Coze / 扣子 ↗
知识库、工具、工作流
做一个有明确任务的助手
比如：读报名表 → 检查缺项 → 整理名单
开场AI 从个人使用到企业实践
AI 从个人使用到企业实践
在学校里，帮自己做事。
走进企业，帮别人解决问题。
佟子烨
天津大学 · 管理科学与工程博士生
江河智序创始人
信息系统专业 · 学科前沿讲座
基础进阶个人企业
开场AI 从个人使用到企业实践
大家在用什么 AI
正在连接课堂已加入 — 人
连接课堂后显示实时票数
最近用过的都可以选 · 多选比例之和可以超过 100%
开场AI 从个人使用到企业实践
大家把 AI 用在哪里
正在连接课堂本题 — 人提交
连接课堂后显示用途分布
读取课堂配置中
个人 · 基础AI 从个人使用到企业实践
我的日常工作
研究论文、基金、投稿
附件与修改意见要找得到。
附件与修改意见要找得到。
项目客户、交付、报销
答应的事，要记得做。
答应的事，要记得做。
日常会议、日程、临时通知
临到截止日期才想起来。
临到截止日期才想起来。
个人 · 基础AI 从个人使用到企业实践
从一段对话开始
01 事情太多02 先问 AI03 试现成工具
我“我太忙了，想优化工作流，怎么办？”
Codex试试飞书多维表格。
任务截止时间当前进度
那时候还没准备做 Axio，先拿现成工具试。
个人 · 基础AI 从个人使用到企业实践
从飞书到 Axio
当时想接上的东西
本地论文文件读过的材料和原文
散落的 prompt 与想法说过什么，后来怎么改
任务、日程和知识从一份通知，走到一次行动
这是我当时的需求和使用体验。
个人 · 基础AI 从个人使用到企业实践
第一版怎么翻车的
社交平台吐槽截图 · 非控制实验，点击可放大
我自己也遇到过
“做好了。”
连接按钮点了没反应。
软件没装，却说装了。
iTerm2 少写了一个 2。
绕了一大圈，最后回到最简单的版本。
绕了一大圈，最后回到最简单的版本。
个人 · 基础AI 从个人使用到企业实践
Axio 实际演示
个人 · 基础AI 从个人使用到企业实践
任务、日程与截止日期
个人 · 基础AI 从个人使用到企业实践
现场试一下
拿同学的一件事来试现场输入
正在连接 DeepSeek…
DeepSeek把一件事，拆到能动手。
先找缺少的信息，
再列步骤、第一步和待核对项。
输入内容会发送给 DeepSeek；不填姓名、学号或敏感资料。
个人 · 基础AI 从个人使用到企业实践
工具与软件推荐
个人 · 基础AI 从个人使用到企业实践
搭自己的 AI 助手
OpenClaw ↗
大家说的“龙虾”
在电脑或服务器上运行助手
比如：在消息里交代任务，让助手调用工具
Hermes Agent ↗
开源 Agent 框架
工具、记忆与 Skill
比如：把反复做对的步骤存成可复用方法
助手装在自己电脑上，模型也可以在云端。这些是各自适合介绍的特点，功能并不互斥。
技术 · 基础AI 从个人使用到企业实践
大模型基础
训练
训练数据
调整参数
形成模型
参数：从训练中形成的数值。
推理
本次输入
模型计算
生成输出
使用已有参数，生成文字或工具调用请求。
上传通知改变本次输入，
不会自动重新训练模型。
不会自动重新训练模型。
课堂模拟课程汇报
我读这些课程材料，做一份有来源的汇报。课程材料.pdf
模型输出先提取交付要求和材料中的证据，再整理汇报提纲。
Token：信息处理单位，不固定等于一个字。
上下文：本次调用实际拿到的信息。
技术 · 基础AI 从个人使用到企业实践
上下文与输入
材料在哪里
电脑里的文件通知 · 阅读材料 · 笔记
本次读取的内容当前版本与相关段落
读取 / 检索 / 送入调用
本次上下文
任务要求 + 相关原文
有效规则 + 工具返回结果
存在磁盘上 ≠ 已经进入上下文。
课堂模拟先把要求补齐
我帮我按老师的要求做汇报。
模型输出当前没有老师的通知。请提供材料，并确认要交的文件格式。
我附上最新通知。缺少的信息先列出来，每个关键事实保留出处。
版本、冲突、缺项，先检查再生成。
技术 · 基础AI 从个人使用到企业实践
应用与工具调用
课堂模拟读取“课程通知.pdf”
① 模型：提出请求读取这个文件，提取课程汇报的交付要求。
② 应用 / 工具：执行操作检查读取权限 → 打开文件 → 返回提取内容或错误。
③ 模型：依据结果继续读取成功：整理要求。
读取失败：处理错误，不能假定已经读过。
读取失败：处理错误，不能假定已经读过。
应用
组织界面、账号、文件和任务状态。
模型
理解输入，生成内容和调用请求。
工具
真正读写文件、搜索、计算、执行。
只有“已保存”找到文件并打开核对
豆包 / DeepSeek：对话与阅读
WorkBuddy：文件任务 · Codex：代码与检查
技术 · 基础AI 从个人使用到企业实践
Agent 与 Harness
Harness把运行条件接起来
上下文工具权限检查
选择下一步
调用工具
读取反馈：继续、修改或结束
保存状态 · 控制何时继续 / 停止
固定工作流预先规定步骤；也可与 Agent 混用。
课堂模拟汇报文件检查
工具反馈文件已生成；检查发现一页内容溢出。
Agent 的下一步缩减这一页的文字，重新生成并再次检查。
停止条件文件可打开、内容无漏项、来源可核对。
Agent：根据目标与执行反馈选下一步。
Agent runtime 与 Harness 用法有重叠；
不同于负责权重计算的推理运行时。
技术 · 基础AI 从个人使用到企业实践
我的 AI 工作区
E07 · 生产智能定员与排班
E07_生产智能定员与排班/
├── README.md
├── 01_赛题原始要求.md
├── 02_方案与功能边界.md
├── 03_数据清单与字段模板.md
├── 04_Demo与验收说明.md
└── rongsheng_scheduler/
├── server.py
├── staffing.py
├── web/v2.js
└── design-qa.md技术 · 基础AI 从个人使用到企业实践
AGENTS.md 与项目规范
# AI-Research-Workspace Agent Rules All agents must read these files at task start: 1. `_shared_memory/BOOTSTRAP.md` 2. `_shared_memory/WORKSPACE_ROUTING.md` 3. `_shared_memory/AGENT_LEARNINGS.md` ## Working Language Default explanation language is Chinese. ## Workspace Routing Use one primary content block per task:
工作区 AGENTS.md 节选
这些规则在管什么
先读哪些材料
用什么语言
把文件放在哪里
先检查客户端有没有读取。
再看它是否真的遵守，
有没有增加不必要的工作。
再看它是否真的遵守，
有没有增加不必要的工作。
这是上下文指令，
不是参数微调。
技术 · 基础AI 从个人使用到企业实践
Skill 与方法复用
paper-intro-check/
SKILL.md必需
什么时候用
拿到材料后怎么做
做完检查什么
scripts/可选：检查或处理文件的脚本
references/可选：详细规则、例子
assets/可选：输出时用到的模板
简单任务，一个 SKILL.md 就够了。
同一件事，别每次重新交代把做过、改过的方法
把做过、改过的方法
存成一个文件。
AGENTS.md这个项目有什么通用规则
Skill这类具体任务怎么做
客户端需要支持并加载它。
加载指令不会改变模型参数。
加载指令不会改变模型参数。
技术 · 进阶AI 从个人使用到企业实践
我的论文修改 Skill
advisor-style-analytical-modelingSKILL.md · 原文节选
1. Practical phenomenon -> strategic trade-off -> research question. 2. Model setup -> endogenous choices -> equilibrium result. 3. Proposition/lemma -> mechanism -> link to main contribution. 4. Main finding -> boundary condition -> managerial implication. If any link is weak, flag it before rewriting.
从导师的批注和修改稿中，整理反复出现的检查要求。
这段文件让 AI 先查什么
引言
现实里发生了什么？
谁在做选择？两难在哪？
模型
谁先行动、谁后行动？
谁能决定哪些变量？
结论
结果为什么成立？
换个条件还成立吗？
先指出问题，再改写。
保存的是修改规则，
不能代替导师的判断。
技术 · 进阶AI 从个人使用到企业实践
做一个自己的 Skill
paper-intro-check/SKILL.md
--- name: paper-intro-check description: "检查论文引言是否讲清现实问题、决策矛盾和研究问题。" --- ## 执行步骤 读原文，圈出研究对象与决策问题。 找出缺少解释、证据或过渡的地方。 按“原句 → 问题 → 建议修改”输出。 ## 检查要求 不编造事实或参考文献。 不把未证明的猜想写成结论。 保留作者原来的研究问题。
这里只生成文件，尚未安装或调用。
先拿一段真实引言试跑。它漏了什么，就回到文件里改什么。
技术 · 基础AI 从个人使用到企业实践
订阅与 API
我在软件里使用
订阅
买应用里的权益与额度
| WorkBuddy 标准版 | ¥99 / 单月 |
| ChatGPT Plus | $20 / 月 |
| Claude Pro | $20 / 月 |
公开价核验于 2026-09-20；额度、税费、地区和开发工具权益以实际套餐为准。
我的程序调用模型
API
按模型、输入、输出等计费
10,000 输入 token$0.10
2,000 计费输出 token$0.10
这笔算例$0.20
GPT-6 Astra 标准基础价演算，非实测账单；含适用推理 token 的总输出，不含工具等附加费。
聊天会员和 API 额度是否互通，要看具体产品。
技术 · 基础AI 从个人使用到企业实践
模型评测与选择
DeepSeek-V4.1-Flash · 官方自测
65.6Codex 框架
→74.2mini-SWE
模型相同，工作环境也会影响成绩。
DeepSWE v1.1 resolved · reasoning_effort=100
跨框架表：每题 N=8，最多 500 步
自己的课程任务怎样比较
| 固定条件 | 检查结果 |
|---|---|
| 同一材料、要求 | 事实与来源是否正确 |
| 同一工具、权限 | 是否交付有效文件 |
| 记录模型、配置 | 总耗时、成本、修改量 |
公开评测只帮助缩小候选。
软件工程分数不能直接当成中文汇报成绩。
| 模型与配置 | AA 指数 | AA 每任务成本 |
|---|---|---|
| Claude Fable 5.1 · max with fallback | 53 | $7.63 |
| GPT-6 Astra · max | 53 | $3.26 |
| Qwen3.8 Max · 0902 | 45 | $5.41 |
| Gemini 3.8 Flash · high | 41 | $1.24 |
| Qwen3.8-Flash-Next | 40 | $0.37 |
| DeepSeek V4.1 Flash · max | 39 | $0.27 |
核验 2026-09-21 · AA v4.3.2 · 指数不是答对率，成本不是一次聊天报价。
主要评英文文本任务；不同试卷、工具和配置不能直接混比。
技术 · 前沿AI 从个人使用到企业实践
Jev：快速决策模型
技术 · 前沿AI 从个人使用到企业实践
Jev 的游戏演示：Doom
技术 · 前沿AI 从个人使用到企业实践
Jev 的浏览器演示：查航班
技术 · 前沿AI 从个人使用到企业实践
Jev 的成本与使用边界
技术 · 基础AI 从个人使用到企业实践
本地模型部署
自己的程序或聊天界面
本地接口与模型管理LM Studio / Ollama 等
推理引擎 / 运行时加载权重，使用设备计算并生成 token
模型权重 + CPU / GPU / 内存具体型号、格式与量化版本
| 检查项 | 实际要确认什么 |
|---|---|
| 格式与后端 | 所选模型能否被当前引擎加载 |
| 运行资源 | 内存/显存占用、输出速度 |
| 许可 | 模型及文件允许怎样使用 |
| 调用位置 | 请求实际发往本地还是云端 |
llama.cpp 是推理引擎；vLLM 还组织请求调度、KV 缓存等服务能力。
本地权重运行不等于所有功能都不联网。
技术 · 基础AI 从个人使用到企业实践
量化与硬件容量
纯权重 ≈ 参数数量 × 位数 ÷ 8
| 规模 | 4bit 纯权重 | 运行容量规划 |
|---|---|---|
| 3B | 约 1.5GB | 4—8GB |
| 8B | 约 4GB | 8—12GB |
| 14B | 约 7GB | 12—16GB |
| 32B | 约 16GB | 24—32GB |
| 70B | 约 35GB | 48—64GB |
量化降低数值位数，不改变参数数量。
此表为稠密、4bit、低并发规划，非最低配置或实测；还需缓存、缓冲、元数据和系统余量。
Apple 中国官网档位起价（2026-09-20）：
24GB M5 Pro：¥12,999 起；36GB M5 Max：¥19,999 起；96GB M5 Ultra：¥46,999 起。
非指定模型速度保证，选配与成交价另核。
24GB M5 Pro：¥12,999 起；36GB M5 Max：¥19,999 起；96GB M5 Ultra：¥46,999 起。
非指定模型速度保证，选配与成交价另核。
32B 的权重装下以后
上下文也要占内存。
权重 + KV 缓存15.9 GiB
按 Qwen2.5-32B 架构，4bit 纯权重约 14.9GiB，FP16/BF16 KV。尚未计缓冲、元数据和系统开销。
技术 · 进阶AI 从个人使用到企业实践
算力与推理性能
一次请求的时间花在哪里
排队 / 网络 / 处理输入到首个输出 token：首字等待 TTFT
持续生成记录生成阶段的 token/s 与输出长度
工具与后续调用直到文件生成并检查：完整任务耗时
| 比较前固定 | 同时记录 |
|---|---|
| 模型、精度 | 结果正确性 |
| 输入、输出长度 | 首字等待、生成速度 |
| 并发与工具 | 内存占用、吞吐、总耗时 |
显存/内存带宽、数据搬运、多卡通信、工具等待，都可能成为瓶颈。
流程示意，不是设备实测。
芯片峰值不能代替完整任务性能。
技术 · 进阶AI 从个人使用到企业实践
RAG 与微调
缺少当前资料
RAG：检索后再回答
课堂模拟
课程问题这次汇报要交什么？
检索到通知的相关段落
原文片段 + 文件名 / 页码
回答依据把相关原文放入上下文，再生成带引用的回答。
不更新参数；核对检索与引用。
需要稳定学习一类行为
微调：用样本更新参数
准备可靠样本
分开训练、验证、测试数据。
训练参数或适配器
先检查提示、工具与流程是否够用。
比较独立测试
看任务质量与成本，防止数据泄漏。
LoRA：训练低秩适配器。
QLoRA：结合量化权重与适配器训练。
需要 Python / PyTorch、损失与梯度基础。
训练 loss 下降，不等于任务效果提高。
技术 · 进阶AI 从个人使用到企业实践
国产硬件与模型适配
沿着运行链确认版本与支持
模型架构 / 权重格式 ↓ 推理框架 / 后端 ↓ 编译器 / 算子 / 通信库 ↓ 设备运行时 / 驱动 / 具体芯片
这是检查顺序，不是所有产品唯一的分层。
| 记录组合 | 分步验证 |
|---|---|
| 芯片、驱动、运行时 | 设备识别与资源分配 |
| 框架、后端、模型 | 权重加载与所需算子 |
| 量化、计算精度 | 输出正确性与误差 |
| 上下文、并发、工具 | 速度、占用、完整任务 |
支持 vLLM，不等于已经适配这张卡。
当前未核实所列新模型与具体国产卡的完整适配矩阵。
企业 · 电池生意脑AI 从个人使用到企业实践
电池脑：从一张手写单开始
电池经销商使用的手写单据
厂家进货→送到车行→等待回款
这次需求，来自一家电池经销商
送货写在纸上，
收款留在微信里。
送货单 客户、型号、数量、金额
收款记录 谁还了钱、还了多少
厂家对账单 进货、结算、返利
这家车行，现在还欠多少钱？
企业 · 电池生意脑AI 从个人使用到企业实践
电池脑：欠款与发货
老板的实际反馈
“这户儿欠钱太多，
一时他不给我们，
就不敢再给他送货了。”
历史客户反馈 · 语音转文字局部
先看清一户的账
样例客户顺达车行
累计货款26,213 元
已记录回款0 元
样例欠款26,213 元
历史脱敏样例；不是今天的实际欠款。
先确认有没有漏录，再谈新单条件。
企业 · 电池生意脑AI 从个人使用到企业实践
商品分类与操作权限
按真实需求编排的课堂对话 · 工程师追问为模拟
老板 · 真实原话
“加品能让我自己操作，
这个权限得给我。”
工程师 · 课堂模拟
谁能新增？谁能改价格和库存？
老板 · 真实原话
“电池同一型号也得分不同种类。”
工程师 · 课堂模拟
拿实际商品确认：
规格、种类、批次，究竟怎么分？
两句话，拆出三行规则
| 老板怎么说 | 系统要明确什么 |
|---|---|
| 我自己加 | 谁有新增、修改权限 |
| 同型号不同种类 | 型号之外，按什么区分 |
| 价格、库存不同 | 按哪个具体商品记账 |
型号相同，不一定是同一种货。
选错货 → 报错价 → 库存也对不上。
选错货 → 报错价 → 库存也对不上。
老板原话：2026 年 5 月 31 日客户反馈
企业 · 电池生意脑AI 从个人使用到企业实践
销售单、库存与回款
老板 · 真实原话
“开销售单怎么开？”
开单示意沿用原 PRD 示例
客户→商品／规格→数量
| 商品 | 单价 | 数量 | 金额 |
|---|---|---|---|
| 同型号 · A 类 | 168 | 5 | 840 |
| 同型号 · B 类 | 148 | 3 | 444 |
合计1,284 元
需求示意，不是成交单。
老板还问过：打孔收据纸
是不是系统附带的？
按真实需求编排的课堂对话 · 以下均为工程师模拟追问
先对准商品
这个型号，具体是哪一种？
客户、规格、数量，先对准。
再对准库存动作
保存草稿就扣库存，
还是确认后再扣？
最后接上回款与台账
已付款多少，余款怎么记？
销售单和拍照录单，会不会记重？
一笔业务，只形成一份正确的账。
企业 · 电池生意脑AI 从个人使用到企业实践
电池脑的实际界面
生意脑实际界面截图 · 历史脱敏样例与演示库存
看同一套资料，能问不同问题
欠款
哪些客户需要先核实回款？
库存
照近期销量，还能卖几天？
上游对账
返利金额和约定算法一致吗？
每条提醒后面，
都应该找得到依据。
企业 · 电池生意脑AI 从个人使用到企业实践
返利核对与异常记录
脱敏对账表中的一行
订单数量1,664 只
单只返利27.25 元
应计返利45,344 元
1,664 × 27.25 = 45,344
来自历史脱敏资料；金额由规则计算。
这批 138 行资料怎么检查
136 行
正向记录，乘法核对一致
2 行
退货／冲红，另核业务口径
还要检查漏单、重复单和特殊业务。
企业 · 电池生意脑AI 从个人使用到企业实践
系统规则与老板判断
课堂模拟 · 用一笔新订单讨论系统分工
提问者 · 课堂模拟
同样欠一万元，
是不是都应该先停发货？
系统设计者 · 课堂模拟
先问：过去是否按约回款？
临时周转，还是反复拖延？
本单金额、回款安排明确吗？
提问者 · 课堂模拟
资料齐了，就能替老板决定吗？
系统设计者 · 课堂模拟
赊账、发货涉及钱和货：
依据已确认规则，仍由老板确认。
计算规则算账
欠款、金额、返利，按记录复核。
模型协助理解
读单据、理解问题，保留核对。
老板决定动作
赊账与发货，按规则、权限确认。
把一次老板决策留下来当时情况 → 怎么做 → 为什么
旧版实际状态
已有样例台账、规则提醒与界面；
真实 OCR、库存接入、老板案例待补。
企业 · 进阶AI 从个人使用到企业实践
海信容声：排产与定员
家电工厂 · IE 工程师与生产计划员
排产变了，
原来的人数还够不够？
计划在 APS 里，工时在另一份表里。
把数据凑齐，再重新算每个岗位。
有人闲着，有的岗位却在等人。
企业原题提出日度定员、变化重算、瓶颈识别。
项目演示界面 · 排产和人员为模拟数据
需要多少人，能让大模型直接报一个数吗？
企业 · 进阶AI 从个人使用到企业实践
海信容声：系统演示
打开容声系统 ↗演示画面约 2 分钟
跟着一次工作过程看看缺口
看缺口
查工序
调整方案
记录改善
先看今天哪里缺人，
再追到工时和工序。
产品演示录屏。页面中的产量、人数、收益测算不作为企业实绩。
企业 · 进阶AI 从个人使用到企业实践
定员计算与 AI 分工
课堂算例 · 简化口径
计划 400 件 × 每件 180 秒72,000 人秒每人有效工作 6 小时 = 21,600 秒⌈72,000 ÷ 21,600⌉ = 4 人
这里只算总工作量下限。未计工序顺序、节拍、换型、技能和多人协作，不能直接当正式排班。
某个岗位只有 1 人会做，或者两道工序必须同时开工，方案都可能排不开。
计算程序计算负荷，检查约束，比较候选方案。
大模型理解变更要求，追问缺失条件，解释结果。
业务人员确认数据口径，处理例外，批准采用哪个方案。
企业 · 进阶AI 从个人使用到企业实践
现场视频与工序拆解
界面录屏 · 约 10 秒
先帮工程师少拖几次进度条找边界
找边界
看片段
改切分
导出记录
切出一个动作，
不等于懂了这道工序。
预紧、终拧，还是返工？
扭矩和质量要求，仍需工艺确认。
扭矩和质量要求，仍需工艺确认。
企业 · 基础AI 从个人使用到企业实践
企业项目的五个阶段
| 阶段 | 企业项目要做的事 | 拿什么来确认 |
|---|---|---|
| 业务诊断 | 跟一次实际工作，找到重复、等待和出错处 | 当前流程、耗时与问题 |
| 系统定制 | 先做一段能操作、能检查的流程 | 让业务人员拿实际任务试 |
| 数据连接 | 接现有系统，统一字段与计算口径 | 同一笔数据，两边能核对 |
| Agent 协作 | 给工具、权限、停止与人工确认条件 | 正常任务和异常情况都试 |
| 持续迭代 | 记录使用中的问题，再改下一版 | 实际效果、成本与新反馈 |
企业说“想上 AI”，项目里要回答的是：先改哪段工作，改到什么程度。
企业 · 进阶AI 从个人使用到企业实践
江河智序的四个月
2026 年 5 月开始创业
4 个月
2026 年 5 月开始创业
13 家
服务客户
130 万元
已签项目合同，不是营收或回款
一万元黑客松奖金、两个人起步。
AgentOS、网卡、芯片仍在探索。
学术机会 · 我的研究AI 从个人使用到企业实践
平台经济与博弈论
平台把大家写的内容授权给 AI，这笔钱该怎么分？
内容平台卖，还是不卖？
决定授权价格与补偿办法。
想赚授权费，也需要新内容。
创作者还值不值得写？
决定投入多少，是否继续创作。
关心收入、流量与作品被使用。
模型公司买多少，付多少？
决定数据购买与使用。
好内容有价值，采购也有成本。
今天卖的是过去的内容；明天还有没有人认真写？
平台改了分成，创作者会改投入，内容又会影响用户和模型公司的选择。
举个手：授权收入平均分，还是按内容贡献分？
研究要比较每个人的选择如何互相影响，以及什么条件下会改变选择。
学术机会 · 我的研究AI 从个人使用到企业实践
AI 应用商店与质量信号
课堂假设 · 两个简历修改工具
A一键优化简历
页面好看
介绍完整
演示流畅
B一键优化简历
页面好看
介绍完整
演示流畅
光看这些，
你敢让哪一个改真实简历？
展示做得越来越容易。
“做出了一个产品”还能说明多少质量？
平台、开发者和用户各有一本账
平台决定怎么审核、给谁认证。
宽松，工具更多；严格，要付审核成本，也可能挡住开发者。
开发者决定做质量，还是学包装。
用户看不见真实质量，只能借助展示、试用、评价和认证判断。
如果你是平台，只能先做一件事：
多收工具，还是做真实任务测评？
信号理论关注：一个看得见的标记，究竟能不能帮助人辨别质量。
学术机会AI 从个人使用到企业实践
一份漂亮答案的验收
先看论文实际研究了什么
QJE · Generative AI at Work
客服工作中的 AI 建议
5,172 人总样本
每小时解决问题数
平均提高约 15%
QJE · Generative AI at Work
课堂模拟 · 下面两句都很像结论
A
“有了 AI，所有人的生产率都能提高 15%。”
B
“这套 AI 建议系统，在研究中的客服场景提高了平均效率。”
B 更接近证据。
“这个系统、这类任务、平均”三个限制不能丢。
“这个系统、这类任务、平均”三个限制不能丢。
学术机会AI 从个人使用到企业实践
过期通知与 AI 记忆
周五交汇报
10 分钟，使用旧模板。
改为周四
8 分钟，新模板已放群文件。
课堂模拟 · 助手刚发来的提醒
“记住啦，周五交。”
它不是没记住。
它把旧的记得很牢。
看它拿到的是哪版通知。
时间、时长、模板，要跟着同一次更新走。
时间、时长、模板，要跟着同一次更新走。
学术机会AI 从个人使用到企业实践
三个 Agent 的小组作业
课堂模拟 · 还剩十分钟要交
检索 Agent
资料已经找好了。
写作 Agent
正文写完了，引用你们会加吧？
检查 Agent
我以为检查的是排版。
群里都说做完了，
文件还不能交。
现在再加一个 Agent，
事情就会好吗？
检索交原文位置；写作保留引用；
检查按任务要求逐项核对。
指定谁确认最后的文件。
检查按任务要求逐项核对。
指定谁确认最后的文件。
MAST 归纳了交接、协调、验证等失败模式；并非企业普遍失败率。
专业与工作AI 从个人使用到企业实践
门槛降低以后
Aa
每个人都会写字，
但是只有一个莎士比亚。
做出一个版本，更容易了。
看出它哪里不对，依然需要功夫。
当作品一下变多
外表越来越像，质量越来越难判断。
会做、会验、能持续改进，才经得起使用。
读原文，分清它到底证明了什么。
算得清，知道数字和方法适用在哪。
做过真实任务，知道什么时候不能直接用。
我的判断：热度会过去，最后还要看能不能持续交出好东西。
专业与工作AI 从个人使用到企业实践
信息系统专业能做哪些工作
| 专业课 | 刚才案例里的工作 | 交付给谁看 |
|---|---|---|
| 系统分析与设计 | 把“同型号要分种类”写成商品规则 | 让老板拿一笔真实订单试 |
| 数据库与软件工程 | 订单、库存、回款对应；错单能追查 | 让业务人员核对账和单据 |
| 统计与运筹优化 | 定员计算、工位平衡、比较排产方案 | 让 IE 工程师复算与确认 |
| 管理与项目课程 | 确认谁能改规则、谁来验收和负责 | 让各部门按约定实际使用 |
模型会写代码以后，这些问题依然要有人处理。
交流AI 从个人使用到企业实践
现场点单
从刚才扫码留下的问题里抽一条
还没选题。
点击后读取本场同学填写的真实问题。
报一个你
正在卡住的任务。
我们现场看：
需要补什么信息，
AI 能做哪一步，
怎么知道它做对了。