课程总览
一、为什么企业今天需要的不只是AI工具，而是智能体？
- 1. 智能体到底是什么？
- （1）从聊天问答到任务执行：AI应用形态的升级路径
- （2）智能体与大模型、RPA、工作流工具的关系与区别
- （3）什么样的任务适合交给智能体，什么样的不适合
- 2. 企业为什么开始重视智能体？
- （1）信息密集、流程复杂、跨系统协同成为企业常态
- （2）单点工具提效有限，任务链自动化需求上升
- （3）企业竞争正从会不会用AI转向能不能把AI嵌进业务
二、企业业务场景里，智能体最先会在哪些地方创造价值？
- 1. 职能部门场景
- （1）人力：招聘初筛、制度问答、培训助手、人才盘点辅助
- （2）财务：报销审核辅助、费用分类、经营数据解读、预算分析
- （3）法务：合同预审、条款比对、风险提示、知识检索
- 2. 经营与服务场景
- （1）市场与品牌：内容生成、情报搜集、活动复盘、传播助手
- （2）运营：SOP问答、流程跟踪、周报汇总、异常提醒
- （3）客服：知识问答、工单辅助、投诉归因、服务建议生成
- 3. 如何筛选优先试点场景？
- （1）高频、重复、规则相对清晰的任务优先
三、以OpenClaw为例，企业级智能体是怎么想和做的？
- 1. OpenClaw这类智能体平台的核心能力是什么？
- （1）理解任务：接收目标、拆解步骤、规划执行路径
- （2）调用能力：接入浏览器、文件、系统、知识库与外部工具
- （3）执行闭环：从分析、操作到输出结果形成完整流程
- 2. 一个智能体任务通常由哪些部分组成？
- （1）角色定义：它是谁，负责什么，边界在哪里
- （2）任务目标：要完成什么结果，标准是什么
- （3）知识与
- 工具：要查什么资料，用哪些系统，调用哪些能力
- （4）约束与反馈：权限、审批、异常处理、结果回传
四、企业如果要搭建一个业务智能体，应该怎么设计？
- 1. 第一步：先定义业务问题，而不是先选工具
- （1）明确业务目标：提效、提质、降错、降本还是增收
- （2）明确目标用户：员工用、主管用、客户用还是跨部门共用
- （3）明确结果标准：什么叫完成，什么叫有效
- 2. 第二步：设计智能体任务链
- （1）输入是什么：表单、指令、文件、知识库、系统数据
- （2）处理流程是什么：检索、判断、汇总、生成、调用、反馈
- （3）输出是什么：答案、报告、审批建议、工单、草稿、提醒
- 3. 第三步：设计知识源与工具链
- （1）内部知识库如何接入，哪些文档适合做知识底座
五、智能体落地时，企业最容易踩哪些坑？
- 1. 认知层面的常见误区
- （1）把智能体当万能员工，忽视边界和失败场景
- （2）只追求炫技演示，忽视真实业务价值
- （3）只看单点效率，不看组织协同和制度配套
- 2. 实施层面的常见问题
- （1）知识源质量差，导致回答和执行不稳定
- （2）权限设计混乱，带来安全和合规风险
- （3）缺乏试点指标与复盘机制，难以形成持续迭代
- 3. 企业治理建议
六、企业如何迈出智能体试点的第一步？
