人工智能大模型正以前所未有的速度重塑制造业运营范式。从生产数据分析到质量报告生成，从跨部门会议协同到供应链文档处理，AI已不再是技术部门的专属工具，而是生产、质量、研发、采购、IE等一线部门触手可及的效率杠杆。当同行已在用AI将生产会议纪要压缩为分钟级产出、将繁琐的数据报表转化为智能洞察、将格式化的技术文档生成效率提升10倍，驾驭AI的能力差距，正在悄然转化为制造企业竞争力的分水岭。

然而，AI在制造业务场景落地的现实远比想象中艰难。大多数企业面临三重困境：一是“用了但没用对”——停留在简单问答，无法将AI嵌入生产复盘、质量分析、研发评审等核心流程实现真正提效；二是“懂点但不成体系”——缺乏从智能会议、专业文案到数据分析的完整方法论，遭遇跨部门协同、复杂报告撰写等场景便举步维艰；三是“想深入但不敢迈”——对数据安全、技术保密、合规风险缺乏系统认知，在业务部门推广中畏首畏尾。

本课程专为热水器制造企业定制，聚焦生产运营中的高频刚需场景。内容贯通AI认知升级、Teams智能会议、DeepSeek专业文案、Excel数据智能分析、PPT高效呈现的完整能力闭环。课程摒弃纯理论灌输，以大量制造业真实案例与沉浸式实战演练为载体，引导学员从“工具使用者”跃迁为“流程重构者”，最终具备在部门内部推动AI规模化落地、实现人效倍增的实战能力。

• 会议效率革命——掌握Teams自动会议纪要核心功能，将跨部门生产协调会、质量复盘会从“耗时记录”变为“分钟级结论产出”，释放管理者专注决策。

• 文案产能倍增——运用DeepSeek攻克报告、技术文档、采购邮件等专业写作，实现格式规范、术语准确、逻辑严谨，告别熬夜码字。

• 数据决策赋能——通过AI赋能Excel，不懂复杂函数也能完成生产能耗分析、供应商绩效统计、质量趋势洞察，让数据自己“说话”。

• 汇报呈现升级——借助AI快速构建逻辑清晰的PPT，将枯燥数据转化为有说服力的故事，让工作成果被看见、被认可。

• 安全合规落地——建立制造业数据（工艺参数、成本数据）的AI使用红线，在安全可控范围内释放效能。

认知破局——AI如何重塑售前与销售的战斗力

引言：工业革命延伸体力，信息革命延伸眼耳，AI革命延伸创造力。这不是工具迭代，是自印刷术以来内容生产方式的第 一次根本性变革。

导入： AI的颠覆性力量，引入大模型的潜力

从概率预测到逻辑执行的范式迁移

1. 开场震撼Demo

2. 认知升级

3. 多模态：Seedance2.0核心认知和能力突破

4. 智能体和知识库的爆发

OpenClaw龙虾是什么？

1. 定位：低代码/无代码AI智能体开发与应用平台。

2. 核心价值：让不懂编程的普通人，也能快速搭建专属的AI助手，处理特定任务。

3. 龙虾的应用场景

价值锚点：AI如何为你的企业赋能

1. 生产运营场景：生产数据监控、设备预警、报表自动化

2. 研发质量场景：技术文档撰写、标准解读、测试报告生成

3. 供应链场景：供应商沟通、合同处理、采购数据分析

4. 管理协同场景：会议效率、知识沉淀、流程优化

•

智能会议实战——Teams打造高效协同中枢

引言： 会议不是信息黑洞，而是行动起点。本讲用Teams将跨部门会议从耗时环节变为价值产出环节。

Teams会议中心：企业协同新范式

1. 智能会议全流程配置

• 会议模板设置：问题复盘会、技术评审会、生产调度会

• 录制与转录：中英文混合会议精准识别

• 发言人识别：自动区分生产、质量、研发负责人发言

1. 自动纪要生成实战

• 功能演示： 一场"热水器漏水问题跨部门复盘会"的智能纪要

• 核心产出： 议题-结论-待办事项（含责任人、截止时间）自动结构化

• 技巧： 如何设置关键词，让AI更精准抓取"根本原因"、"纠正措施"

1. 行动项智能跟踪与闭环

• 待办事项自动同步

• 截止时间提醒与进度更新

Teams与生产系统的协同扩展

1. 知识库构建：会议纪要沉淀为组织资产

• 按项目、产品型号自动分类存储

• 支持自然语言搜索历史决策

实战演练： 模拟"供应商质量投诉处理会议"，完成从召开到纪要生成到行动项分配的全流程

AI在生产运营中的典型应用场景

引言：AI不是遥不可及的概念，它正以“数字员工”的形态，悄然进入生产运营的每一个角落。本模块将带您进行一场“生产车间AI之旅”，全景式扫描从生产执行到质量管控，从设备维护到供应链协同的AI应用实景。我们将通过真实案例，为您拆解AI在这些场景中“做了什么”、“怎么做的”、“带来了什么价值”。

生产执行与控制

1. 智能排产与调度

• 面对多品种、小批量的订单模式，AI如何根据物料到货情况、设备状态、人员技能，自动生成最 优的生产排程，并将排产时间从数小时缩短至分钟级。

• 价值：提升设备利用率，缩短订单交付周期，快速响应插单、急单。

1. 生产节拍优化

• 案例：通过分析产线各工位的实时数据，AI识别出“瓶颈工位”，并给出平衡节拍的调整建议（如调整工序、增加辅助工具）。

• 价值：提升产线整体效率，减少在制品积压。

设备维护与管理

1. 预测性维护

• AI持续学习关键设备（如冲压机、焊接机器人）的振动、温度、电流等传感器数据，在故障发生前数小时或数天发出预警，并建议可能故障点。

• 价值：变“事后维修”为“视情维修”，减少非计划停机，延长设备寿命。

1. 智能巡检与点检

• 点检人员用手机拍摄仪表盘或设备状态，AI自动识别读数是否在正常范围内，并记录点检结果。或通过AI视觉，自动识别设备漏油、异响等异常。

• 价值：提高点检效率和准确性，确保点检工作真实落地。

质量管控与分析

1. AI视觉质检

• 案例：在热水器内胆焊接、外壳喷涂等环节，部署AI视觉系统，自动识别焊渣、气孔、划痕、色差等微小缺陷，精度和速度远超人工。

• 价值：实现全检，避免漏检，提升出厂质量，降低客户投诉。

1. 质量根因分析

• 案例：当某批次产品出现质量波动时，AI自动关联该批次的人（操作工）、机（设备参数）、料（来料批次）、法（工艺参数）、环（环境温湿度）等多维度数据，快速锁定问题根因。

• 价值：将质量问题的排查时间从数天缩短至数小时，快速制定纠正措施。

1. 技术文档智能处理

• AI快速阅读并解读数百页的国家标准、行业标准，自动提取与公司产品相关的关键要求，并生成合规性检查清单。

• 提升研发、工艺人员的工作效率，确保产品设计符合规范。

供应链与仓储协同

1. 物料需求预测

• AI结合生产计划、历史消耗、供应商交付周期等因素，自动预测未来数周的关键物料需求，并生成采购建议。

• 价值：优化库存水平，避免缺料停线或物料积压。

1. 智能仓储管理

• 通过AI视觉识别和自动导引车（AGV），实现物料的自动入库、出库、盘点。AI优化库位分配，减少搬运距离。

• 价值：提升仓储空间利用率，降低人工拣选错误率。

DeepSeek文案赋能——制造业专业文本智能处理

引言： 专业文档不应消耗工程师的创造力。本讲让DeepSeek成为你的24小时技术文档助手。

DeepSeek核心能力：超越聊天的文档专家

1. 制造业专用提示词工程

• 万 能公式CO-STAR在技术场景下的变体应用

• 范例生成： 投喂优秀报告模板，让AI学习企业风格

高频场景实战

1. 场景一：质量报告

1. 输入零散检验数据→输出结构化《月度质量分析报告》

• 报告框架智能填充：问题描述→围堵措施→根本原因分析

• 实战： 处理一批"温控器精度偏差"数据，生成报告初稿

1. 采购与供应链文书

• 供应商评估报告生成

• 采购合同关键条款起草与审核要点提示

• 谈判要点清单准备

1. 通用办公公文

• 通知、请示、会议纪要的规范生成

• 项目汇报材料的亮点提炼与拔高

进阶技巧：去AI味与专业化

1. 6D拔高法的应用

• 将"生产线改造"拔高为"智能制造升级"

• 将"成本降低"关联到"价值链优化"

1. 技术文档的润色

• 避免口语化，强化数据支撑

• 加入行业术语与专业表述

AI让汇报创造价值

引言： 三天心血凝成报告，老板目光停留不过十秒。此讲不教文字堆砌，专授如何借AI将苦劳翻译成功劳，让每一页PPT都值钱。

高效工作汇报

1. 解锁工作汇报的高效步骤

• 重点：清晰把握从准备资料到呈现汇报的全流程关键环节响。

• 步骤：设计目标->分析听众->设计框架->充实内容->调整优化->从容演绎->复盘回顾

• 技巧：合理组织内容及展示成果。

1. 搭建引人入胜的工作汇报框架

• 重点：从准备资料到呈现汇报的全流程关键环节。

• 技巧：剖析经典工作汇报框架案例，学习如何根据汇报目的、受众来确定核心板块，以及各板块的逻辑衔接方法，比如按照时间顺序、重要程度排序等。

1. 解锁汇报吸引力密码

• 重点：明确如何从内容与呈现两方面，打造吸引人的工作汇报。

• 技巧：运用故事化叙事突出重点成果、设计可视化元素增强视觉冲击的方法。

• 实战演练：如何让客户买我们的设备

1. 影响听众

• 重点：用AI增强内容对听众的心理影响力

• 技巧：AI分析热门演讲的语言模式 + 听众画像大数据优化措辞

• 实战案例：印度人是如何向上管理

高效PPT

1. 智能PPT生成——突破创作瓶颈

• 重点：解决逻辑断裂、数据缺失导致的创作停滞

• 技巧：内容断层智能填充+信息密度精准调控+演讲剧本自动化

• 实操演练：写一个工作总结PPT

1. PPT页面文字太多——关键词提炼呈现

• 重点：提取关键信息，增加可信度

• 技巧：AI萃取主题和关键信息+视觉化呈现+交互增强

• 实操演练：1分钟把文字转成图表

1. PPT图太丑还不能删——优化呈现质感

• 重点：优化视觉呈现，保留核心信息

• 技巧：AI 辅助美化 + 信息聚焦强化

• 实操演练：3 分钟让普通图片变专业配图

1. 搞定 PPT 排版，这 4 招让你的页面秒变高级！：

• 左右结构: 信息对比超清晰

• 环形居中: 焦点一眼被锁定

• 上下结构: 逻辑层层递进

• 方块结构:内容利落不杂乱

1. AI助力汇报讲出彩

• 重点：破解内容枯燥难题，抓住听众前3分钟

• 技巧：对齐领导目标·先讲结果·再讲亮点·最后讲数据 + SCQA模型

• 大厂案例：微软内部汇报者如何用AI预演听众反应

• 实战演练：设计一段让CEO印象深刻的开场白

数据处理、分析和可视化

引言：面对数据报表本能逃避，复杂函数永远隔夜就忘？从此你只负责提出正确问题，Excel脏活交给AI。不懂公式，照样驾驭数字决策

Excel数据清洗、数据处理和分析

1. 揭开数据分析的神秘面纱

• 重点：数据分析不是技术，是提问题、找证据、下结论的能力

• 技巧：通过不同行业成功案例讲解，凸显数据分析价值

1. 整理与清洗数据

• 重点：学会处理脏数据，为分析做准备

• 技巧：运用函数、工具识别并处理重复值、缺失值、错误值

• 实战演练：Excel 清理一组复杂数据

1. Excel复杂公式记不住？——自然语言转函数代码

• 重点：解决复杂函数记忆与应用难题

• 技巧：精准定位表格+自然语言转公式错误调试

1. 可视化呈现数据

• 重点：将分析结果以直观易懂的图表展示

• 技巧：掌握柱状图、折线图、饼图等图表适用场景及制作技巧

AI快速分析与可视化

1. AI快速高效生成数据报告

• 重点：解决数据整合繁琐、报告产出慢、数据洞察不深入的难题

• 技巧：AI 自动整合数据 + 智能生成可视化报表 + 深度挖掘数据关联

1. 客户反馈量大难拆解？——AI 高效分析反馈数据

• 重点：解决反馈数据繁杂、核心需求难提炼分析难题

• 技巧： AI 智能提取关键需求点 + 多维度情感倾向深度研判

1. AI预测明年趋势

• 重点：掌握基础预测思路，理解市场动态、历史数据。

• 技巧：以过往成功预测案例为蓝本，AI辅助构建简单预测模型

• 实战演练：给定某公司过去5年销量，AI输出明年趋势预测+行动建议

构建企业智慧大脑——打造可进化、可赋能的知识库

引言： 企业最 大的隐性流失，是老师傅带着经验退休，是工程师带着解决方案离职。知识库不是文档仓库，而是组织记忆的数字化复利引擎——让智慧沉淀为资产，而非流失为成本。

认知基建：RAG原理与知识库的战略价值锚点

1. 知识库对热水器制造的核心价值

• 提升效率，降低成本——别让工程师重复发明轮子（如：相同故障二次排查）

• 弥补专业领域知识不足——专家走了，经验还在（如：特殊焊接工艺参数）

• 提升回复准确性——客服/售后不再“凭感觉”，技术支援有据可查

• 解决大模型幻觉问题——给AI一本热水器专业教材，它就不会瞎编技术参数

1. 企业智慧的底层逻辑

• 重点： RAG（检索增强生成）——不是让AI背诵，是让AI带着教材做题

• 技巧： 拆解RAG架构（检索模块+生成模块）

• 类比： 就像给AI配一个随身携带的《热水器技术百科全书》

1. 热水器企业知识库的独特优势

• 结构化： 按产品线、故障类型、工艺环节分类

• 可检索： 自然语言查询“E03故障代码解决方法”

• 可沉淀： 每次维修记录、技术改进都可入库

• 可进化： 随着产品迭代、工艺升级持续更新

知识库搭建全流程实战

1. 知识库框架构建

• 重点： 如何规划符合制造企业需求的知识库框架

• 技巧： 深度调研业务流程与知识使用场景 → 设计分类体系

• 实战演练： 为“热水器质量与工艺知识库”设计分类框架（如：一级分类：产品系列；二级分类：部件/工艺；三级分类：故障模式/参数标准）

1. 知识库内容优化与维护

• 重点： 筛选高价值知识进行填充，确保准确性、完整性、时效性

• 技巧： 建立“知识贡献机制”（技术骨干每月贡献一条最 佳实践）+ 专业审核委员会（总工/质量总监把关）

• 维护机制： 建立定期检查机制（每季度更新国家标准）+ 更新SOP（当产品设计变更时，72小时内更新相关工艺文件）

知识库的应用场景与效能提升

1. 智能问答助手

2. 项目知识沉淀

3. 新人培训加速

4. 知识库业务赋能

AI应用风险防控——安全合规的智能办公边界

引言：AI效能显著，但暗礁同样致命。数据泄露、版权争议、模型幻觉——此讲不渲染焦虑，只为你划定安全边界，建立AI应用的安全操作规范。

龙虾OpenClaw安全原则

1. 权限最小化原则： 只给必要的权限，保护核心生产数据。

2. 人工确认机制： 关键操作（如下单、发布指令）必须设置人工审核环节。

3. 技能来源管控： 只使用官方或可信来源的技能插件。

大模型技术盲点和风险预警

1. 数据安全风险：

• 案例解析：某研究所数据泄露事件（通过AI导致设计泄露）

• 敏感信息识别与防护：客户数据、财务信息、核心技术文档

1. 合规与法律风险：

• 案例解析：使用Deepseek生成虚假案例

• 知识产权风险：AI生成内容的版权归属与侵权认定

• 行业合规要求：金融、医疗、政务等行业的特殊监管政策

1. 模型与输出风险：

• 幻觉（Hallucination）问题：错误信息的生成与辨别

• 偏见与歧视：训练数据偏差导致的输出问题

• 提示词注入（Prompt Injection）攻击与防范

AI发展和未来

1. AI走出屏幕进入物理世界

• 具身智能：机器人、自动驾驶、智能工厂

1. 人工智能+

• 不是“AI替代人”，是“AI + 人 = 新物种”