企业DeepSeek等AI大模型驱动的AGENT内部应用实战
讲师:李勇 发布日期:12-30 浏览量:75
培训对象：上市国央企技术中心、数字化部门、运营中心中高层管理者，产品设计师，IT部门，业务骨干等；
课程时间：1天 (6小时）
课程背景：
在生成式AI技术加速落地的背景下，企业亟需掌握AI大模型与现有技术融合的实战方法论。本课程聚焦DeepSeek等大模型构建AGENT的企业级应用，通过7大典型场景拆解、技术栈搭建指南及安全部署策略，帮助学员突破“技术概念≠业务价值”的认知瓶颈，掌握从场景挖掘到工程落地的全链条能力。
课程收益：
培训完结后，学员能够：
1. 掌握AI大模型作为数字化开发引擎的核心逻辑，突破传统系统架构的局限性
2. 设计“AI AGENT+RPA+低代码”的复合技术方案，规避单一技术工具的应用陷阱
3. 建立业务场景智能化转译能力，将复杂需求拆解为可落地的AI任务单元
4. 掌握7类高价值细分场景的AGENT设计方法，覆盖办公、流程、决策等核心领域
5. 搭建适配企业需求的技术工具矩阵，平衡开发效率与数据安全
课程大纲：
单元 | 大纲 | 内容 |
单元一 | 为什么以DeepSeek为代表的AI大模型是下一代数字化引擎？ | 1. 传统开发模式的三大困局 1.1）代码冗余：每新增需求需重新开发模块 1.2）响应迟滞：流程变更需数月调整周期 1.3）人力依赖：高度依赖专业开发者资源 2. AI驱动开发的革命性突破 2.1）自然语言即代码：业务人员直接定义需求 2.2）动态自适应：系统自动响应流程变化 案例：某央企用DeepSeek重构OA系统，需求响应效率提升5倍 讨论课题：你所在企业哪些系统存在“重复造轮子”问题？ |
单元二 | AI AGENT的边界与融合之道 | 1. AGENT能力的三重天花板 1.1）数据闭环：无法自主获取外部数据 1.2）硬件交互：缺乏物理执行能力 1.3）长链条逻辑：多步骤任务易出错 2. 复合技术解决方案 2.1）AGENT+RPA：用RPA机器人执行界面操作 2.2）AGENT+低代码：快速构建定制化模 案例：某银行“智能报销AGENT”融合OCR+RPA，错误率从12%降至1% 讨论课题：设计一个需要多技术融合的业务场景 |
单元三 | 业务场景的智能化转译方法论 | 1. 四层拆解模型 1.1）业务目标层：降本/增效/风控？ 1.2）流程节点层：识别可自动化环节 1.3）数据输入层：结构化/非结构化数据占比 1.4）决策复杂度：规则驱动or模型驱动？ 2. 智能化转译员的核心能力 2.1）需求转译：将业务语言转化为Prompt指令 2.2）效果验证：设计测试用例与评估指标 案例：某制造企业将设备维修经验转化为AGENT决策树 讨论课题：拆解一个典型业务流程的智能化改造点 分享 联系客服 返回顶部 |
