AI Agent设计与提示工程实战—企业AI先锋核心能力建设工作坊

AI Agent设计与提示工程实战—企…适合带着现有问题进入课堂，通过走出认知迷雾：大模型的能力边界在哪里把做法和跟进节奏校准清楚

1-2天 人工智能应用
授课讲师： 蔺军 · 工业数智化实战专家
获取课程方案 查看课程大纲

课程大纲

认知重塑：大模型能力边界与企业级应用判断

一、走出认知迷雾：大模型的能力边界在哪里
  • 1. 大模型的核心能力图谱
  • 大模型的三个强项领域
  • 1. 语言生成与摘要提炼，从复杂文本中提取关键信息并以结构化方式呈现
  • 2. 代码生成与逻辑推理，根据自然语言描述生成代码片段或解决逻辑问题
  • 3. 内容创作与创意激发，在给定框架下生成高质量的文本内容
  • 大模型的三个核心短板
  • 1. 缺乏真实业务数据支撑，面对企业内部专有知识时容易出现幻觉
  • 2. 缺乏特定工具操作能力，无法直接调用企业内部系统
  • 3. 缺乏任务执行的闭环意识，需要人工编排才能形成完整的工作流
  • 2. 制造业场景中的通用模型困境
二、从零到一：用场景定位画布快速判断业务可行性
  • 1. 场景定位画布的四个关键维度
  • 通过对四个维度的逐一评估，快速判断一个业务需求是否适合交给大模型解决
  • 2. 实战
  • 演练：用画布评估三个真实业务场景
三、标杆案例拆解1：青山工业十大AI智能体——制造业多智能体协同的落地实践
  • 核心亮点：多智能体分层协同架构
  • 案例拆解：痛点还原；架构拆解；可复用原则

提示工程进阶：从会问到精调

一、提示工程的核心方法论
  • 1. 从对话到设计：提示工程的思维跃迁
  • 2. 需求→任务→指令三层转化模型
  • 1. 业务需求层：将业务人员模糊的需求转化为清晰的任务描述
  • 2. 任务拆分层：将一个复杂任务拆解为多个子任务，明确每个子任务的输入和输出
  • 3. 指令设计层：将子任务编写为模型可执行的提示词，并设计相应的输出格式约束和验证规则
  • 核心价值：将不可控的黑箱对话转变为可复用的白箱方法
  • 3. 多角色提示框架与上下文关联设计
  • 1. 多角色提示框架是一种经典的进阶技巧
  • 2. 上下文关联设计的核心原则
  • 4. 常见陷阱与调优技巧
二、针对制造业五大典型场景的提示词设计
  • 1. 销售线索处理场景
  • 2. 合同/技术规范审阅场景
  • 3. 技术文档生成场景
  • 4. 运营数据分析场景
  • 5. 设备故障诊断场景
三、标杆案例拆解2：Coze发票识别助手——零代码提效83%的制造业财务实践
  • 案例分析重点：三大关键设计——OCR识别→字段映射→逻辑验证→异常处理的四层流水线设计；内置税务规则引擎对金额合计、税率计算等业务规则的自动校验；以及与传统开发模式的直观对比

AI Agent设计方法论：从需求到落地的全流程

一、AI Agent的核心架构与工作原理
  • 1. 感知层、决策层、执行层三层架构
  • 从工程化视角拆解AI Agent的三层核心架构
  • 感知层
  • 决策层
  • 执行层
  • 2. Agent如何让大模型知行合一
二、从需求到落地：四阶段工作流设计方法
  • 1. 需求拆解阶段
  • 2. 流程编排阶段
  • 3. 工具调用阶段
  • 识别并接入Agent需要调用的
  • 工具：企业内部系统API（ERP、MES）、外部知识库（技术规范库、合同模板库）、以及通用的AI能力（OCR、代码生成、数据分析）
  • 4. 效果评估阶段
三、标杆案例拆解3：库迪咖啡×Coze AI巡检员——近20个智能体覆盖1.8万家门店

制造业典型场景实战工坊

内容重点
  • 场景一：销售线索智能处理Agent
  • 1. 场景背景与需求定义
  • 2. Agent设计方案
  • 流程编排：设计信息提取→评分模型→分级分流→话术生成四段式工作流
  • 3. 标杆案例拆解4：跨国供应链知识审计Agent——读懂工业表格的金牌审计员

成果验收与能力沉淀

一、小组成果汇报与互评
  • 其他小组使用统一评分表进行交叉评分，综合点评
二、AI Agent平台选型对比：Coze vs. Workbody vs. Dify
三、企业AI知识库沉淀与能力评估机制
  • 1. 各事业部可复用案例的标准化沉淀
  • 2. AI能力评估锚点与人才激励机制建设
  • 初级认证：完成提示工程基础模块并通过测试
  • 中级认证：独立完成一个业务场景的Agent设计并成功部署
  • 高级认证：主导跨部门、多智能体协同项目的设计与落地
  • 3. 后续行动计划制定

课程总结与行动实践指南

一、核心能力回顾与刻意练习计划
二、行动实践指南
  • 1. 课后30天行动路线图
  • 第一周（能力巩固）
  • 第二周（场景选定）
  • 第三周（原型搭建）
  • 第四周（试点验证）
  • 2. 团队协作与持续学习建议
三、推荐学习资源与工具
四、现场答疑与问题诊断

适合对象

建议由业务负责人、项目骨干、内训师和正在试点AI工具的团队共同参加，把任务场景、提示词设计、输出校验和风险边界转成课后可继续推进的动作

课程定位与主要问题

AI任务拆解、流程嵌入和输出复核复盘时，问题、方法和课后检查点需要连起来，便于回到岗位继续推进

核心收益

  • 先确认工具场景、输入要求和输出校验，让训练目标更具体
  • 大模型能力边界与企业级应用判断和走出认知迷雾：大模型的能力边界在哪里会被串成一组可练习的AI应用
  • 流程复用更容易：提示词、流程嵌入和风险复核检查方法是否适合团队日常任务
查看更多收益 收起更多收益
  • 人工复核有抓手：大模型的核心能力图谱相关的试点清单、检查点和下一次复盘安排

课程背景与交付信息

当前，以大模型为核心的AI技术正加速向实体产业渗透。工业企业中已经应用大模型及智能体的比例从2024年的9.6%提升到2025年的47.5%，其中已在多环节开展应用的企业从1.7%提升到35%。从智能客服到工艺优化，从设备预测性维护到知识管理，AI智能体正在重新定义制造业的运营效率边界

然而，多数企业内部AI人才的培养速度远远跟不上技术发展的节奏。对于承担企业AI战略落地核心任务的AI先锋骨干而言，普遍面临三个突出的能力痛点：一是对大模型能力边界认知模糊，面对业务需求时想得到，设计不出，不知道什么样的任务适合交给大模型、什么样的任务需要人机协同；二是提示工程、Agent搭建等核心技能缺乏系统训练，工具应用停留在浅层对话，无法充分释放模型的潜能；三是缺乏端到端AI项目设计经验，无法独立承接事业部的AI场景需求，难以将业务问题转化为可落地的技术方案。这些短板直接制约了后续AI Agent平台的选型落地…

基于以上现实，本课程紧扣用得起来、用得出价值的核心目标，通过系统化能力训练，帮助AI先锋骨干完成从工具使用者到智能体架构师的角色跃迁，为企业AI Agent平台选型和业务场景深度落地做好充分的人才储备和能力铺垫

课程时间

1-2天

授课方式

理论讲授、案例拆解、分组实战工作坊、现场互评

课程内容重点

01认知重塑：大模型能力边界与企业级应用判断
02走出认知迷雾：大模型的能力边界在哪里
03大模型的核心能力图谱
04大模型的三个强项领域
05语言生成与摘要提炼，从复杂文本中提取关键信息并以结构化方式呈现

讲师介绍

蔺军 讲师头像

蔺军

工业数智化实战专家

浙江大学工学博士，正高级工程师。21年工程管理及12年数智化实战经验，主导3家龙头企业数智化转型，擅长智能建造与大型工程全周期管理，兼具深厚学术背景与丰富一线实战成果

建筑工程钢结构桥梁工程智能制造航空航天
查看讲师主页

课程差异说明

本课程页面围绕《AI Agent设计与提示工程实战—企业AI先锋核心能力建设工作坊》重点呈现课程定位、适合对象、核心收益和 6 个主要模块，便于快速判断培训匹配度

课程常见问题

这门课适合哪些学员参加？

适用于业务负责人、项目骨干、内训师和正在试点AI工具的团队，也适合承担AI任务拆解、流程嵌入和输出复核支持工作的关键岗位。

学习这门课可以获得什么收益？

先确认工具场景、输入要求和输出校验，让训练目标更具体；大模型能力边界与企业级应用判断和走出认知迷雾：大模型的能力边界在哪里会被串成一组可练习的AI应用。

课程通常安排多长时间？

课程通常可按1-2天安排，具体节奏会结合企业培训目标、学员基础和现场安排确认

课程采用什么授课方式？

课程主要采用理论讲授+案例拆解+分组实战工作坊+现场互评，强调理解、讨论、工具练习和业务场景应用

企业可以基于这门课做定制吗？

可以。正式交付时可结合企业行业、岗位对象、当前问题和培训时长，对案例、练习和重点模块做适配