【课程背景】
随着大模型能力持续提升，企业对AI的期待正在从“问答工具”走向“任务执行者”。单纯的聊天式AI，已经难以满足企业在信息检索、流程处理、知识调用、跨系统操作和复杂任务协同中的真实需求。越来越多企业开始关注“智能体”建设，希望让AI不仅能回答问题，还能基于业务目标拆解任务、调用工具、操作系统、访问知识库，并在具体场景中承担部分执行工作。
对于企业来说，真正有价值的并不是抽象的智能体概念，而是智能体如何进入业务现场。比如在人力场景中完成招聘初筛与制度问答，在财务场景中辅助报销审核与经营分析，在法务场景中进行合同审阅与条款比对，在市场和品牌场景中完成资料搜集、内容生成与活动复盘，在客服和运营场景中承担知识检索、工单辅助与服务响应。OpenClaw 这类可执行型智能体平台，为企业提供了从“能说”到“能做”的重要路径。
本课程以企业业务场景为核心，以OpenClaw为代表案例，帮助学员理解智能体的基本原理、应用边界、搭建方法与落地步骤。课程将围绕“认知建立、场景识别、架构设计、演示体验、搭建思路、治理规范”展开，帮助学员建立企业智能体项目的整体视角，并掌握一套可用于后续试点推进的课程框架。
【课程收益】
1. 理解智能体与传统AI工具、大模型应用之间的区别，建立企业级智能体认知
2. 掌握企业业务场景中智能体的典型应用方向，识别适合优先切入的场景
3. 看懂OpenClaw这类智能体平台的核心能力、基本架构与任务执行逻辑
4. 学会从业务目标出发设计智能体任务链、知识源、工具链与交互流程
5. 理解企业智能体落地过程中的权限、安全、风险与治理要求
6. 通过演示与案例获得后续试点项目的搭建思路与推进方法
【课程特色】
• 场景导向：围绕企业真实业务问题，而非只讲概念或技术名词
• 平台示例明确：以 OpenClaw 为代表，讲清可执行型智能体的价值
• 管理与应用兼顾：既适合业务负责人，也适合数字化与创新团队
• 演示驱动：通过老师演示降低理解门槛，提升实际感知
• 可落地：课程直接输出试点筛选与搭建思路
【课程对象】业务负责人、数字化负责人、职能部门管理者、创新项目负责人、产品经理、流程运营人员
【课程时间】1天（6小时/天）
【课程大纲】
一、为什么企业今天需要的不只是AI工具，而是智能体？
1. 智能体到底是什么？
（1）从聊天问答到任务执行：AI应用形态的升级路径
（2）智能体与大模型、RPA、工作流工具的关系与区别
（3）什么样的任务适合交给智能体，什么样的不适合
2. 企业为什么开始重视智能体？
（1）信息密集、流程复杂、跨系统协同成为企业常态
（2）单点工具提效有限，任务链自动化需求上升
（3）企业竞争正从“会不会用AI”转向“能不能把AI嵌进业务”
二、企业业务场景里，智能体最先会在哪些地方创造价值？
1. 职能部门场景
（1）人力：招聘初筛、制度问答、培训助手、人才盘点辅助
（2）财务：报销审核辅助、费用分类、经营数据解读、预算分析
（3）法务：合同预审、条款比对、风险提示、知识检索
2. 经营与服务场景
（1）市场与品牌：内容生成、情报搜集、活动复盘、传播助手
（2）运营：SOP问答、流程跟踪、周报汇总、异常提醒
（3）客服：知识问答、工单辅助、投诉归因、服务建议生成
3. 如何筛选优先试点场景？
（1）高频、重复、规则相对清晰的任务优先
（2）数据和知识相对可获取的任务优先
（3）低风险、可验证、可复盘的任务优先
三、以OpenClaw为例，企业级智能体是怎么“想”和“做”的？
1. OpenClaw这类智能体平台的核心能力是什么？
（1）理解任务：接收目标、拆解步骤、规划执行路径
（2）调用能力：接入浏览器、文件、系统、知识库与外部工具
（3）执行闭环：从分析、操作到输出结果形成完整流程
2. 一个智能体任务通常由哪些部分组成？
（1）角色定义：它是谁，负责什么，边界在哪里
（2）任务目标：要完成什么结果，标准是什么
（3）知识与工具：要查什么资料，用哪些系统，调用哪些能力
（4）约束与反馈：权限、审批、异常处理、结果回传
3. OpenClaw演示拆解
（1）一个典型任务从发起到完成的关键节点
（2）为什么“能执行”比“能回答”更接近业务价值
老师演示：OpenClaw完成一个跨信息检索、整理、输出的业务任务
四、企业如果要搭建一个业务智能体，应该怎么设计？
1. 第一步：先定义业务问题，而不是先选工具
（1）明确业务目标：提效、提质、降错、降本还是增收
（2）明确目标用户：员工用、主管用、客户用还是跨部门共用
（3）明确结果标准：什么叫完成，什么叫有效
2. 第二步：设计智能体任务链
（1）输入是什么：表单、指令、文件、知识库、系统数据
（2）处理流程是什么：检索、判断、汇总、生成、调用、反馈
（3）输出是什么：答案、报告、审批建议、工单、草稿、提醒
3. 第三步：设计知识源与工具链
（1）内部知识库如何接入，哪些文档适合做知识底座
（2）外部工具如何调用，哪些操作适合自动执行
（3）哪些步骤必须保留人工确认
4. 第四步：设计权限与例外处理
（1）谁能发起任务，谁能查看过程，谁能确认结果
（2）异常情况如何中止、升级和记录
（3）如何避免“看起来完成，实际有风险”的假自动化
案例拆解：招聘助手、合同预审助手、市场情报助手的设计思路
五、智能体落地时，企业最容易踩哪些坑？
1. 认知层面的常见误区
（1）把智能体当万能员工，忽视边界和失败场景
（2）只追求炫技演示，忽视真实业务价值
（3）只看单点效率，不看组织协同和制度配套
2. 实施层面的常见问题
（1）知识源质量差，导致回答和执行不稳定
（2）权限设计混乱，带来安全和合规风险
（3）缺乏试点指标与复盘机制，难以形成持续迭代
3. 企业治理建议
（1）建立场景分级、权限分级、风险分级
（2）建立人机协同机制，而不是完全替代机制
（3）建立从试点到复制的标准方法
六、企业如何迈出智能体试点的第一步？
1. 从课程回到项目：试点推进的基本路径
（1）选场景：从一个任务链短、规则清晰的场景开始
（2）做原型：快速搭一个可演示、可验证的版本
（3）看指标：用时间、准确率、满意度、返工率衡量价值
2. 企业智能体项目的最小可行方案
（1）明确一个业务负责人、一个搭建负责人、一个试点团队
（2）沉淀一套提示词、知识源、权限和SOP
（3）从单场景成功复制到多场景
3. 交流答疑
（1）结合企业业务问题互动讨论
（2）梳理后续试点方向与工具建议
老师演示：从业务问题到智能体原型的搭建思路串讲
授课老师
王长乐 企业AI提效与落地应用实战专家
常驻地：北京
邀请老师授课：13439064501 陈助理
