震裕科技AI超级个体与超级团队实战内训 · 詹老师

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

打开斑头雁 BetterYeah AI 智能体平台，亲手理解模型、知识、工具、上下文和智能体结构。

📦

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、执行质量、Benchmark、可维护五维度持续打磨Skill。

💻

一个AI Coding原型

把一个高价值Skill推进成可点击、可演示的插件或业务系统Demo。

📚

一组可复制材料

模板、评测包、PRD和震裕Skill资源平台均可在课件里打开。

1 / 2

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

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	能写详细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

→

岗位

原来是一整块职责。

→

任务拆分

被拆成多个可重组任务。

→

AI化

高频清晰任务先被改写。

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

同岗位更会用AI的人

同样工作更快、更稳、更可追踪。

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。

更小更快的团队

用AI承担过去一个小团队的交付量。

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

→

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。

→

方法结构化

把有效做法写成流程、规则、模板和测试用例。

→

流程节点标准化

明确触发、输入、步骤、输出和风险断点。

→

沉淀为Skill

让AI知道什么时候用、怎么做、做到什么标准。

→

接入Agent/工具

把Skill放进智能体、插件、系统Demo里。

组织能力

每个人的经验变成可复用资产。

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

1-12

→

开篇定调

为什么必须成为AI超级个体。

→

AI通识

讲清AI、Agent、Skill。

→

智能体演练

看到智能体如何执行任务。

→

领域Skill共创

围绕流程挖5-10个Skill雏形。

→

Skill评测

用标准把Skill从草稿改到可用。

AI Coding

做出插件或业务系统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

1-13

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。

1 / 14

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

AI到底是什么：五层技术架构

从算力到应用，先把AI产业链和企业落点讲清楚

2-2

层级	通俗解释	代表内容	企业要关注什么
第五层：应用层 App	员工真正打开来用的AI工具	办公助手、知识问答、审批助手、质量分析工具	有没有进入真实工作流，能否节省时间、降低错误
第四层：平台层 Platform	搭建AI应用和智能体的工具箱	斑头雁 BetterYeah、Dify、Coze、企业内部AI平台	能否管理知识、流程、权限和发布
第三层：模型层 Model	AI的大脑，决定理解、生成和推理上限	DeepSeek、通义千问、GPT、Claude、Gemini	选什么模型、成本多少、效果是否稳定
第二层：算法层 Algorithm	训练和优化模型的方法	Transformer、强化学习、微调、RAG	普通业务人员不必深究，但要知道模型能力来自这里
第一层：算力层 Computing	跑AI的电力和发动机	GPU、数据中心、云计算、推理服务	决定成本、速度、稳定性和可用性

一句话：普通员工看到的是应用层；IT和数字化团队会关注平台层；模型、算法、算力决定底座能力。业务团队最重要的战场，是把应用层和平台层嵌进真实流程。

所以今天不是让大家去造 GPU、训大模型，而是学会把模型能力通过平台、Skill、插件和Demo，变成能在岗位上使用的AI应用。

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

2-3

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

2-4

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

2-5

📝

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

2-6

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。

👉 点击进入互动答题

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

2-7

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

课堂口径：这里先讲到能听懂、能跟练、能写第一版 Skill；Skill 体系的完整方法不在本课展开，课后可看 Skill 体系深入课件。

模块2

三句话总结

把概念收束到方法

2-8

AI的本质不是聊天框，而是从算力、算法、模型、平台到应用逐层组装起来的生产能力。
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

1 / 11

BetterYeah Practice

斑头雁智能体演练

本章只做一件事：带着一个低敏业务场景，从斑头雁 BetterYeah AI 智能体平台进入智能体演练，理解创建、提示词、知识、测试和发布这一套业务智能体方法。

✓进入斑头雁

✓业务提示词

✓测试边界

模块3

本章产出：每组完成一次智能体演练

不跳工具，不讲概念空话，照着步骤做出来

3-1

🤖

斑头雁 BetterYeah AI 智能体平台

点击打开：https://ai.betteryeah.com/

打开斑头雁

课堂口径：本章先不追求复杂集成，每组只用公开或低敏材料，完成一个能回答、能追问、能输出结构化结果的智能体初版。

→

选场景

从质量、生产、供应链、研发、人事、财务里选一个低敏流程节点。

→

进斑头雁

打开斑头雁 BetterYeah AI 智能体平台，进入智能体演练模块。

→

写提示词

把角色、任务、输入、输出、边界写进系统提示词。

→

加知识

按需要接入低敏模板、制度摘要、FAQ或样例。

→

测边界

用正常、缺失、混乱、高风险四类输入测试。

再发布

确认效果可控后发布为课堂演示版本。

模块3

第一步：进入智能体演练

从斑头雁平台进入练习

3-2

统一入口：课堂从斑头雁 BetterYeah AI 智能体平台进入智能体演练，界面以平台当前版本为准。

→

打开斑头雁

进入斑头雁 BetterYeah AI 智能体平台。

→

创建应用

点击创建应用，选择智能体应用。

→

进入智能体配置

按斑头雁平台当前界面完成基础配置，便于后续添加知识、工具并发布。

命名

建议命名为“领域 + 任务 + 助手”，例如：质量8D初稿助手。

模块3

第二步：先选一个业务场景

场景越窄，智能体越容易跑稳

3-3

推荐场景	适合输入	课堂输出物
质量8D初稿助手	客诉描述、不良现象、检验记录、8D模板	事实整理、原因假设、临时措施、待确认事项
供应商交付风险助手	交付计划、延期记录、来料异常、库存缺口	风险等级、原因分类、跟进行动清单
设备点检异常助手	点检记录、故障描述、维修记录、停机影响	异常归类、排查步骤、维修建议和升级提醒
工艺变更评审助手	变更申请、影响范围、试制数据、评审意见	影响分析、缺失材料、评审问题清单

讲师提示：现场优先选质量、生产、供应链这类材料比较清楚、风险可控的场景。不要一上来做审批、责任认定、处罚建议。

模块3

第三步：配置模型、提示词和知识

先把三个核心按钮看清楚

3-4

配置项	课堂看什么
模型选择	选择平台中可用、适合多步理解和工具调用的模型，课堂不纠结参数，先跑通。
系统提示词	系统提示词决定智能体角色、行为边界和输出格式，是本章最重要的配置。
知识库配置	需要引用制度、模板、FAQ或低敏样例时，再把知识库接进来。

讲师提示：实际按钮位置以斑头雁 BetterYeah AI 智能体平台当前界面为准，课堂只看创建、提示词、知识、测试、发布这五件事。

模块3

智能体配置清单：老师带着逐项填

不要让学员面对空白框发懵

3-5

应用名称

质量8D初稿助手 / 供应商交付风险助手 / 设备点检异常助手

使用者

质量工程师、班组长、采购专员、设备工程师等具体岗位。

模型

课堂先选一个平台可用模型，能稳定回答即可。

系统提示词

写清角色、任务、输入材料、执行步骤、输出格式、禁止事项。

知识库

只接低敏模板、制度摘要、公开资料或课堂样例，不上传内部敏感原件。

测试问题

至少准备正常输入、缺材料输入、格式混乱输入、高风险输入四组。

发布

小组内部演示前发布，正式上线前必须再走权限和安全检查。

模块3

业务提示词示例：质量8D初稿助手

直接放进智能体练习的系统提示词

3-6

智能体系统提示词示例： 你是震裕科技质量管理场景下的“8D报告初稿助手”，服务对象是质量工程师和相关业务负责人。你的任务：根据用户提供的低敏客诉描述、检验记录、不良现象、批次信息和8D模板，整理一份“8D初稿辅助材料”。你必须按照以下步骤工作： 1. 先判断输入材料是否足够；如果缺少批次、时间、产品、数量、现象、临时措施等关键信息，先列出缺失项，不要直接编写结论。 2. 从材料中提取事实，只写用户提供的信息，不编造供应商、客户、批号、责任人和数据。 3. 按8D结构输出：问题描述、影响范围、临时围堵措施、可能原因假设、验证建议、纠正预防措施建议、待人工确认事项。 4. 对“根因判定、责任归属、对外承诺、处罚建议、最终结论”必须标为人工确认，不得替人做最终决定。 5. 输出要结构化，优先用表格和清单，语言专业、克制、可复核。如果用户输入的是高风险问题，请先提醒需要人工确认，并只给分析框架和待补充问题。

模块3

再给两个业务提示词方向

不同领域只换任务，不换方法

3-7

场景	系统提示词可写成这样
供应商交付风险助手	你是供应链交付风险分析助手。请根据低敏交付计划、延期记录、来料异常和库存缺口，输出风险等级、主要原因、影响范围、建议跟进行动、需要采购或计划确认的问题。不得编造供应商承诺，不得替负责人做最终处罚或切换供应商决定。
设备点检异常助手	你是设备点检异常整理助手。请根据点检记录、异常描述、维修记录和停机影响，整理异常分类、可能原因、排查步骤、临时处理建议、升级维修条件和待确认事项。不得跳过安全风险，不得替维修负责人做最终停机决定。
工艺变更评审助手	你是工艺变更评审辅助助手。请根据变更申请、影响范围、试制数据和评审意见，输出变更摘要、影响分析、缺失材料、评审问题清单、风险提示和后续验证建议。不得替评审委员会做最终通过决定。

模块3

第四步：用四类问题测试智能体

不是问一句你好，而是测它能不能稳住边界

3-8

测试类型	课堂测试问题
正常输入	这里是一段客诉描述和检验记录，请整理8D初稿辅助材料。
缺失输入	只有一句“客户反馈尺寸异常”，请你处理。
格式混乱	把聊天记录、检验表摘要和口头描述混在一起，让智能体先归类再输出。
高风险输入	请直接判断责任部门并给出处罚建议。

验收标准：正常输入能结构化输出；缺失输入会追问；格式混乱会先整理；高风险输入会停下来提示人工确认。

模块3

测试时看运行轨迹

看它怎么规划、调用知识、形成回答

3-9

看运行结果：在斑头雁平台中输入测试问题，观察智能体如何理解输入、引用知识并形成回答。

老师带看	看什么
回答是否引用了输入材料	有没有编造没给过的数据、客户名、批次或责任人。
步骤是否符合业务流程	是不是先查缺失，再提事实，再给建议。
边界是否清楚	遇到责任、处罚、审批、对外承诺时是否停下来。
输出是否能直接用	表格、清单、待确认项是否清楚。

模块3

第五步：发布课堂演示版本

发布不是正式上线，是方便小组展示

3-10

课堂操作：测试通过后，在斑头雁平台中发布或保存课堂演示版本，便于小组展示和复盘。

课堂边界：这里的发布只用于课程演示和小组复盘。企业正式上线前，还要补权限、数据安全、知识库维护、评测和Owner机制。

模块3

小组实操：30分钟完成一个智能体初版

每组照着这张页推进

3-11

→

选一个场景

质量、供应链、生产、设备、工艺、人事任选一个低敏任务。

→

进入斑头雁

打开斑头雁 BetterYeah AI 智能体平台，进入智能体演练模块。

→

粘贴提示词

用本课模板改成自己领域的角色、任务、输入、输出和边界。

→

接低敏知识

有模板或FAQ就接，没有就先只用提示词跑通。

→

跑四类测试

正常、缺失、混乱、高风险各问一次。

准备展示

展示应用名称、解决场景、提示词亮点、测试结果和下一步要补的资料。

模块3

三句话总结

把智能体演练逻辑收住

3-12

智能体练习不是先点页面，而是先选清楚一个低敏业务场景。
练习顺序是：进入斑头雁平台、选场景、写系统提示词、接知识库、跑测试、再准备展示。
好的业务智能体必须会追问缺失信息、结构化输出结果，并把高风险判断留给人工确认。

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

1 / 14

Skill Workshop

领域Skill体系共创

不再重复概念，直接按流程领域扫描任务、挖掘机会、写出Skill，并用评测标准修第一版。

✓工作架构

✓流程挖掘

✓五维评测

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

4-1

→

列L1职责领域

这个领域覆盖哪些大类工作，例如质量管理、供应商管理、招聘管理。

→

拆L2工作模块

每类职责下面有哪些稳定工作模块，例如客诉处理、供应商评价。

→

列L3具体任务

落到每天、每周、每月具体做什么，例如生成8D初稿。

标Skill机会

判断哪些任务高频、规则明确、可复用、风险可控。

🧩

流程体系的Skill平台

点击打开：https://zhenyuskill.com/all-skills

打开平台

模块4

打开流程小册：看一次完整挖掘

先看别人怎么从流程节点挖出Skill

4-2

🧭

流程小册：Skill 挖掘分析报告

云帆数据客户需求交付流程 · 按节点评分、排序、封装预览

打开小册

小册里要看什么	对应课堂动作
流程节点清单	不要泛泛找场景，而是逐节点看哪里能AI化。
AI可执行度 / 重复频率 / 价值 / 实现难度	把感觉判断变成评分判断。
Top 3 优先实施建议	从一堆机会里选首批，不要平均用力。
封装预览	看一个节点如何变成可复用 Skill。

模块4

按流程节点做适合度分析

不是头脑风暴，是逐节点打分

4-3

评分维度	高分表现	低分提醒
AI可执行度	输入输出清楚，规则能写成步骤	依赖临场判断，规则说不清
重复频率	每周、每月、每个项目都会发生	一年偶尔一次
价值释放空间	节省时间、减少返工、提升一致性明显	只是锦上添花
实现难度（反向）	不需要复杂系统集成，低敏材料即可试跑	强依赖权限、接口和敏感数据
风险可控	只做初稿、提醒、检查和建议	涉及最终审批、付款、责任认定

模块4

用 Qoder 挖出 Skill 机会清单

把工作架构交给AI，但判断权在人

4-4

Qoder提示词： 请你作为企业 AI 能力架构顾问，基于我们领域的真实工作架构，帮我挖掘 Skill 机会。领域名称：【填写】 L1职责领域：【填写】 L2工作模块：【填写】 L3具体任务：【填写】现有材料：【流程、制度、表单、报告、模板、案例】常见痛点：【耗时、返工、漏项、经验依赖、格式不统一】敏感边界：【哪些资料不能上传，哪些结论不能由AI决定】请输出： 1. 逐个L3任务的Skill适合度分析； 2. 每个机会的AI可执行度、重复频率、价值、实现难度、风险可控评分； 3. 15-30个Skill机会清单； 4. Top 5-10首批建议； 5. 暂缓项和原因； 6. 每个首批Skill的输入材料、输出物和人工断点。要求：不要编造业务材料；如果信息不足，先列出需要补充的问题。

模块4

Skill优先级排序

先做少而精，不做运动式清单

4-5

维度	高分标准
价值	节省时间明显、减少错误明显、影响人数多
可行	输入材料清楚、规则明确、输出格式稳定
风险	不触碰重大审批、资金、合规红线
复用	多人、多项目、多周期可以重复使用

排序提示词： 请对以下 Skill 机会进行优先级排序。评分维度：价值、可行性、风险可控、复用性，每项1-5分。请输出：评分表、首批建议做的5-10个Skill、暂缓原因、每个首批Skill的建设建议。 Skill机会如下：【粘贴机会清单】

模块4

Skill命名规则

动作 + 对象 + 输出物

4-6

✅

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

4-7

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

点到为止：现场只要求大家写出可继续打磨的第一版 Skill，不在这里展开完整 Skill 体系。想深入学习的同学课后看 Skill 体系深入课件。

Skill体系深入课件

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

4-8

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 执行质量	AI能不能稳定干活	工作流、输入、输出、示例、失败处理
④ Benchmark	能不能复跑和比较	测试用例、预期行为、评分规则、结果落盘
⑤ 可维护	后续能不能迭代	Owner、版本、更新记录、引用材料

模块4

实操：让评测Skill来评测Skill

每写完一版就跑一遍

4-9

🧪

Skill 评测操练包

打开后复制 rubric.md 或 SKILL.md 进行评测

打开

→

粘贴Skill初稿

让AI按五维标准评分。

→

读取P0/P1/P2

P0必须当场修完。

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

4-10

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

平台承载：震裕 Skill 资源平台用于课前下载课堂资源、课中上传小组 Skill 成果、课后分享可复用版本。入口：https://zhenyuskill.com/login

打开震裕Skill资源平台打开 Qoder

模块4

小组展示模板

每组2分钟，讲清楚就够

4-11

这个领域的L1 / L2 / L3工作架构是什么。
我们按流程节点识别了多少个Skill机会。
首批选择了哪5-10个，为什么。
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

4-12

第四章不再重复概念，直接从领域工作架构和流程节点挖 Skill。
Skill机会不是想出来的，而是沿着L3任务逐个评分筛出来的。
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

1 / 14

AI Coding

把Skill做成插件或产品Demo

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	能写详细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

下午只做两类东西

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。

🖥️

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。

说明：智能体前面已经练过，下午不再把“搭智能体”作为单独选题。想轻量落地就做插件，想表达完整业务流程就做Demo。

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：写完整插件PRD

完整到Qoder可以从0到1复刻插件

5-6

打开 Qoder

PRD字段	要写什么
用户和场景	哪个岗位、在哪个流程节点、为了完成什么任务
页面结构	有哪些区域、按钮、输入框、输出区和状态提示
数据结构	页面读取什么字段，输出什么字段，如何存储
Skill逻辑	角色、步骤、输出格式、人工确认点和不适用边界
测试验收	正常、缺失、混乱、高风险、空输入、API失败怎么测

下载神秘小礼物

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： 请基于下面的完整插件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. 每一步说明要创建或修改哪些文件； 3. 每一步都有明确验收标准； 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； 6. 不要新增PRD范围外的功能。 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

→

页面骨架

标题、说明、输入区、生成按钮、输出区。

→

示例输入

给一段低敏样例，帮助用户知道怎么用。

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、执行质量、Benchmark、可维护	修完P0，落盘benchmark，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

打开震裕Skill资源平台

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。

延伸学习：AI Coding课程

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

1 / 14

Action

总结与课后行动

前面已经讲完AI、智能体、Skill、AI Coding和评测；最后只做一件事：把课堂能力带回真实业务。

✓一页总结

✓课后行动

✓真实结果

模块6

一页复盘：今天到底学了什么

从理解AI到把能力放回工作流

6-1

今天讲过	真正要带走的能力
AI常识	知道AI不是魔法，而是算力、算法、模型、平台、应用组成的能力系统。
智能体	知道智能体靠目标、知识、工具、流程、提示词和Skill协同工作。
领域Skill	知道如何从L1/L2/L3工作架构和流程节点里挖出可复用能力。
AI Coding	知道如何把一个Skill推进成插件或业务系统Demo。
评测	知道Skill和产品原型都要用测试、边界和验收标准不断打磨。

收束：这一部分不再重讲评测方法，只讲课后怎么行动。

模块6

回去第一件事：把一个Skill打磨到可用

别把今天的Skill停在课堂草稿里

6-2

→

选一个真实场景

从今天的清单里选最有价值、最低风险、最容易试跑的一个。

→

补齐真实材料

回到业务领域，补低敏样例、模板、制度和历史输出。

→

打磨Skill

把适用场景、输入、步骤、输出、边界、测试继续写细。

交出结果

跑出一份真实报告、清单、初稿或分析结果，而不只是截图。

模块6

从自己用，到影响别人用

Skill的价值不在写出来，而在被复用

6-3

阶段	目标	判断标准
自己用	让自己一个真实任务省时间、少返工	能连续跑3次，输出可用。
同岗位用	分享给1-3个同事试用	别人不用你解释，也能按步骤使用。
部门共用	沉淀到部门清单或内部平台	有Owner、有版本、有反馈、有迭代。

一个好的Skill，不是“我会用AI了”，而是“别人也能复用我的做事方法”。

模块6

勇敢踏出AI Coding这一步

把过去干不到的东西，先做成能看的版本

6-4

🧩

插件

把Skill插在浏览器或业务页面旁边，用在真实工作现场。

🖥️

系统Demo

把流程、输入、输出和报告做成可点击原型。

📄

真实报告

让工具跑出能被业务讨论的结果，而不是只停留在想法。

关键动作：先不用追求完整系统，先用AI Coding把一个过去很难推动的想法做成可演示、可测试、可讨论的版本。

模块6

让AI能力进入真实工作流

最终不是展示Demo，而是嵌回系统和流程

6-5

落地方式	可以怎么做	示例
插在系统旁边	做浏览器插件、侧边栏、复制/填入按钮	流程审批分析、合同初筛、报销检查
接到业务流程里	在流程节点触发Skill，输出待确认结果	质量8D初稿、供应商评价、招聘匹配
形成可追踪结果	保留输入、输出、人工确认和修订记录	一份报告、一张清单、一次评审结论
持续打磨	根据同事反馈修Skill、修页面、修测试用例	从个人工具变成团队能力

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

而是每个个体开始成为AI超级个体
把自己的经验、判断和方法
沉淀成团队可以复用的技能资产。

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

1 / 7