序言：跟實干家學(xué)AI落地01AI學(xué)習(xí)圈同學(xué)落地案例（*排名不分先后）AI+銷售鶴涵同學(xué)：如何用AI快速寫標書，為市場銷售人員減負？ AI+產(chǎn)品服務(wù)石云升同學(xué)：如何用AI AI+組織提效毅恒同學(xué)：如何用AI給員工培訓(xùn)和考核提效？ AI+組織提效潘磊同學(xué)：如何用AI篩簡歷、出面試題，提升招聘效率？吹噓的宣傳視頻、眼花繚亂的自動化工具很多普通人看完之后只覺得焦慮，不知道從哪那時候，我腦海里出現(xiàn)一個念頭：我們太需要一些真實的聲音了。不是從技術(shù)發(fā)布會里那么，這本案例集具體收錄了哪些內(nèi)容呢？我們收集的大部分案例都來自AI學(xué)習(xí)圈的真實用你會看到很多真實、生動的場景：有視覺創(chuàng)意領(lǐng)域的藝術(shù)家，也有職場人如何用AI提升日常工作的效率；有家長和老師在家庭教育中引入AI的實踐；也有一線醫(yī)生如何借助AI進行病理在這個過程中，我們真正想提供的，是一種新的范式參考：AI不只是工具，它是一個互動對因為每個人、每家企業(yè)的背景和目標都不同，所以這本案例集記錄的，不是有放之四海而皆我們的目標讀者，是那些對AI感興趣、愿意學(xué)習(xí)和嘗試，但還不一定特別了解AI的普通人。你可能是一名職場新人，想通過AI提高工作效率；也可能是一位創(chuàng)作者，希望借助AI實現(xiàn)新的創(chuàng)意突破；你可能是一位教育者，想用AI豐富課堂體驗；也可能是管理者，希望AI能幫企這本案例集并不是一本技術(shù)說明書，而是一系列真人試用報告。我們希每一篇案例都可以看作一個應(yīng)用參考模板。它的價值不在于展示AI的技術(shù)有多炫酷，而在于首先，我始終相信，人不會被AI取代。我們也不需要擔(dān)心AI會來搶走我們的工作——AI是工但要用好這個外掛，它可不是一根魔法棒，揮一下、念兩句咒語就能解決所有問題。它更像是一個永遠在進化的學(xué)徒，能學(xué)很多東西，但需要你的判斷、經(jīng)驗和質(zhì)疑去引導(dǎo)，這本書還只是一個起點。我們會持續(xù)收錄來自各行各業(yè)、不同崗位的AI落地實踐。它不是一感謝所有愿意分享自己使用AI經(jīng)驗的朋友們。你們的每一次嘗試、每一次修正、每一次分我們希望，這本《AI落地案例集》能幫助更多人打破觀望，邁出第一步，跑出屬于自己的得到聯(lián)合創(chuàng)始人、AI學(xué)習(xí)圈主理人搭建了一個基于AI的家庭教育實驗室。她通過“馬斯克智能體”激發(fā)孩子的好奇心，借助Flowith實現(xiàn)科學(xué)知識的可視化，并結(jié)合AI教練輔助評估思維發(fā)展路徑。行認知評估輔助”等方面的實操經(jīng)驗，幫助有意探索個性化教育路徑的家長，找到清晰可行的方法參考。正幫助他適應(yīng)未來的社會。我希望他能在一個更個性化的環(huán)境中成長，重點培養(yǎng)的是一些底層能力，比如提問能力、思作為普通家庭，我們沒有辦法一開始就把孩子送去國外或者創(chuàng)新學(xué)校。所以，我的教育理念其實是和傳統(tǒng)教育有沖突的。為了在兩者之間找到一個平衡點，我最先引入的方式是通識教比如孩子提出一個問題，我們會一起發(fā)散找可能的答案，然后去B站等平臺查找相關(guān)視頻讓問都帶有隨機性，如果碰上父母心情不好或者正忙，也很容易被敷衍帶過，孩子的好奇心也A：后來有了AI，孩子提出的每一個問題都能得到更好的回應(yīng)和拓展。AI幫助普通家庭實現(xiàn)了平衡標準化教育和個性化成長的路徑。能有哪些原因會導(dǎo)致水蒸發(fā)了而油沒有。進一步引發(fā)新的提問。這個過程中，孩子的好奇心被真正打開了，他也在提問中獲得了成就感，自然而然地想問更再比如，孩子不知道預(yù)習(xí)和復(fù)習(xí)的重要性，其實我們小時候也不懂，是因為沒人告訴我們大比如：我用AI教孩子踢足球？是的，聽起來是不是有點瘋狂？但我既不是足球教練，不懂足是選拔過的，因此基礎(chǔ)并不差。但是很多孩子傳球都不合格，大部分都是本能接球然后傳出育理論里也有相關(guān)支持，布魯納提出過一個關(guān)鍵觀點：只有當孩子掌握知識的整體結(jié)構(gòu)時，2.如何通過足球拓展到其他的學(xué)習(xí)？其實，我在和他討論足球運動的必備能力時，就是希望他能通過自己的經(jīng)驗先把這項運動進這個分析方式能拓展到其他任何一種學(xué)習(xí)場景。學(xué)習(xí)一項新技能，就會有章法和關(guān)鍵技能，在學(xué)習(xí)之前必須要對所學(xué)東西的結(jié)構(gòu)有全貌的了我們作為父母要學(xué)會的，不是怎么教孩子一項技能，而是怎么陪孩的專家。我發(fā)現(xiàn)我的孩子寫作業(yè)總是拖拉，我不知道原因，請你作為育兒教練幫我一起分析2.父母在使用AI時，往往不清楚該用在哪些場景，原因之一是對孩子的需求和觀察不夠也激發(fā)出了更多的好問題。即便是最好的工具，如果孩子不喜歡學(xué)習(xí)，效果也會大打折扣。我們真正應(yīng)該做的，是通過得到關(guān)于作文本身的改進建議，還可以根據(jù)孩子的年齡和特點，獲取關(guān)于思維成長、社交能力等方面的建議。很多父母的交互都是一次的，以為AI給出答案就完事了，卻忽略了真正的關(guān)鍵在于你看到這個方案后，這個方案會激發(fā)你的想法，然后去改進優(yōu)化，這里的關(guān)鍵是父母對于基本的教育理念、溝通方法等需要有一定的學(xué)習(xí)。不然AI給出的再多策略也難以真正落地。比如父母用AI生成了一份定制化的學(xué)習(xí)計劃，但孩子是否愿意配合，過程中如何持續(xù)激發(fā)興趣，如何根理特點的理解。更重要的價值將是如何通過AI幫助孩子發(fā)現(xiàn)自己的思維特質(zhì)、設(shè)計個性化成長路徑——最終通過父母認知的提升加上AI工具的輔助，我們能夠為孩子打造更具深度和個性化的學(xué)習(xí)路該追求的教育目標。為了解決“三四線城市缺乏優(yōu)質(zhì)英語啟蒙資源、家長自身語言能力有限”的難題，AI學(xué)習(xí)圈同學(xué)@禮諾涵借助AI工具，搭建出一套適配孩子個性的英語啟蒙教學(xué)系統(tǒng)。這次的案例，她分享了在“如何設(shè)計AI提示詞構(gòu)建專屬英語啟蒙教練”、“如何用AI進行安家長，找到一條可復(fù)制、可落地的陪娃成長新路徑。A：我是一位全職寶媽，家里有一個三歲半的孩子。我們生活在四線城市，缺乏優(yōu)質(zhì)教育資個小時。然而，朋友反饋孩子在這些機構(gòu)上課，最多也只是會念教材，并不能真正開口說英公眾號上資源很多找到合適的資源需要花費太多的時間視頻號分享的安靜書只是玩具，不適合孩子學(xué)英語使用kidspages網(wǎng)站小紅書上大多數(shù)博主分享制作方法起校正基本信息，以便AI根據(jù)實際情況設(shè)計更合適的陪讀方案和活動。能夠主動說出2-3個詞組，成?堅持陪伴：英語啟蒙是場持久戰(zhàn)，AI只是工具，家長的堅持和理解孩子才是決定成敗的AI并不是萬能的，但它是一個值得信賴的助手。在育兒這樣極度個性化的領(lǐng)域，如果能善用讓你用最低的成本創(chuàng)造最貼合孩子的成長方案。AI學(xué)習(xí)圈同學(xué)@王喆是一名專攻海事海商的律師，但他平時被身邊人問得最多的是勞動法問題，非本專業(yè)的高頻應(yīng)答一度讓他疲于應(yīng)付。他用Get筆記打造了一個名為“薪知肚明”的勞動爭議知識庫，把案例、法條和實務(wù)經(jīng)驗統(tǒng)統(tǒng)喂給AI，等于給自己配了一個全天候的法律助手。這次的案例他將分享：如何3步構(gòu)建垂直領(lǐng)域的知識庫、AI如何實現(xiàn)秒級回答、以及如何這個知識庫的目標很明確：提供勞動爭議相關(guān)問題的可靠答案，盡可能幫助每一位勞動者對?導(dǎo)入權(quán)威案例：將人民法院案例庫中的指導(dǎo)性案例和參考案例整理后導(dǎo)入知識庫。這些案例在全國范圍內(nèi)對同類案件的審理具有較強的指導(dǎo)或參考價值；?整合法律法規(guī)：系統(tǒng)梳理并上傳與勞動法相關(guān)的法律條文、司法解釋及配套解讀，確保?補充實務(wù)資源：篩選專業(yè)公眾號文章及各地律協(xié)發(fā)布的勞動爭議常見問題解答，定期更A：知識庫搭建完成后，我不再懼怕被問到勞動法相關(guān)的問題，甚至對這類咨詢有了些許可以說這個知識庫在勞動爭議常見問題上的表現(xiàn)已超過許多像我這樣的非勞動爭議領(lǐng)域的就目前的AI技術(shù)水平來說，AI的表現(xiàn)其實取決于你投喂給它的內(nèi)容質(zhì)量。與其糾結(jié)“怎么用即使你不是某一領(lǐng)域的專家，也可以通過構(gòu)建垂直知識庫，讓AI幫你快速覆蓋相關(guān)基礎(chǔ)問面對臨床中的疑難病癥，診斷思路的系統(tǒng)梳理始終是一線醫(yī)生的高頻剛需。AI學(xué)習(xí)圈同學(xué)@杜誠勇，來自浙江大學(xué)醫(yī)學(xué)院附屬第一醫(yī)院，在日常工作中嘗試用AI輔助診斷決策，并搭建起了乳腺癌等方向的醫(yī)學(xué)知識庫。這次杜醫(yī)生分享了自己測試AI診斷能力的真實場景，也總結(jié)了自己選工具、用好AI方面的老辦法有時候效率沒那么高。為了解決用戶在“掛號前不知道掛哪個科”這一就醫(yī)高頻卡點，大數(shù)據(jù)科學(xué)家、AI學(xué)習(xí)圈同情差”等，AI能引導(dǎo)患者補全癥狀信息，根據(jù)信息去推薦出最合適的科室。這套AI導(dǎo)診系統(tǒng)的搭建邏輯，劉宸同學(xué)在案例中做了完整的呈現(xiàn)和分享。這個問題看起來簡單，實際上背后隱藏著巨大的信息差。它不僅是整個就醫(yī)流程的起點，也是最容易讓人卡住的環(huán)節(jié)。過去還有醫(yī)院導(dǎo)診臺可以提供人工引導(dǎo)，但如今掛號流程幾乎已狀智能判斷出最合適的科室和醫(yī)生，從而提升整體的就醫(yī)效率和體驗。很多用戶其實能感受到身體不適，但很難準確地表達出來，更別說明確知道該掛哪個科。有能千差萬別：?有些情況還可能涉及泌尿系統(tǒng)問題，比如腎結(jié)石。歸根結(jié)底，導(dǎo)診雖然只是就醫(yī)流程的起點，卻涉及多個層面的能力要求：用戶語言的精準解一方面，我們通過分析癥狀與疾病之間的相關(guān)度，來判斷用戶可能對應(yīng)的疾病類型；另一方步縮小判斷范圍。準確性要求較高，稍有模糊或用詞不規(guī)范，系統(tǒng)就可能無法正確識別癥狀。其次，整個問答流程是預(yù)設(shè)好的固定路徑，缺乏對個性化表達的理解能力，只能按部就班地推進，難以適應(yīng)從開發(fā)角度看，這種方式高度依賴人工設(shè)計的規(guī)則和邏輯結(jié)構(gòu)，不僅維護成本高，而且整體這兩個部分配合下來，可以把用戶原本零碎、模糊的表達，轉(zhuǎn)化成一套比較清晰、有用的信也讓推薦更靠譜。?提示詞設(shè)計更細了：我們給模型準備了很多常見癥狀的表達模版，這樣當用戶描述得比癥狀可能指向好幾種疾病的情況，模型能結(jié)合主訴和伴隨癥狀來推一推，看哪個方向更有推薦都從這20個里選，這樣既清晰，也更容易和醫(yī)院的掛號系統(tǒng)對接，后面不管是推以前那種靠人工或者流程圖一步步選的導(dǎo)診方式，操作起來挺麻煩的，用戶要么得點很多選整個過程更接近真人醫(yī)生的問診方式，問得更細，也更靈活，能夠根據(jù)每個人的情況動態(tài)調(diào)用戶表達得不標準或者有歧義，系統(tǒng)就容易出錯。而我們現(xiàn)在用的大語言模型能更好地理解這種模型的表現(xiàn)比傳統(tǒng)的NLP方法更穩(wěn)定，我們經(jīng)常遇到一種情況：用戶的輸入里混合了主觀判斷的病名和客觀描述的癥狀，但兩者未他說的是不是他真想表達的。有點失眠?！边@可能對應(yīng)不同的科室，甚至完全不同的病因，那系統(tǒng)到底應(yīng)該優(yōu)先推薦哪一為了應(yīng)對前面提到的那些挑戰(zhàn)，我們主要從技術(shù)和場景兩方不同寫法下模型的表現(xiàn)。每次測試之后，我們還會請有醫(yī)學(xué)背景的產(chǎn)品經(jīng)理或者簽約醫(yī)生顧問來做業(yè)務(wù)評估，然后根據(jù)他們的反饋繼續(xù)打磨提示詞。另外，項目初期我們用的是通用型大語言模型，雖然它理解能力很強，但放在復(fù)雜的醫(yī)療問診場景里，還是會有些力不從心——特別是在疾病分類、多輪對話銜接、理解醫(yī)學(xué)術(shù)語這些成醫(yī)療領(lǐng)域的高質(zhì)量數(shù)據(jù)集。后面我們計劃基于這些數(shù)據(jù)再做針對性的模型微調(diào)，目標是：在保留通用語言能力的基礎(chǔ)上，進一步提升它在醫(yī)療導(dǎo)診場景下的上下文理解能力、判斷準上。除非你所在的是專門做底層模型研發(fā)的團隊，否則對于絕大多數(shù)做AI應(yīng)用的人來說，更理過的知識庫，或者企業(yè)沉淀下來的流程文檔、客戶案例等等。它們構(gòu)成了你和AI協(xié)作時的另一個是“業(yè)務(wù)理解”，也就是你對一個領(lǐng)域到底有多深的認知。每個人理解業(yè)務(wù)的方式不同，而你能不能把業(yè)務(wù)拆清楚、梳理成AI可以執(zhí)行的邏輯鏈條，就特別關(guān)鍵。AI可以幫你做為了解決高校教學(xué)中“學(xué)生不敢問、老師答不業(yè)學(xué)院的教務(wù)科長@黃浩用AI搭建了一個“能記得每個學(xué)生提問”的課后答疑系統(tǒng)，讓教學(xué)資料、常見問題、個性化反饋全都集成進知識庫，不再靠學(xué)委抄題、不再翻群找文件。這次的案例，他將拆解AI答疑系統(tǒng)的落地流程，并分享如何處理學(xué)生敏感提問、如何引導(dǎo)AI回應(yīng)更人性化等問題。問題但常常錯過時機。老師那邊也挺累的，很多時間花在回答重復(fù)的基礎(chǔ)問題上，不僅費精限，不可能做到隨時響應(yīng)。而且歷史上的答疑內(nèi)容也很難被系統(tǒng)地管理和復(fù)用，每次遇到類似問題基本都是重新講一遍，效率不高。舉個例子，助教資源不足就是一個很現(xiàn)實的問題。我們學(xué)校有些專業(yè)的班級多達六十幾名學(xué)生，但有些課程只有一位老師，連助教都沒有，結(jié)果老師只能讓班級里的學(xué)習(xí)委員代為收集多問題沒法及時回應(yīng)。還有一個很常見的問題是信息太分散。老師通常會在微信群或QQ群里發(fā)作業(yè)和課程資料，?整個AI知識庫的搭建和使用，大致分為幾下面是具體的步驟截圖：需要下載ima客戶端需要下載ima客戶端生成微信可掃的知識碼生成微信可掃的知識碼添加課程資料等相關(guān)文件和推薦問題等上課時讓學(xué)生掃碼加入知識庫有多少人已加入知識庫師和學(xué)生的主觀反饋來判斷效果。就目前來看，大部分學(xué)生在老師的引導(dǎo)下已經(jīng)加入了知識老師們也普遍反饋，AI的回答準確率還不錯，在一定程度上確實減輕了他們?nèi)粘４鹨傻膲阂苍谝欢ǔ潭壬暇徑饬死蠋熀蛯W(xué)生之間的溝通壓力?；幕舅悸?；另一方面，也對系統(tǒng)里的提示詞進行了調(diào)整，盡量讓回答方式更貼近人類交第二個我們實際遇到的問題是敏感內(nèi)容的風(fēng)險。雖然大多數(shù)學(xué)生是正常使用，但也有個別學(xué)合規(guī)性測試，確保系統(tǒng)的回答不會誤導(dǎo)或縱容違規(guī)行為。老師們的知識產(chǎn)權(quán)。3.建議制定類似《AI輔助教學(xué)試行管理辦法能實時篩選群聊中的高價值信息，按類別自動處理，并同步接入企業(yè)辦公軟件，實現(xiàn)消息→任務(wù)→進度的閉環(huán)跟進。這次的案例里，他分享了這個數(shù)字員工背后的搭建邏輯，以及AI在真實社群運營中怎么替?社群成員可能在任何時間拋出重要信息，但運營人員不一定在線。比如下班時間成員才?社群消息并不都是有高價值的，靠人工瀏覽每個群的每條信息，去篩選高價值信息，一如果用戶發(fā)出的高價值信息沒有被及時響應(yīng)和跟進，可能會帶來一系列后果：錯過成交轉(zhuǎn)化的最佳時機、影響用戶對產(chǎn)品的認可度和品牌印象，嚴重時甚至引發(fā)退費；還可能導(dǎo)致團隊沒能很好地匹配設(shè)定規(guī)則，就得不到有價值的回應(yīng)，更無法主動引導(dǎo)用戶進行下一步操作。而且，這類機器人通常需要用戶主動@才會回應(yīng)，而大多數(shù)用戶根本不會注意到助手的存去補救這個方案背后的核心工具，是我們自研的一個AI智能體編輯平臺，主要用到了大語言模型的接口集成等關(guān)鍵技術(shù)。問題，AI會在回答基礎(chǔ)上繼續(xù)追問如下方左圖所示）別來自動匹配相應(yīng)的回復(fù)方式。工作人員不需要盯著每個社群看消息，只要關(guān)注飛書表格里的數(shù)據(jù)變化，就知道有沒有需要屬于高價值內(nèi)容時，穩(wěn)定性和準確率仍有提升空間。為此，我們通過與AI協(xié)作不斷調(diào)整知識化提示詞和知識庫本身。另一個常見問題是，部分用戶消息本身表述模糊，難以直接判斷是否屬于某類高價值信息。?別沉迷研究AI新聞，多研究AI如何在實際場景中落地。?別好高騖遠，先從自己實際工作生活中，從身邊尋找使用AI的場景，越了解越熟悉的場?別總想著做個什么高級的工作流智能體，哪怕只是用提示詞解決一個具體的問題，都是很好的收獲和成長。AI好用榜測評王、AI學(xué)習(xí)圈同學(xué)@余琛，搭建了一個基于DeepSeek模型的“直播運營助手”，它能根據(jù)產(chǎn)品信息自動生成結(jié)構(gòu)合理這個案例講解了AI技術(shù)的搭建路徑、提示詞設(shè)計要點及業(yè)務(wù)落地的優(yōu)化過程，幫助有意探索AI給內(nèi)容營銷提效的同學(xué)，找到清晰可行的方法參考。始最難的事情并不是操作設(shè)備，也不是產(chǎn)品知識的積累，而是如何面對鏡頭，自然流暢地表流程，主播需要圍繞某個產(chǎn)品，自己寫出一段練習(xí)用的直播話術(shù)。但問題也出在這兒——新?曝光導(dǎo)入時該怎么開場；?如何自然地引入優(yōu)惠；?如何構(gòu)建購買場景或制造痛點……這些結(jié)構(gòu)雖然有幫助，但對于一個完全沒有表達經(jīng)驗的新主播來說，仍然很難“把抽象的結(jié)但這樣的方式效率低，資源消耗也大。尤其在新人數(shù)量比較多的時候，我們很難做到全面整個技術(shù)鏈路是這樣搭建的：以立刻開始對著鏡子練習(xí)。名單導(dǎo)入、規(guī)則匹配、反向?qū)С龊灥奖?，還能一鍵搜索現(xiàn)場嘉賓位置。整個過程就靠自然語言跟AI交互，她將分享如何通過AI把瑣碎事務(wù)變成自動化流程，讓但是非常耗費時間的任務(wù)就是給來參加活動的嘉賓排座位。別小看給活動排座這件事。它的難點主要在于有很多臨時的變化和需要緊密協(xié)同的環(huán)節(jié)。哪怕幾天前排好了位置，但現(xiàn)場情況經(jīng)常會臨時調(diào)整。比如：某位領(lǐng)導(dǎo)突然不到場，或臨時提?變動太多時難以追蹤。尤其上百人的席位安排，一旦涉及多輪調(diào)整，很難人工協(xié)同得處的同事。但線下活動線頭多，一旦時間緊任務(wù)重，就沒辦法把現(xiàn)場的變化實時同步給同事A：我當時就在想，能不能用編程做一個系統(tǒng)，把簽到臺和座位信息關(guān)聯(lián)起來，實現(xiàn)實時但在過去，這種解決方案對像我這樣沒有技術(shù)背景的人來說，其實非常難實現(xiàn)。我是個文科符號，跟人文思維中對語言的理解和表達方式截然不同。為優(yōu)先級不高而被擱置。突破百萬。Excel手動搭建座位表生成帶有完整信息的座位圖。而且，它還解決了一個問題，就是現(xiàn)場座位圖如果有調(diào)整，我可以1秒鐘反向?qū)С鲂碌拿麊味椅疫€做了一個搜索功能?；顒蝇F(xiàn)場座位眾多，密密麻麻，如果臨時需要查找某個單位或我把我搭建這套系統(tǒng)用的工具及流程步驟也附上：我沒有能力把所有工具都摸排一遍，選擇Trae是因為它有全中文版本。另外選擇用它的海外?Trae海外版（Win客戶端支持圖像輸入，用于導(dǎo)入歷史活動座位圖作為參考模板。模*如果你像我一樣看不懂任何代碼，你每次的需求要一個一個提，逐步增加，并及時保存可我靠硬背Java語法勉強通過計算機考試，買的Python書也只有第一頁有輕微使用痕跡——在使用AI編程的過程中，因為看不懂代碼，我確實會遇到卡殼的情況。不過隨著大模型的持繞不開的一課。編程的核心，不是寫代碼本身，而是把業(yè)務(wù)需求轉(zhuǎn)化為機器可以執(zhí)行的指令，并通過不斷迭不要從自己不熟悉的業(yè)務(wù)場景開始著手——因為不了解業(yè)務(wù)，很難獲得正向反饋，也容易對調(diào)試過程中要有耐心。遇到問題時，也可以反過來問問AI：有沒有一些你沒想到但它能補充AI學(xué)習(xí)圈同學(xué)@鶴涵所在的團隊，用智能體平臺搭建出了一個自動寫標書的AI系統(tǒng)，替代了傳統(tǒng)的開發(fā)模式。不需要開發(fā)代碼，就能完成從資料解析到標書生成的流程。這次的案例，他分享了如何用“搭積木”的方式，把復(fù)雜任務(wù)變成AI能夠執(zhí)行的任務(wù)，不只適用于標書，還可遷移至產(chǎn)品介紹、工作文檔、知識協(xié)同等多種場景。A：我們公司主要為企業(yè)客戶提供基于智能體的AI應(yīng)用開發(fā)服務(wù)。在與企業(yè)客戶的合作過程中，我們發(fā)現(xiàn)一個非常高頻但長期未被技術(shù)很好解決的痛點——標書撰寫。尤其在ToB業(yè)務(wù)?最終由市場或售前團隊合成全稿。這些流程不僅消耗大量時間，且每一份標書都對細節(jié)有著極高要求，容不得出錯、也難以規(guī)其次，業(yè)務(wù)規(guī)則非常繁復(fù)且易變，很多邏輯很難抽象成標準化的規(guī)則引擎。我們過去也嘗試此外，數(shù)據(jù)準備是另一個瓶頸。要做到內(nèi)容自動化生成，就必須有大量高質(zhì)量的歷史標書數(shù)據(jù)。但這些數(shù)據(jù)原本是散落在Word文檔或本地文件夾中的，缺乏統(tǒng)一標準，也很難直接利這些問題直接導(dǎo)致常規(guī)的系統(tǒng)，很難持續(xù)生成有價值的標書，更不用說小型團隊甚至根本沒來解決這個問題。Q：你是如何使用AI來解決這個問題的？簡單來說，我們不再是靠程序員寫一堆復(fù)雜的代碼來搭系統(tǒng)，而是通過一個平臺，把AI當成整個流程大致分為三步：每次參與的招投標要求都不一樣，所以我們先讓AI根據(jù)歷史大綱模板和當前項目需求，自動續(xù)就按這個結(jié)構(gòu)來補內(nèi)容。大綱定下來后，我們讓AI逐段去生成每一章的內(nèi)容。它會參考過去的資料，也結(jié)合本次項目除了這個標書場景，這套平臺還能支持很多類似的應(yīng)用，比如撰寫產(chǎn)品介紹、生成工作流程A：典型的一個案例是我們?yōu)橐患掖笮蛙浖?wù)商了市場和售前團隊的精力。甚至可能給出錯誤的信息或建議。避免出現(xiàn)邏輯漏洞或事實錯誤。2.長文本處理能力不足像合同、技術(shù)方案、項目實施方案這類文檔，動輒幾萬字甚至超過10萬字。大模型一次性處要內(nèi)容按模塊切分，逐段分析與生成。同時配合規(guī)則引擎做結(jié)構(gòu)校驗，保證文檔內(nèi)容的完整和人工之間的協(xié)同邏輯。復(fù)盤幫助建立正確的認知。2.數(shù)據(jù)基礎(chǔ)薄弱?對質(zhì)量與時效要求極高；?同時也沉淀了大量歷史資料可供學(xué)習(xí)。這樣的場景，最適合通過AI技術(shù)來釋放效率。才能做到提效和規(guī)模化。我們平臺內(nèi)置了埋點系統(tǒng)，會記錄每一個用戶交互的路徑與結(jié)果。通過分析失敗案例、反復(fù)為了解決鋼貿(mào)企業(yè)“產(chǎn)品太多難培訓(xùn)、知識太散不好用”的經(jīng)營效率難題，AI學(xué)習(xí)圈同學(xué)、鋼貿(mào)行業(yè)從業(yè)者@冼侃用AI搭建了“AI鋼貿(mào)產(chǎn)品推薦助手”：一邊通過自適應(yīng)系統(tǒng)訓(xùn)練新人，把培訓(xùn)周期從12個月壓縮到3個月；一邊讓業(yè)務(wù)人員用智能體查詢參數(shù)、推薦產(chǎn)品、秒回客戶，大幅提升響應(yīng)速度。這次的案例中，他將拆解AI落地全過程：怎么選工具？如何搭流程？一個重資產(chǎn)行業(yè)的AI客戶體驗也會受影響。很難參加。日常工作中還特別依賴老員工的經(jīng)驗，很多問題要一遍遍地回答，重復(fù)性工作很DeepSeek+米塔引擎搭建的一個自適應(yīng)學(xué)習(xí)系統(tǒng)。主要面向鋼材行業(yè)的新手或者不在一線通過爬取企業(yè)的歷史數(shù)據(jù)和行業(yè)標準文檔，把零散的信息整理成結(jié)構(gòu)化的知識庫。我們把數(shù)公式和物流方案；還有一類是行業(yè)關(guān)聯(lián)信息，比如替代品的對應(yīng)關(guān)系，或者不同工程的適配第二步是用米塔引擎搭建自適應(yīng)學(xué)習(xí)系統(tǒng)。我們開發(fā)了分層的課程體系：基礎(chǔ)層主要講產(chǎn)品景訓(xùn)練。同時還嵌入了智能評測系統(tǒng)，能根據(jù)員工的學(xué)習(xí)情況動態(tài)調(diào)整課程內(nèi)容，讓培訓(xùn)更二是場景推薦，只要輸入工程需求，就能自動推薦適配的產(chǎn)品，幫助員工更高效地完成選品比如，在業(yè)務(wù)員接觸到輕鋼別墅類工程時，系統(tǒng)可以根據(jù)工程類型，有計劃地推送匹配的產(chǎn)過這個工具高效完成查詢。通過這個智能體，鋼材行業(yè)從業(yè)人員能更方便地獲取知識，提升客戶響應(yīng)效率，大大減輕了了專門的知識庫管理員崗位，負責(zé)每周更新內(nèi)容，及時同步行業(yè)動態(tài)，確保知識體系的準確性和時效性。為了解決電商退貨流程中信息分散、人工處理繁瑣、財務(wù)核對困難的問題，AI學(xué)習(xí)圈同學(xué)@石云升借助AI工具，設(shè)計了快遞單號提取和物流軌跡查詢兩套自動化方案。化工具”等方面的實操經(jīng)驗，如果你有意探索業(yè)務(wù)流程自動化，石同學(xué)的案例值得參考。A：我主要是在電商業(yè)務(wù)的退貨處理流程中應(yīng)用AI的。這個場景聽起來簡單，實際卻非常復(fù)第一，運營部要從客服的微信群里手動整理退貨快遞信息，包括快遞單號和是否攔截成功。第二，財務(wù)每月要核對這些退貨單是否真正退回倉庫，但只能依賴運營整理的表格。這就會而財務(wù)這邊，其實根本就沒有核對機制，全靠信任運營上報的數(shù)據(jù)。結(jié)果就是：快遞哪怕一最開始我想用Dify做個微信群機器人，自動監(jiān)聽快遞信息，但實測后發(fā)現(xiàn)不穩(wěn)定、容易漏消思路穩(wěn)定得多。我通過AI來輔助編寫解析邏輯，自動提取出聊天記錄里的快遞單號、攔截狀態(tài)，并支持后續(xù)對延遲反饋信息的更新。所有數(shù)據(jù)都會生成一個結(jié)構(gòu)化的Ex首先是效率提升。運營那邊不需要再一個個抄單號、整理狀態(tài)，幾百個訂單的數(shù)據(jù)現(xiàn)在幾分其次是準確性提高。尤其在處理那些延遲反饋的攔截信息時，程序的記錄機制可以自動識別發(fā)現(xiàn)存在不少問題。后來突然想到，或許可以通過某些工具直接獲取聊天記錄——因為之前第二個挑戰(zhàn)是規(guī)則梳理特別困難。運營同事其實自己也說不清楚到底哪些快遞單號該記錄，3.簡單就是高效：不要迷信復(fù)雜的模型或自動化，很多時候，一個穩(wěn)定的邏輯+一張結(jié)構(gòu)化我對業(yè)務(wù)流程的理解。為了解決企業(yè)在員工培訓(xùn)與業(yè)務(wù)考核中“成本高、效率低、評分不準”的問題，AI學(xué)習(xí)圈同學(xué)@毅恒帶領(lǐng)團隊借助AI優(yōu)化了從講解錄制到自動評分、反饋與練習(xí)的全流程。場景持續(xù)優(yōu)化”方面的實操經(jīng)驗，幫助有意探索AI落地的企業(yè)管理者、培訓(xùn)負責(zé)人，找到清晰可行的方法參考。有12萬名房產(chǎn)經(jīng)紀人，每年需要對他們進行業(yè)務(wù)講解能力的考核。這項任務(wù)看似簡單，但執(zhí)店里銷售新品前，只能通過文檔或培訓(xùn)材料讓一線的營業(yè)員自學(xué)，無法了解他們對產(chǎn)品的掌握程度，更難以組織標準化、可量化的考核流程。這些一線員工是否真正理解產(chǎn)品、能否準A：過去企業(yè)主要依賴線下組織考試和人工打分。像鏈家這樣經(jīng)紀人數(shù)量龐大的企業(yè)，組織一次考核往往要提前好幾個星期去安排場地、協(xié)調(diào)考官的時間、進行評審?？己诵问骄褪乾F(xiàn)場聽這些經(jīng)紀人口頭做介紹，看看銷售話術(shù)上、表達邏輯上符不符合公司要求，有沒有掌握每一場考試都要有多名考官現(xiàn)場聽講，并對每位經(jīng)紀人逐項打分。這個過程對管理層來說是模式，參加考核的經(jīng)紀人員工錄制語音，上傳到后臺，然后再由客服或運營團隊統(tǒng)一聽取內(nèi)容，進行評分。有些企業(yè)在此基礎(chǔ)上進一步嘗試引入關(guān)鍵詞識別系統(tǒng)，判斷講解中是否包含我們也參與過類似方案的設(shè)計，比如設(shè)置標準答案的關(guān)鍵詞庫，讓系統(tǒng)判定內(nèi)容中是否提到A：我們從2023年8月開始與鏈家合作，部署了一套基于語義理解的AI評分系統(tǒng)，叫Smart每位經(jīng)紀人在完成學(xué)習(xí)后，會通過鏈家的內(nèi)網(wǎng)小程序錄制一段講解視頻或語音內(nèi)容，講完后自動上傳至后臺。系統(tǒng)接收到內(nèi)容后，會將其轉(zhuǎn)寫成文本，基于事先配置好的評分維度進行?產(chǎn)品核心賣點和案例講解表達是否精準?講解結(jié)構(gòu)是否標準?關(guān)鍵詞使用是否得當?語言表達是否清晰流暢系統(tǒng)評分后立即返回結(jié)果，每個員工都能在頁面上看到自己在哪些知識點上得了幾分，為什可以完成評分反饋，一天時間能完成上萬人次的考核任務(wù)。管理層不需要像過去那樣，投入其次是成本控制。以鏈家為例，過去一次完整的年度考核投入成本約在100萬元左右（因隱私考核成本不便告知，僅示意舉例引入SmartScore系統(tǒng)之后，全年考核成本下降至5萬第三是員工體驗的提升。系統(tǒng)將每道題的評分細化并明確標注得分點與失分原因，員工能限次練習(xí)并查看進步數(shù)據(jù)。鏈家后臺數(shù)據(jù)顯示，原本90分以上的高分講解者約占10%，在使用AI系統(tǒng)半年后，提升至20%。講解能力的提升直接帶來了銷售轉(zhuǎn)化率平均提升30%的業(yè)務(wù)效果。模型效果和客戶體驗影響最大。產(chǎn)品的三大賣點，是否講解順序合理。每個標準都要有明確的判斷規(guī)則，才能讓模型識別。這部分的工作我們會與業(yè)務(wù)方聯(lián)合推進，有些行業(yè)標準不明確的項目，我們也會引入第三方咨詢顧問參與標準制定。際員工的講解錄音，安排人工專家進行標注評分，再與AI評分結(jié)果進行對比。通過多輪樣本訓(xùn)練和模型微調(diào)，不斷校正評分機制。直到AI的評分穩(wěn)定性接近甚至超過人工專家，我們才上線正式版本。以鏈家項目為例，我們在上線前做了超過300份樣本的比對和迭代，才實現(xiàn)決定了應(yīng)用場景的深度與范圍。?充分發(fā)揮語義分析優(yōu)勢：相比生成能力，當前AI在結(jié)構(gòu)化分析與多維評分方面更具可靠?產(chǎn)品講解內(nèi)容的評分；?客服話術(shù)或銷售話術(shù)的標準化評估；?銷售跟進話術(shù)的表現(xiàn)測評；適得其反。為了解決招聘場景中“簡歷刷不完、面試沒標準”等效率低下的問題，AI學(xué)習(xí)圈的同學(xué)@潘磊結(jié)合飛書多維表格和AI工具，搭建了一套智能招聘流程系統(tǒng)。通過讓AI接管簡歷準、更可量化，用數(shù)據(jù)說話，減少人為偏差。在這次分享中，他將講述一個財務(wù)負責(zé)人如何用AI來推動招聘流程的改造，希望對你有啟發(fā)。個環(huán)節(jié)。以招聘軟件工程師為例，我們需要從大量簡歷中篩選出符合要求的候選人，并確保在面試中能全面評估候選人的技術(shù)能力和綜合素質(zhì)。容易受到個人偏好影