課程收益：

● 重構(gòu)資源投入結(jié)構(gòu)，驅(qū)動降本增效新范式：掌握AI大模型自動化處理文檔、表格和圖像，顯著減少手工操作時間和出錯率，從而提升整體辦公效率和降低相關(guān)運營成本

● 培育人機(jī)協(xié)同智能，激活組織創(chuàng)新動能：掌握AI大模型的應(yīng)用技巧后，將大幅提升其技術(shù)能力，促進(jìn)企業(yè)在技術(shù)應(yīng)用上的創(chuàng)新與發(fā)展。

●解構(gòu)低效流程壁壘，構(gòu)建敏捷協(xié)作生態(tài)：利用AI大模型優(yōu)化和簡化各項辦公流程，提升各部門之間的協(xié)作效率，推動更高效的團(tuán)隊合作。

● 植入可持續(xù)提效基因，量化業(yè)務(wù)成果轉(zhuǎn)化：學(xué)成后可直接應(yīng)用于實際工作，滿足企業(yè)日常辦公需求

課程方式：

講授式（至少2場“AI技能大PK”）+實戰(zhàn)演練：（【示范】-【講解】-【實踐】-【反饋】-【深化】的5步法）+案例研討

第一部分：雙輪驅(qū)動——AI技術(shù)認(rèn)知筑基與國產(chǎn)化實踐躍遷

第一講：AI認(rèn)知筑基——技術(shù)原理與國產(chǎn)化實踐

一、技術(shù)變革與效率革命

1. “AI四要素”框架：算法、算力、數(shù)據(jù)、場景

2. “保安四問”交互原理：是誰？找誰？干啥？填表！

二、開啟AI大門：AI大模型的工作原理

1. AI大模型的基本工作機(jī)制

核心：如何通過大規(guī)模預(yù)訓(xùn)練和微調(diào)來生成自然語言文本？

2. 常見辦公場景中的3大應(yīng)用

1）客戶服務(wù)：自動回復(fù)機(jī)器人

2）內(nèi)容生成：自動翻譯，報告生成

3）數(shù)據(jù)分析：圖表制作，數(shù)據(jù)透視

互動示范：學(xué)員親自體驗AI大模型的對話能力和應(yīng)用效果，加深技術(shù)原理的理解

三、國產(chǎn)化替代路徑

——DeepSeek的全解析

1. 發(fā)展路徑分析

2. 技術(shù)內(nèi)核

3. DeepSeek與Chatgpt的PK戰(zhàn)

4. DeepSeek的底層邏輯與應(yīng)用實例

DeepSeek-R1技術(shù)解析：MoE,數(shù)據(jù)標(biāo)注，數(shù)據(jù)蒸餾

要點：大模型能力邊界實證（能做什么？ vs 不能做什么？）

第二講：剛需場景突破——文檔×數(shù)據(jù)×?xí)h智能革命

一、AI大模型的潛力

1. 大信息量

——超大數(shù)據(jù)（數(shù)百萬行）及超大文件（30MB）以上的文件處理注意事項

2. 高質(zhì)量內(nèi)容

——高敏感內(nèi)容（政策性文件、法律性文件、醫(yī)療健康等）的處理注意事項

3. 提升工作效率

——AHT概念（Average Handling Time）及人工效率的提升測算方式

二、AI大模型的能力邊界

1. 復(fù)雜上下文（背景）情境下的局限性，規(guī)避和優(yōu)化方式

2. 高精度內(nèi)容時的局限性，規(guī)避和優(yōu)化方式

3. 場景匯總：Deepseek版本下的應(yīng)用能力邊界

場景應(yīng)用：有效規(guī)避AI大模型的局限性

——法律場景：法律條款解讀的演示以及根因分析

——醫(yī)療顧問：醫(yī)療咨詢演示以及根因分析

三、AI辦公革命三大核心戰(zhàn)場

核心戰(zhàn)場一：智能文檔處理（IPO鏈條升級→智能體）

技術(shù)：報告自動化2.0

1. 政務(wù)公文規(guī)范生成（公文寫作模塊）

——IPO原則

1）數(shù)據(jù)投喂=“內(nèi)力輸送”

2）Prompt工程=“招式組合”

跨模態(tài)內(nèi)容生成

2. 自媒體爆款文案

案例：AI寫作營

3. 政務(wù)匯報PPT智能生成

操作：PPT自動化

核心戰(zhàn)場二：數(shù)據(jù)智能決策（雙方法論融合）

——四步法升級版

1. 取數(shù)

2. 建模

3. 分析

4. 決策

行業(yè)沙盤演練：

1）金融：信貸風(fēng)險模型（互聯(lián)網(wǎng)銀行案例）

2）政務(wù)：大屏看板制作案例分析（DataV+災(zāi)普Demo）

3）運營商：用戶流失模型（決策樹算法+業(yè)務(wù)理解）

核心戰(zhàn)場三：會議協(xié)作體系重構(gòu)

——智能會議中樞

1. 實時轉(zhuǎn)錄技術(shù)（tts） × 應(yīng)急指揮平臺架構(gòu)（橫向到邊，縱向到底）

2. 會后行動項自動分配

第二部分：八層AI辦工心法——從基礎(chǔ)操作到辦公助理

場景一：文檔處理

第一層：報告自動生成

工作痛點：手工生成報告費時費力，容易因人為疏忽導(dǎo)致錯誤1. AI大模型生成格式規(guī)范報告的3個先決條件

1）提取和組織數(shù)據(jù)的：結(jié)構(gòu)化清洗+維度拆解

2）內(nèi)容邏輯結(jié)構(gòu)設(shè)定：金字塔原理應(yīng)用+行業(yè)模版植入

3）設(shè)置對應(yīng)格式

工具：Deepseek-R1

2. AI大模型生成格式規(guī)格報告的4個步驟

步驟一：數(shù)據(jù)投喂：批量導(dǎo)入、動態(tài)抓取、非結(jié)構(gòu)化處理

步驟二：設(shè)置核心場景的Prompt提示詞——場景化模版庫、變量引擎、風(fēng)格控制器

工具：《AI報告提示詞寶典V3.0》含200+場景模板

步驟三：手動優(yōu)化與細(xì)節(jié)調(diào)整

a 邏輯校準(zhǔn)三原則：數(shù)據(jù)→結(jié)論的因果鏈完整、避免絕對化表述、關(guān)鍵指標(biāo)雙重校驗

b 視覺優(yōu)化：圖表色彩符合CI規(guī)范、重點數(shù)據(jù)添加熒光標(biāo)記

步驟四：合規(guī)風(fēng)控與交付——敏感信息過濾、版本留痕、格式輸出

3. 10個職場常見應(yīng)用場景與實踐

1）通用日常運營類

——工作日報/周報/月報、年度工作總結(jié)與計劃報告、會議紀(jì)要/會議總結(jié)/學(xué)習(xí)心得、產(chǎn)品需求說明

案例：某電商運營團(tuán)隊自動化日報

練習(xí)：輸入昨日銷售數(shù)據(jù)，生成含「異常指標(biāo)紅標(biāo)」「改進(jìn)建議」的簡報（限200字）

工具：DeepSeek日報模板 + Excel插件

2）信息傳遞與決策支持類

——市場調(diào)研/用戶調(diào)研報、項目可行性分析報告、商業(yè)計劃書

案例：新能源汽車用戶畫像：10萬+問卷數(shù)據(jù)聚類生成4類人群標(biāo)簽

練習(xí)：清洗問卷數(shù)據(jù) → 輸出人群特征雷達(dá)圖+購買動機(jī)詞云

工具：Python庫 + Tableau

3）問題分析與改進(jìn)類

——事故/問題分析報告、財務(wù)報表分析/審計報告、行業(yè)戰(zhàn)略分析報告

案例：工廠設(shè)備故障根因追：運維日志自動生成故障樹，關(guān)聯(lián)備件庫存預(yù)警

練習(xí)：輸入報警日志 → 輸出「因果鏈圖」+「預(yù)防措施檢查表」

工具：根因分析儀（本地部署版）

第二層：文檔摘要提煉

工作痛點：閱讀長文檔耗時，易錯過關(guān)鍵信息

1. 應(yīng)用場景

1）核心內(nèi)容理解

技術(shù)挑戰(zhàn)：跨章節(jié)語義連貫性處理

2）會議紀(jì)要精煉

技術(shù)挑戰(zhàn)：口語轉(zhuǎn)書面語的邏輯重構(gòu)

3）學(xué)習(xí)筆記生成

技術(shù)挑戰(zhàn)：概念實體關(guān)系抽取

4）錄音稿摘要

技術(shù)挑戰(zhàn)：多模態(tài)信息融合（語音+文本）

5）二次創(chuàng)作深化

技術(shù)挑戰(zhàn)：風(fēng)格遷移與信息密度控制

2. 文檔中提取關(guān)鍵摘要

1）通過AI大模型提煉重要信息

a 技術(shù)路徑：分層抽取策略

首層：基于TextRank算法抽取核心句（保留原文）

二層：基于Seq2Seq模型生成抽象摘要（重構(gòu)語言）

三層：關(guān)鍵實體增強(qiáng)（人名/機(jī)構(gòu)名/數(shù)據(jù)）高亮標(biāo)注

b 長文檔處理方案

2）通過AI大模型提高閱讀效率

a 效率提升杠桿：信息壓縮率控制、交互式摘要導(dǎo)航、可信度驗證機(jī)制

b 自動標(biāo)注數(shù)據(jù)來源頁

c 矛盾檢測

學(xué)習(xí)實踐：結(jié)構(gòu)化提示詞設(shè)計（含效果驗證）

基礎(chǔ)工具：DeepSeek-R1

增強(qiáng)工具1-音頻處理：訊飛聽見API（中英粵語支持）

增強(qiáng)工具2-格式輸出：Markdown/PPT/知識圖譜（適配WPS/騰訊文檔）

增強(qiáng)工具3-合規(guī)檢查：敏感詞實時過濾（自定義金融/醫(yī)療黑名單）

第三層：自動做PPT

工作痛點：制作PPT常面臨時間壓力大（緊急匯報占比62%）、內(nèi)容組織碎片化（平均耗時4.2小時/份）、信息檢索低效（37%時間用于資料搜集）三重挑戰(zhàn)

1. 應(yīng)用場景與智能解決方案

1）工作總結(jié)：數(shù)據(jù)分散、成果量化難

工具鏈：DeepSeek-R1自動提取業(yè)務(wù)系統(tǒng)日志 → 生成「關(guān)鍵指標(biāo)看板」+「問題根因樹」

2）企業(yè)介紹：品牌一致性難保障

工具鏈：Kimi+企業(yè)庫自動匹配：主色（潘通2945C）+字體（思源黑體）→ 全網(wǎng)搜索競品案例智能排雷

3）技能培訓(xùn)：知識點枯燥、轉(zhuǎn)化率低

工具鏈：輸入課程音頻→DeepSeek生成「互動題庫」+「情景模擬動畫腳本」→ Kimi插入3D模型演示區(qū)

4）產(chǎn)品介紹：技術(shù)參數(shù)與客戶痛點脫節(jié)

工具鏈：爬蟲抓取電商評論→ Gamma生成「客戶需求熱力圖」→ 動態(tài)匹配產(chǎn)品功能頁

2. 生產(chǎn)PPT的2個路徑

路徑1：投喂文檔→生成大綱→修改大綱→輸出PPT→調(diào)整

案例：基于《Q3用戶反饋報告.docx》生成PPT大綱

Kimi優(yōu)化點：啟用「智能避坑」功能，自動過濾敏感詞（如“絕對領(lǐng)先”）

路徑2：全網(wǎng)搜索→生成大綱→修改大綱→輸出PPT→調(diào)整

實戰(zhàn)案例：制作《新能源汽車出海策略PPT》

課堂練習(xí)：銷冠實戰(zhàn)沙盤(工具參考：deepseek+kimi)

場景二：數(shù)據(jù)與會議

第四層：數(shù)據(jù)分析

工作痛點：數(shù)據(jù)輸入和校驗繁瑣易出錯

局關(guān)鍵：通過AI自動化預(yù)處理+ 人機(jī)協(xié)同決策化解傳統(tǒng)數(shù)據(jù)流程瓶頸

1. 基于數(shù)據(jù)分析四步法，AI與人的共同協(xié)作

第一步：取數(shù)–多源異構(gòu)數(shù)據(jù)智能整合

核心操作：多源抓取+異構(gòu)治理

第二步：建模–動態(tài)多維業(yè)務(wù)模型構(gòu)建

維度建模：AI輔助優(yōu)化

1）自動檢測數(shù)據(jù)孤島（如缺失的供應(yīng)鏈數(shù)據(jù)）

2）推薦關(guān)聯(lián)字段（如“促銷活動”關(guān)聯(lián)“客單價波動”）

第三步：分析–智能診斷與根因定位

1）描述性分析：自動生成關(guān)鍵指標(biāo)卡

2）關(guān)聯(lián)性分析：Apriori算法挖掘菜品組合

3）預(yù)測性分析：LSTM預(yù)測未來3天客流量

第四步：決策–人機(jī)協(xié)同策略生成

協(xié)作流程：AI生成備選策略+管理者校準(zhǔn)決策

案例：某企業(yè)特定物品采購量分析

2. 數(shù)據(jù)分析過程

1）源數(shù)據(jù)理解（AI減負(fù)80%人工校驗）：多源異構(gòu)、多維建模、分析方法

2）分析需求落地（人機(jī)協(xié)作閉環(huán)）：業(yè)務(wù)理解、算法選擇、迭代驗證、業(yè)務(wù)校準(zhǔn)

現(xiàn)場演練：連鎖餐廳運營分析沙盤

成果交付：《xxx店鋪運營優(yōu)化方案》

第五層：數(shù)據(jù)圖表

工作痛點：管理層需直觀圖表分析季度業(yè)績，但傳統(tǒng)制圖面臨三重瓶頸。

第一步：取數(shù)——指定數(shù)據(jù)區(qū)域、字段

工具支持：DeepSeek-R1數(shù)據(jù)清洗插件（支持正則表達(dá)式過濾）

第二步：定圖——確定想圖表類型

1）業(yè)績對比：簇狀柱形圖+數(shù)據(jù)標(biāo)簽

2）趨勢預(yù)測：雙Y軸折線圖（實績+預(yù)測線）

3）結(jié)構(gòu)占比：旭日圖（分層占比）

創(chuàng)新功能：語義轉(zhuǎn)圖表、圖表糾錯

第三步：輸出——圖表、數(shù)據(jù)大屏，可視化

工具：多類型圖表操作指令

課堂練習(xí)：季度業(yè)績數(shù)據(jù)分析與圖表生成

成果產(chǎn)出：掌握使用AI大模型分析季度業(yè)績數(shù)據(jù)，生成包括柱狀圖、折線圖等在內(nèi)的多種圖表，學(xué)習(xí)如何直觀展示數(shù)據(jù)分析結(jié)果

第六層：會議信息

方式一：實時記錄會議信息

場景1：專業(yè)會議記錄 – 全鏈路自動化

案例分析：某科技公司使用后，決議事項追溯效率提升80%，會議時長縮短35%

場景2：專屬同傳–低延遲跨語言協(xié)作

突破性能力：語言無感切換、行業(yè)術(shù)語庫綁定、聲紋情緒分析

工具鏈：通義聽悟（實時翻譯）+ 騰訊同傳（術(shù)語優(yōu)化）

場景3：培訓(xùn)學(xué)習(xí)助手 – 知識萃取引擎

核心功能：智能打點標(biāo)記、知識圖譜生成、隨堂測驗生成

方式二：上傳音視頻文件生成

場景1：音頻智能轉(zhuǎn)寫–非結(jié)構(gòu)化治理

創(chuàng)新處理：多人重疊發(fā)言、背景噪音干擾、方言識別

場景2：視頻結(jié)構(gòu)化解析–多模態(tài)理解

解析：技術(shù)架構(gòu)

場景3：專業(yè)翻譯–合規(guī)級本地化

案例分析：企業(yè)級方案——術(shù)語庫預(yù)載、風(fēng)格控制器、安全審計

學(xué)習(xí)實戰(zhàn)：豆包AI工具鏈實戰(zhàn)

場景三：圖像處理場景

第七層：圖像文字識別

工作痛點：紙質(zhì)文檔識別既耗時又容易出錯，影響工作效率

1. 圖像文字識別的5大常見應(yīng)用場景

1）圖片內(nèi)容識別

技術(shù)方案：OCR（EasyOCR）+ 版面分析（LayoutLMv3）+ 語義修正（GPT-4o）

2）PDF智能解析

技術(shù)方案：PDF拆頁（PyMuPDF）→ 矢量文本優(yōu)先提取 → 圖像兜底（Tesseract 5.0）

3）打印文稿自適應(yīng)處理

技術(shù)方案：固定模板匹配（OpenCV）+ 動態(tài)版面分割（UNet）

4）復(fù)雜圖文關(guān)鍵信息抽取

技術(shù)方案：圖神經(jīng)網(wǎng)絡(luò)（GNN）+ 關(guān)鍵信息抽取（KIE）

5）視覺-語言端到端推理

技術(shù)方案：VLPM（Qwen-VL）+ 多模態(tài)理解 → 生成結(jié)構(gòu)化描述

2. 技術(shù)原理與智能躍遷

1）光學(xué)字符識別（OCR）：從掃描到語義

2）計算機(jī)視覺（CV）：機(jī)器之眼的認(rèn)知革命

3）AI大模型：圖像文字編輯的智能躍遷

課堂練習(xí)：使用AI大模型處理掃描某企業(yè)文檔中的文字

成果產(chǎn)出：掌握將各類實體文件轉(zhuǎn)換為可編輯的文字文件，使用AI大模型進(jìn)行識別和編輯，確保內(nèi)容準(zhǔn)確無誤。（每人經(jīng)驗分享）

第八層：AI繪畫與圖片處理

——圖像提示詞結(jié)構(gòu)的四維黃金公式

1. 主體定義——精準(zhǔn)錨定核心元素

創(chuàng)新方案：動態(tài)綁定、跨模態(tài)聯(lián)想

2. 細(xì)節(jié)&背景——增強(qiáng)敘事真實感

工具：細(xì)節(jié)庫

3. 風(fēng)格/媒介/藝術(shù)家——風(fēng)格代碼化

工具：風(fēng)格速查表

4. 參數(shù)——生成控制論

工具：關(guān)鍵參數(shù)組合

課程總結(jié)、回顧與展望