一、A I发展史

1.AI，归根结底是解决什么问题的？

1.1 AI的定义

1.2 AI的发展史

1.3 机器学习：监督学习、无监督学习、强化学习

1.4 深度学习：图像识别技术CV与人类自然语言处理NLP

1.5 GPT的诞生

1.6 AI-LLM大模型的诞生

1.7.AI-LLM大模型的技术原理

2.分析性AI

2.1分析性AI的目的：赋助人工做出科学判断

2.2科学决策三大核心要素：数据模型、大数据、超高算力

2.3数据模型：分析性AI——机器学习与深度学习

2.4大数据：大数据技术（数据采集、数据传输、数据存储、数据清洗、转换与集成、数据治理 数据管理、数据安全、数据可视化、数据资产化、数据资产服务平台）

2.5算力：从云计算到量子计算

2.6分析性AI赋能科学分析的底层逻辑

3.AI-LLM大模型的主要应用领域

3.1AI-LLM特点：理解语义、知识记忆、逻辑推理、直接生成

3.2 文生文、文生图、文生音频、文生视频、文生代码

3.3 图生视频

4.AI-LLM大模型的发展现状

4.1 国外AI-LLM大模型介绍

4.2 AI-LLM大模型的发展趋势

4.3 AI agent的出现

5.AI agent

5.1 AI agent

5.2 RPA+LLM

5.3 RAG

5.4 数字员工

二、AI的主要应用领域及场景

1.AI(LLM) +办公

1.1 文本类：通讯稿/培训总结/会议纪要/公文/营销文

1.1.1 kimi、文心一言、通义千问、讯飞星火等、豆包

1.2 图片类：配图/营销海报/产品图片    

1.2.1 SD、即梦、文心一格、canva

1.3 短视频：纪录片/品牌宣传/产品推介/数字人播报      

1.3.1 星火绘镜、即梦、Runway、Pika、度+

1.4 PPT：演示类/演讲类/培训类    

1.4.1 Gamma、AIppt、WPSAI

1.5 其他：数据处理、思维导图   

1.5.1  kimi、文心一言

2.AI +产品/营销/客服

2.1 AI+产品

2.1.1 分析性AI：设备管理、生产计划管理、产品生产控制    

2.1.2 AI-LLM：产业设计、产品质检

2.2 AI+营销：

2.2.1 分析性AI:RPA营销画布

    2.2.2 AI-LLM：策划、内容创作

2.3 AI+客服：

2.3.1 分析性AI：智能客服、智能精准营销    

2.3.2 AI-LLM：大语音智能客服

3.AI +物流

3.1 AI+仓储，智慧仓储

3.1.1 智慧仓储管理    

3.1.2 智慧分拣

3.1.3 智慧AGV叉车    

3.1.4 智慧搬运

3.2 AI+物流，智慧物流

3.2.1 智能调度

3.2.2 智能线路规划    

3.2.3 智慧物流园区    

3.2.4 智慧货物追踪

3.3 AI+配送，智慧配送    

3.3.1 智能线路规划和调度

3.3.2 智慧货物追踪

4.AI +HR/财务/行政/法务

4.1AI+HR：

4.1.1 人力资源规划    

4.1.2 招聘与选拔

4.1.3 培训与成长

    4.1.4 绩效与评估

    4.1.5 薪资与福利

    4.1.6 员工关系管理

4.2 AI+财务：基础会计-业财融合-管理会计

4.3 AI+行政：行政制度

4.4 AI+法务：供应商管理-合同生成

5.AI-agent AI助理和数字员工

5.1 AI个人助理

5.2 AI-LLM与数字员工

5.3 AI agent 在各领域的应用

5.3.1 财务数字员工    

5.3.2 运营数字员工    

5.3.3 客服数字员工    

5.3.4 HR数字员工

三、AI-LLM的基础能力体系

1.Prompt 提示词

1.1 提示词的基本结构

1.2 三类提示词写作模板

1.3 提示词强化加强

2.Agent 工具

2.1 智谱清言与文心智能体

2.2 coze

2.3 实在agent

3.RAG本地化知识库

3.1 AI-agent 能够解析的知识库

3.2 知识体系

3.3 知识笔记obsidian工具的使用

4.工作流+AI-IPA(RPA)

4.1 定义工作流

4.2 工作流程设计

4.3 国内主流RPA工具介绍

4.4 RPA流设计器的使用

5.企业级agent数字员工的部署

5.1 标准行业解决方案的Saas化部署

5.2 个性化本地化部署解决方案