新建】
工具连接：【文件/表格/网页/系统/无需连接】
人工断点：【哪些风险必须人工确认】
请输出：智能体目标、流程节点、所需知识、所需Skill、工具连接、上下文、风险断点、测试用例、最小可行版本。
模块3
演练产出不是标准答案
不同领域的智能体框架应该不同
3-9
🧪
质量领域
偏问题归因、检验、8D、客户投诉。
🛠️
研发工艺
偏评审、变更、测试、工艺知识。
🚚
供应链
偏供应商、交付、库存、采购。
👥
HR行政
偏招聘、培训、制度、员工服务。
💰
财务法务
偏合规检查、合同初筛、付款资料完整性。
📈
管理层
偏经营摘要、项目风险、会议行动项。
模块3
三句话总结
把智能体和Skill关系收住
3-10
- 智能体不是一个聊天窗口，而是一套围绕流程节点执行任务的能力组合。
- Skill是智能体稳定工作的核心做事方法，必须明确规则、边界和测试。
- 每个领域都要用自己的材料，把真实工作沉淀成流程上的Skill。
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
第 1 / 10 题
得分：0
1 / 12
04
Skill Workshop
领域Skill体系共创
按流程领域扫描材料、识别机会、写出Skill，并用评测标准修第一版。
✓真实材料
✓流程Owner
✓四维评测
模块4
核心原则：Skill必须长在流程上
Skill不是凭空写提示词，而是把流程节点上的最佳实践固化下来
4-1
先定义：这里的“领域”不是组织部门，而是流程领域和业务能力域，比如质量异常处理、供应商评价、招聘初筛、合同初筛、经营周报。
| 如果脱离流程 | 会发生什么 | 正确做法 |
|---|---|---|
| 只按岗位写 | 容易写成个人习惯，别人复用不了 | 回到具体流程节点 |
| 只按工具写 | 容易变成平台功能说明，不解决业务问题 | 先讲触发、输入、输出 |
| 只按数量写 | 容易运动化，产出一堆低质量Skill | 宁可少，必须经过流程验证 |
| 只让普通员工填表 | 隐性经验写不出来 | 找流程Owner和最懂业务的人 |
关键判断：一个高质量、经过流程验证的Skill，比一百个粗糙Skill更值钱。
模块4
正确的Skill建设路径
围绕流程，找对的人，做少而精
4-2
1
→
先回到流程
明确这个Skill服务哪个流程、哪个节点、哪个触发条件。
2
→
找流程Owner
找最懂这段业务逻辑、最清楚好坏标准的人。
3
→
萃取规则
把SOP、模板、案例和隐性判断写成可执行步骤。
4
→
编写Skill
写清适用场景、输入、流程、输出、边界和测试。
5
评测迭代
用真实样例跑分，修完P0/P1再放入平台清单。
模块4
什么样的工作适合做Skill
先选能快速出效果的，不要一上来啃最硬的骨头
4-3
| 类型 | 判断标准 | 例子 |
|---|---|---|
| 高频重复 | 每周、每月都要做 | 周报、月报、会议纪要、客户跟进 |
| 规则明确 | 有制度、模板、检查项 | 合同初筛、报销检查、供应商评价 |
| 经验依赖 | 老员工才知道怎么做 | 异常处理、需求判断、客户分级 |
| 输出标准 | 最终交付物格式固定 | 报告、清单、邮件、表格、方案 |
模块4
练习原则：不给虚拟案例，只给领域方向
用真实流程领域、岗位材料和真实问题
4-4
不要写“假设有一家制造企业”，要写“这个领域现在有某份真实材料，当前用于某个真实工作场景”。
| 领域方向 | 材料入口 | Skill方向 |
|---|---|---|
| 研发/工艺 | 评审、变更、工艺、测试 | 评审纪要、变更影响、测试归因 |
| 生产/质量 | 日报、点检、不良、8D | 日报生成、异常初判、8D初稿 |
| 供应链/采购 | 供应商、报价、交付、库存 | 供应商评价、比价说明、交付风险 |
| 销售/客户 | 拜访、报价、订单、反馈 | 拜访纪要、商机推进、客户归因 |
| HR/财务/法务/IT | 制度、合同、报销、权限、故障 | 制度问答、合同初筛、故障归类 |
模块4
领域材料扫描
先把材料摆出来，再谈AI
4-5
| 材料名称 | 类型 | 使用频率 | 当前痛点 | 可能Skill |
|---|---|---|---|---|
| 销售拜访纪要 | 报告类 | 每周 | 记录不统一、行动项遗漏 | 客户拜访纪要行动项提取Skill |
| 8D报告 | 质量类 | 按事件 | 原因归类慢、格式不稳 | 质量异常8D报告初稿Skill |
| 供应商报价单 | 采购类 | 每月 | 比价说明费时 | 供应商报价比对Skill |
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
4-6
1
→
列L1职责领域
这个领域覆盖哪些大类工作。
2
→
拆L2工作模块
每类职责下面有哪些稳定工作模块。
3
→
列L3具体任务
落到每天、每周、每月具体做什么。
4
标Skill机会
哪些任务高频、规则明确、可复用、风险可控。
模块4
Skill命名规则
动作 + 对象 + 输出物
4-7
✅
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
4-8
| 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 |
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
4-9
| 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 内容 | AI能不能稳定干活 | 工作流、输入、输出、示例、失败处理 |
| ④ 可维护 | 后续能不能迭代 | Owner、版本、测试记录、更新动作 |
模块4
实操：让评测Skill来评测Skill
每写完一版就跑一遍
4-10
🧪
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按四维标准评分。
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
4-11
| 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 |
模块4
小组展示模板
每组2分钟，讲清楚就够
4-12
- 这个Skill对应哪个流程、哪个节点。
- 这个领域识别了多少个Skill机会。
- 首批选择了哪5-10个。
- 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
4-13
- 企业AI能力不是买来的，而是围绕流程节点挖出来、写出来、跑出来的。
- Skill是把个人经验变成组织资产的最小单元，但必须由业务专家和流程Owner共同把关。
- 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
第 1 / 10 题
得分：0
1 / 15
05
AI Coding
把Skill做成插件、智能体或产品原型
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 | 能写轻量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
下午会做两类东西
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。
🤖
智能体
把一个流程节点做成能计划、调用工具、产出结果的Agent。
🖥️
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。
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 Coding | AI Coding |
|---|---|---|
| 需求 | 一句话想法 | 场景、用户、边界、验收标准 |
| 开发 | 一次性生成 | 分模块搭建、逐步确认 |
| 测试 | 看起来差不多 | 正常、缺失、混乱、高风险、空输入 |
| 验收 | 自己觉得可以 | 能演示、能解释、能被业务理解 |
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：写轻量PRD
AI开发前必须先定边界
5-6
| PRD字段 | 要写什么 |
|---|---|
| 使用者 | 哪个岗位打开这个工具 |
| 使用场景 | 在什么工作节点使用 |
| 核心功能 | 输入、生成、展示、复制/导出 |
| 边界 | 哪些事情不做最终判断 |
| 验收标准 | 跑通哪些测试才算完成 |
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：
请基于下面的轻量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. 每一步说明要改哪些页面和逻辑；
3. 每一步都有验收标准；
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。
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、内容、可维护 | 修完P0，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
- 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、智能体或系统Demo。
- AI Coding不是随手生成页面，而是用AI走真实的软件开发流程：需求、开发、测试、验收。
- 从今天开始，震裕科技的各领域团队不只是AI使用者，也可以成为AI工具共创者。
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
第 1 / 10 题
得分：0
1 / 14
06
Evaluation
评测、资料与课后延续
把本次产出变成可复制、可评测、可迭代的领域AI资产。
✓评测包
✓资料库
✓课后行动
模块6
Skill评测包怎么用
严谨评测，而不是凭感觉说好不好
6-1
🧪
Skill 评测操练包
线上可复制：SKILL.md、rubric.md、examples.md
打开
1
→
复制rubric
用四维评分标准约束Skill质量。
2
→
粘贴Skill
让AI输出评分报告和整改清单。
3
修完再测
记录版本和得分变化。
模块6
评测报告应该长什么样
每个扣分必须有证据，每个建议必须能执行
6-2
| 部分 | 要求 |
|---|---|
| 评分概览 | 总分、等级、四维得分 |
| 触发实测 | 10条正例、5条反例 |
| 整改清单 | P0/P1/P2分级 |
| 改写片段 | 给出可直接复制的替换文本 |
| 测试用例 | 正常、缺失、混乱、高风险、空输入 |
模块6
资料库入口
模板、评测标准和PRD入口
6-3
使用建议：需要复用的模板和标准，可以从这里直接打开、复制和继续打磨。
模块6
72小时行动计划
培训结束不是终点，三天内必须见到动作
6-4
| 时间 | 动作 | 产出 |
|---|---|---|
| 1-24小时 | 选定1个Skill继续打磨 | v0.2 Skill文件 |
| 25-48小时 | 找1个真实用户试用 | 反馈和测试记录 |
| 49-72小时 | 向部门负责人展示 | 试点建议和资源需求 |
模块6
给震裕科技部门负责人的一句话
AI资产不是一次培训交付，而是持续运营出来的
6-5
每一个被评测、被修正、被复用的Skill，都是领域经验资产化的一小步。
👤
Owner
每个Skill要有人维护。
🧪
评测
每次更新都跑一遍标准。
📈
数据
记录使用次数、节省时间和问题反馈。
模块6
结束页
从AI超级个体到超级团队
6-6
不是学完一门AI课
而是让每个人成为AI超级个体
让领域经验沉淀为超级团队能力。
让领域经验沉淀为超级团队能力。
震裕科技AI超级个体与超级团队实战内训 · 广东端到端咨询
模块6 · 评测与落地
评测与落地 · 快问快答
10题 · 每题10分 · 满分100分 · 答完显示成绩
6-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
第 1 / 10 题
得分：0
1 / 8