当前，以大模型为代表的生成式人工智能技术正在深刻改变企业的运营模式与管理方式，越来越多的企业正在投入算力、大模型、AI工具和业务试点，“数字员工”逐渐融入职场的时代正在到来。但智能体进入企业组织后，普遍面临“投不见效、危不能查”的双重困境。智能体的真正价值不在于辅助个人完成单项任务，而在于成为能够自主理解、规划并执行复杂业务流程的“数字员工”。一个不容忽视的现实是：企业中层以上领导对AI的使用普遍仍停留在做PPT、润色文章等个人效率工具层面，尚未将AI智能体与制度管理、流程审批、业务决策等核心管理工作深度融合。

本课程设计不追求让每一位学员都成为技术专家，而是让不同岗位、不同技术背景的领 导 者都能找到适合自己的智能体应用路径，在真实业务场景中亲手搭建、亲身体验、亲自验证；从而帮助企业中层以上领导完成从“会用AI工具”到“能用AI智能体重构业务流程”的能力跃迁，真正将AI能力转化为组织生产力。本课程可基于智谱大模型等平台开展教学，学员无需依赖企业内部平台，即可通过零代码智能体开发工具亲手搭建、训练和部署属于自己的业务智能体，实现“手搓智能体”的完整实战体验。

1、认知层面：理解AI智能体从“个人工具”到“组织生产力”的演进路径，认清智能体对企业制度管理、流程审批、业务决策的变革价值；掌握智能体与传统AI工具的本质区别，建立正确的智能体应用认知框架

2、方法层面：掌握智能体落地“四步法”——选场景、定身份、建知识、编流程，形成可复用的方法论；学会用“岗位说明书”的思维为智能体定义角色、职责和权限边界；理解多智能体协同的架构逻辑与组织管理方法

3、技能层面：能够在智谱平台上独立完成一个业务智能体的需求分析、设计、搭建、测试与发布；掌握知识库搭建、工作流编排、能力调用等核心实操技能；能针对制度查询、流程审批、数据决策等典型场景设计智能体解决方案

4、行动层面：带着至少2个可运行的业务智能体离开课堂，形成一份可执行的《本部门智能体落地行动计划》，建立一套可复用的智能体模板和最 佳实践库

第 一天：认知破局与平台入门（6小时）

一、破冰互动：你在用AI做什么？

1）互动调研

• 现场提问：目前大家用AI最多的三个场景是什么？

• 典型答案揭示：做PPT、出报告、查资料……全是“个人效率工具”

• 追问：这些应用对部门管理效率、业务流程优化产生了多大影响？

2）课程目标共识

• 两天后你能用智能体做什么：不是让AI帮你写一份报告，而是让AI替你跑完一个完整的业务流程

• 从“人用工具”到“人设规则、AI跑流程、人做审核”

二、重新认识AI智能体

1）核心概念辨析

• AI助手（Chatbot）：你问它答，被动响应

• AI智能体（Agent）：能自主理解目标、制定计划、调用工具、执行任务并向管理者反馈结果

• 关键区别：智能体不是“更聪明的聊天机器人”，而是能独立完成工作的“数字员工”

2）从个人AI到组织AI的演进路径

• 第 一阶段：个人辅助（写文章、做PPT）——效率提升有限，价值天花板明显

• 第二阶段：团队协作（共享知识库、协同编辑）——开始产生组织价值

• 第三阶段：组织智能（智能体嵌入业务流程）——生产力重构

3）企业智能体落地的四道关卡

• 给身份：明确智能体在组织中的岗位归属和职责范围

• 造基建：知识库、数据源、API接口等基础设施

• 改流程：围绕智能体重构而非“贴标签”

• 定考核：像考核员工一样考核智能体

三、行业标杆案例深度剖析1：西门子Industrial Copilot——从助手到自主执行

1）案例背景

• 西门子在2025世界人工智能大会上首次在中国展示Industrial Copilot智能体系统

• 该系统标志着AI在工业领域从被动响应用户查询的助手，转变为能主动感知、分析、决策并执行完整工作流程的智能体

2）技术架构与落地方式

• 独特架构：用户交互界面与后台执行智能体分离，智能体配备协调器模块，可灵活调用专业化工具或协同其他智能体

• 覆盖环节：已整合至设计（NX CAD）、规划（生成式AI分析）、工程（TIA博途平台生成PLC代码）、运维及维护等工业环节

• 典型案例：工程师通过语音指令下达“增加新订单”任务后，系统可自主调度生产线资源，完成从订单输入、需求预测、设备调控到物流调度的全流程

3）应用成效

• 全球已有超200家企业部署，应用于设备安装、程序调试及故障排除等场景

• 预计可提升生产效率最 高达50%

• 将部分耗时数小时的任务缩短至分钟级

4）经验启示

• 西门子的经验证明：智能体不是“锦上添花”的辅助工具，而是可以独立完成复杂工业流程的“数字员工”

• 关键在于：给智能体明确的“岗位职责”和“工作流程”

四、智谱大模型与智能体开发生态全景

1）智谱AI技术体系

• GLM系列大模型：从GLM-4到GLM-5，模型能力持续进化

• All Tools智能体API：为开发者提供强大的工具集，支持多步骤任务执行

• AutoGLM：全球首个手机智能体，支持一句话实现云端操作与自动执行

2）智谱清言智能体平台

• 清言智能体基于GLM模型搭建的智能体创建平台，无需编程，通过文字即可快速构建具备专属技能的智能体

• 目前已推出80万+官方及用户自创的智能体，覆盖职场提效、AI写作等多样化场景

• 支持知识库文件上传（最多1000个文件），通过数据投喂让智能体更符合业务实际需要

3）智谱清流-智能体开发平台

• 零代码、开箱即用、多元化集成，极速助力企业智能化转型

• 集成了常用节点和工具，用户可在画布上拖拽操作，构建自己的任务流

• 最终可通过页面嵌入、API调用等形式将智能体融入业务流程

• 适用人群覆盖非技术类（业务/产品/运营）和技术类（代码节点、自建插件）

4）平台的三种智能体类型

• 对话型：用于角色扮演、智能客服、业务助理等场景

• 文本型：用于文本写作、信息抽取、文案生成等场景

• 知识问答型：用于FAQ自动应答、产品咨询、文档问答等场景

一、智能体落地“四步法”详解

1）第 一步：选场景

• 原则：从高频、重复、规则清晰的流程入手

• 判断标准：这个流程每天/每周发生多少次？人工处理需要多少时间？规则是否明确？

• 场景分级：制度查询（入门级）→流程审批（进阶级）→数据决策（挑战级）

2）第二步：定身份

• 核心问题：这个智能体在组织中扮演什么角色？

• 方法论：用“岗位说明书”的思路定义智能体——岗位名称、隶属部门、职责范围、权限边界、考核指标

• 实操工具：《智能体岗位说明书模板》

3）第三步：建知识

• 知识来源：制度文件、流程规范、业务规则、历史数据

• 在智谱平台中，知识库最 大容量为1G，支持多模态检索

• 关键要点：知识质量决定智能体回答质量

4）第四步：编流程

• 在智谱清流平台中，通过拖拽节点的方式构建工作流

• 工作流适用于：任务较复杂需多次调用模型、任务有固定流程需严格按步骤执行

• 关键能力：触发条件设置、节点配置、异常处理

二、行业标杆案例深度剖析2：首钢股份——制度管理的智能体实践

1）案例背景

• 首钢股份依托首钢集团AI算力中心，成功上线第 一批AI大模型智能体应用场景

• 覆盖制度管理、合同审核、安全运营与客户服务等六大关键环节

2）“制度专家智能体”——让制度检索更高效

• 累计收集公司各类制度办法617项，构建起覆盖全业务的制度知识库

• 基于知识库完成AI制度专家原型开发与部署，实现制度内容精准智能检索

• 员工可快速获取所需制度条款，大幅缩短信息查询时间

3）“合同审核智能体”——让合规审核更可靠

• 以《合同（协议）编写规范》为核心依据，对11项关键条款开展全面核查

• 同步实现法律条款失效性校验、天眼查信息核对及风险分析

• 通过全流程智能审核，全方位保障合同合规性与风险可控性

4）“安全法律法规智能体”——筑牢合规防线

• 搭建安全法律法规私有知识库，涵盖法律法规、企业制度、国家标准、行业标准类文件571项

• 搭载首安云平台，为员工提供安全合规智能问答服务

• 保障数据安全不出厂，同时提升合规查询效率

5）经验启示

• 制度管理是智能体落地的最 佳切入点——知识边界清晰、需求高频、见效快

• 首钢的经验验证了“先建知识库、再做智能体”的路径可行性

三、实操环境准备与平台导览

1）智谱清言/智谱清流平台注册与环境熟悉

• 智谱清言平台完成注册

• 核心功能模块：智能体创建、知识库管理、工作流编排

2）实操任务发布

• 每位学员确认自己将搭建的智能体场景（课前已准备3-5个候选场景）

• 小组内部分享与场景筛选

本模块采用学员跟练模式，确保每位学员完成第 一个可运行的智能体

一、带练目标

• 掌握智谱清言平台的基本操作界面

• 完成第 一个可运行的智能体：能基于上传的制度文档回答员工提问

• 理解智能体“知识库+角色设定+提示词”的核心架构

二、带练步骤

第 一步：登录平台与创建智能体

• 演示：登录智谱清言平台（https://chatglm.cn/）

• 点击左侧导航栏的“创建智能体”按钮，进入创建界面

• 弹窗提示“AI自动生成配置”，只需用一句话描述需求即可创建智能体

• 输入描述（“一个能回答公司制度问题的部门制度助手”），点击“生成智能体配置”

• 系统自动完成“命名→生成头像→明确功能→调整→生成”全流程

• 学员同步完成创建

第二步：配置智能体基础信息

• 演示：查看AI自动生成的智能体配置——Logo、名称、简介、配置信息、开场白与预置问题

• 根据实际需要修改和完善个性化配置：名称、配置信息、对话模式、开场白

• 各配置项的作用和设置技巧

• 学员同步完成基础配置

第三步：上传知识库——投喂制度文档

• 演示：在配置界面找到知识库配置区域

• 上传，选择一份制度文档（以《出差管理制度》为例）

• 平台自动解析文档内容，构建知识库

• 知识库支持的文档格式和容量限制（最多1000个文件）

• 学员同步上传自己带来的制度文件（至少1份）

第四步：编写角色设定与系统提示词

• 演示：在System Prompt区域输入角色设定

“你是一位精通部门管理制度的专家助理。职责是准确回答员工关于部门制度、流程、规范的各类问题。知识范围仅限于已上传的制度文档库。回答时需引用制度原文，并给出可操作的建议。对于知识库中没有的问题，请明确告知‘该问题暂未收录相关制度，建议咨询部门制度管理部门’。”

• System Prompt的作用：为模型提供任务目标，定义人设、风格、任务说明或遵循的规则

• 好提示词的三个要素：明确的角色、清晰的指令、具体的约束

• 学员同步编写自己智能体的System Prompt

第五步：测试与优化

• 演示：预览智能体界面，输入3-5个典型问题

• 观察回答质量，演示如何根据回答效果调整System Prompt或补充知识库

• 常见问题排查：问答不准确/回答过于笼统/文档未识别

• 学员测试自己智能体的问答效果，记录优化点

第六步：发布智能体

• 演示：调试完成后点击“刷新保存”，然后点击“发布”

• 三种发布方式：私密/分享/公开

• 学员完成发布，获得第 一个可运行的企业智能体

三、带练成果检查

• 每位学员完成1个“制度问答智能体”的创建、知识库配置、测试与发布

• 智能体至少能准确回答5个以上制度相关问题

• 检查确认完成情况

本模块在第 一个带练项目基础上进阶，引入“工作流编排”能力，让智能体从“会回答”升级为“会办事”

一、带练目标

• 掌握智谱清流平台的工作流编排功能

• 完成一个包含“触发-判断-执行-反馈”完整链路的流程智能体

• 理解工作流节点（开始节点、判断节点、通知节点、结束节点）的配置方法

二、带练步骤

第 一步：创建第二个智能体

• 演示：“创建智能体”，命名为“XX流程审批指引助手”

• 设定角色描述：“一个能引导员工完成标准审批流程的智能助手”

• AI自动生成配置，快速完成基础设置

• 学员同步创建

第二步：进入工作流编辑模式

• 演示：“能力配置”区域“添加工作流”

• “新建工作流”，填写工作流名称、介绍等信息

• 画布编辑界面

• 工作流的适用场景：任务较复杂需多次调用模型、任务有固定流程需严格按步骤执行

• 学员同步创建新工作流

第三步：设计工作流节点——以“出差申请审批指引”为例

• 演示：在画布中添加实现功能所需要的节点

• 开始节点：配置工作流的输入参数（出差事由、目的地、天数、预算金额）

• 判断节点：根据出差天数判断审批层级（≤3天部门审批，>3天需分管领导审批）

• 通知节点：配置审批通过/驳回的通知模板

• 结束节点：输出最终审批结论和下一步操作指引

• 各节点的功能和配置方法

• 学员同步在画布中拖拽配置节点

第四步：配置触发条件与变量

• 演示：配置工作流的触发条件——当用户提问包含“出差申请”“我要出差”“怎么审批”等关键词时自动触发

• 配置变量映射：将用户输入的关键信息（天数、金额等）映射到工作流参数

• 讲解系统变量的使用：{{用户输入}}、{{历史对话}}、{{当前时间}}等

• 学员同步配置触发条件和变量

第五步：调试与优化工作流

• 演示：“预览调试”按钮

• 测试场景一：输入完整信息——“我要申请出差3天去上海参加项目会议”

o 观察工作流是否自动触发

o 观察判断节点是否正确识别天数

o 观察输出是否正确指引审批路径

• 测试场景二：输入不完整信息——“我要出差”

o 观察智能体是否主动追问缺失信息（天数、目的地等）

• 根据测试结果调整节点配置或Prompt

• 学员同步调试自己的工作流

第六步：发布与使用

• 演示：调试通过后点击发布，保存工作流至“我的工作流”列表

• 将工作流添加到智能体中

• 选择发布方式（推荐“分享”模式）

• 学员完成发布，获得第二个可运行的流程智能体

三、带练成果检查

• 每位学员完成1个“流程审批指引智能体”的创建与工作流配置

• 工作流至少包含3个以上节点（开始→判断→通知→结束）

• 智能体能根据用户输入自动触发工作流并输出正确的流程指引

第二天：场景实战与组织推进（6小时）

在完成两个带练项目后，学员进入独立挑战环节

一、挑战任务发布

• 每位学员从课前准备的候选场景中，选择一个与自身业务最相关的场景

• 独立完成一个智能体的完整搭建（从创建到发布全流程）

• 场景选择建议：

o 制度问答（进阶版，多文档知识库）

o 流程审批（进阶版，多节点工作流）

o 两者结合（知识库+工作流）

二、独立搭建与测试

• 学员独立操作，从零开始搭建自己的业务智能体

• 可使用智谱平台的工作流模板——平台提供了丰富的场景模板，可一键复制到自己的账户内

• 针对共性问题进行集中讲解

三、快速成果展示

• 每组推荐1个优秀作品进行2分钟快速展示

• 展示内容：智能体名称、解决的业务痛点、核心功能

• 点评

一、从单文档到多文档：知识库规模化

1）多文档知识库的构建策略

• 文档分类与标签体系

• 版本管理：如何应对制度更新

• 冲突处理：新旧制度并存时的优先级

2）智谱平台知识库进阶技巧

• 知识库最 大容量1G，合理规划文档结构

• 启用多模态检索，支持文档问答、知识查询等场景

• 通过retrieval参数指定知识库ID，精准调用

二、行业标杆案例深度剖析（三）：贵州电网“制度智能体”——让制度自己“长腿跑起来”

1）案例背景

• 贵州电网数智中心全网发布“大瓦特DeepSeek-数智中心制度查询智能体”

• 痛点驱动：“一个新制度下来，从省公司到基层部门，理解可能出现偏差。员工遇到问题，翻箱倒柜找文件，效率低，且易出错”

2）解决方案

• 构建“制度知识图谱”——对每一份制度的效力、关联性、甚至条款背后的业务场景进行精准解读

• 制度梳理团队像“翻译官”一样工作，将零散文件转化为有机的知识体系

• 最终效果：智能体像一位经验丰富的专家，给出步骤清晰、可操作性强答案

3）经验启示

• 制度智能体的核心不是“检索”，而是“理解”和“推理”——不仅要找到条款，还要告诉员工“怎么做”

三、实战工作坊（一）：制度问答智能体升级（小组实战）

1）小组任务

• 每个小组选择一个业务领域（如财务管理、项目管理、人力资源管理）

• 收集该领域3-5份核心制度文件

• 在智谱平台上构建多文档知识库

• 设计智能体的角色定位和问答边界

• 完成搭建与测试

2）成果要求

• 智能体能回答至少10个该领域的典型制度问题

• 能处理“如果……那么……”类的条件查询

• 能给出制度原文+解读+操作指引

3）成果展示与互评

• 每组5分钟演示

• 打分、点评

一、流程智能体的核心能力

1）流程智能体 vs 传统工作流引擎

• 传统工作流：固定的流程、固定的节点、人工触发

• 流程智能体：动态理解任务、智能分派、自动跟进、异常预警

2）流程智能体的四大能力

• 任务识别：自动识别需要处理的任务

• 智能分派：根据规则将任务分派给合适的人或系统

• 进度追踪：实时监控流程进度，自动提醒

• 异常处理：遇到异常自动上报或转交

二、行业标杆案例深度剖析（四）：美的智能体工厂——多智能体协同的制造业标杆

1）案例背景

• 美的洗衣机荆州工厂获WRCA认证“世界卓越的首个多场景覆盖的智能体工厂”

• 14个智能体覆盖38个核心生产业务场景

2）技术架构

• “美的工厂大脑”作为神经中枢，采用高可用、可扩展分布式多智能体架构

• 通过Agent-to-Agent通信实现智能体自治协同

3）典型场景：质检流程重构

• 传统首检：15分钟人工比对

• AI赋能后：AI眼镜辅助工人进行易错点提醒，基于视觉技术打通研发、品质智能体

• 首检效率由15分钟减少到30秒

4）应用成效

• 智能体以秒级响应完成传统人工小时级任务，平均提效80%以上

• 排产响应速度提升90%

5）经验启示

• 多智能体协同是复杂业务流程智能化的方向

• 流程重构不是“用AI替代人”，而是“用AI重构人机协同的方式”

三、实战工作坊（二）：流程审批智能体搭建

1）场景选择

• 每组选择一个高频审批/流程场景（如：出差申请审批、采购申请审批、合同审批、报销审批）

• 梳理当前流程的痛点：耗时多久？卡在哪个环节？

2）智能体设计

• 在智谱清流平台中设计工作流

• 流程节点设计：触发条件→处理节点→转交规则→反馈机制

• 可参考平台工作流模板快速起步

3）搭建实操

• 在智谱平台上配置工作流

• 设定各节点的触发条件和处理规则

• 配置通知和提醒机制

• 测试完整流程

4）成果展示

• 演示智能体自动处理流程的全过程

• 计算预期的效率提升，评选“最 佳流程智能体”

一、从“查数据”到“用数据决策”

1）数据分析智能体的三个层次

• 层次一：数据查询——回答“上个月销售额是多少？”

• 层次二：数据分析——回答“为什么上个月销售额下降了？”

• 层次三：决策建议——回答“下个月应该怎么做？”

2）数据分析智能体的关键能力

• 多数据源整合

• 自然语言查询

• 自动报告生成

• 异常预警

二、行业标杆案例深度剖析（五）：中国一汽OpenMind——从“人找知识”到“知识找人”的企业运营智能体

1）案例背景

• 2025年5月，中国一汽正式发布汽车行业首个企业级智能体——中国一汽OpenMind

• 通过多模态感知、智能决策与动态执行三大能力重构企业运营逻辑

2）核心能力与落地方式

• 知识问答全覆盖：OpenMind学习企业全领域知识与流程，构建覆盖员工全触点的知识向量库，问答准确率达94.3%，模型响应时长6.2秒

• 智能决策辅助：可解析企业全量数据指标资产，实现秒级的“问答即洞察”。在销量波动场景中，可追溯指标血缘，精准识别市场波动根因并推荐策略建议

• 研发流程自动化：可自主解析设计任务需求，调取零件参数、成本要素及标准库，自动生成设计任务书框架

3）应用成效

• 累计删除冗余审批节点超2000个，审批自动化率突破50%，业务响应速度提升3倍

• 制造成本大幅降低，销售转化率提升42%

• 发布2名数字员工，完成15个角色、972名员工技能转型

4）经验启示

• 企业运营智能体的核心价值不仅在于“回答问题”，更在于“驱动业务”

• 关键在于构建企业“数字基因库”，实现从“人找知识”到“知识找人”的转变

三、实战工作坊（三）：数据分析智能体搭建

1）场景选择

• 每组选择一个经营管理数据场景（如：项目进度分析、经营指标监控）

2）智能体设计

• 确定数据来源和查询方式

• 设计分析模板：关键指标、对比维度、趋势分析

• 在智谱平台上完成配置

3）搭建与测试

• 配置智能体的分析能力

• 测试5个以上典型查询场景

• 生成一份自动分析报告模板

4）成果展示

• 演示智能体自动生成经营分析报告的能力

• 讨论数据智能体在管理决策中的应用场景

一、智能体的“身份管理”——像管员工一样管智能体

1）智能体的组织定位

• 岗位归属：这个智能体属于哪个部门？

• 职责范围：它负责什么、不负责什么？

• 权限边界：它能访问什么数据、能调用什么系统？

2）智能体的生命周期管理

• 创建→测试→上线→运营→迭代→退役

• 每个阶段的管理要点

二、智能体的“考核体系”

1）为什么不能只用Token消耗评价效果

• Token消耗衡量的是“用量”，不是“价值”

• 需要像考核员工一样考核智能体

2）智能体考核的五个维度

• 准确性：回答/执行的正确率

• 完成率：任务完成的比例

• 效率提升：相比人工处理的耗时缩短

• 用户满意度：使用者的主观评价

• 业务价值：对业务指标的实际贡献

三、安全与合规

1）数据安全：智谱平台支持知识库私有化部署2）权限控制：通过发布模式（私密/分享/公开）控制访问范围3）运行监控：持续跟踪智能体使用情况

四、从试点到推广——中层领导的推进策略

1）试点选择原则

• 选一个部门：业务边界清晰、领导支持有力

• 选一个流程：高频、痛点明确、见效快

• 定一个目标：可量化、可验证

2）推广节奏

• 第 一阶段（1-2周）：单场景验证

• 第二阶段（1个月）：部门内扩展

• 第三阶段（3个月）：跨部门复制

3）避免的陷阱

• 不要一开始就追求“大而全”

• 不要用AI替代所有人工环节

一、什么是AI原生组织

• 定义：把重复执行交给AI，把判断、创造和治理留给人的组织

• 特征：人设规则、AI跑流程、人看例外

• 智谱正在内部率先实验“AI原生公司”治理模式——让Agent像人类同事一样参与到企业的运营和管理中

二、中层领导的新能力模型

• 从“监督执行”到“规则设计”：设计什么样的流程让AI跑？

• 从“过程管理”到“例外管理”：什么情况需要人介入？

• 从“经验决策”到“数据+AI辅助决策”：如何信任和验证AI的建议？

三、行动规划——每位学员制定一份《本部门智能体落地行动计划》

1）计划模板

• 目标场景：选择哪个流程/制度作为切入点？

• 预期效果：预计提升多少效率？

• 时间节点：什么时候完成搭建？什么时候上线？

• 成功标准：如何判断成功了？

2）小组分享与互评

• 每位学员在小组内分享自己的行动计划

• 组员互评与建议

四、课程总结与行动承诺

• 关键知识点回顾

• 学员代表分享两天学习心得

• 集体行动承诺