AI 不是手里的榔头,
而是穿在身上的机甲
写好一句话
设计一套流程
把大任务拆成“输入 → 处理步骤 → 输出格式”三层结构——这是后面四天一切操作的底层逻辑。你负责决策,AI 负责执行。
工具会迭代,方法不会过时。课程的每一个操作,都落在这三条主线上。
把大任务拆成“输入 → 处理步骤 → 输出格式”三层结构——这是后面四天一切操作的底层逻辑。你负责决策,AI 负责执行。
同一个任务,大模型只能给文字建议,Agent 直接把文件分类、重命名、汇总成 Excel。差异一目了然。
给 AI 助手配置性格、记忆和职责边界,让它成为能持续工作的“虚拟员工”,而不是每次对话都从零开始的工具。
课堂上跟做、晚上用真实工作练手、第二天开场点评。五天下来,积累的是你自己的 AI 工作资产。
无需编程基础。每一件工具都会在课堂上装好、跑通。
写提示词、起草文书、分析公文风格——你的“智囊团”。
在你指定的文件夹里读写、整理、生成报告,按时自动执行。
构建自治 Agent:有性格、记得上周的事、知道自己的职责边界。
不写代码,用自然语言对话,就能搭出一个能定时运行的自动化工作流。
每天 09:00 开课、17:00 收尾。讲授、讲师演示、学员跟做与课堂练习交替进行,晚上用真实工作完成作业。
学员完成豆包 / DeepSeek 账号注册,讲师现场确认每台电脑都能正常访问。
核心认知转变:从“Prompt Engineering(写好一句话)”到“Workflow Engineering(设计一套流程)”。AI 不再是手里的榔头,而是穿在身上的机甲——你负责决策,AI 负责执行。
重点讲清楚两件事:
用对比讲清两类工具的本质区别:
讲师带节奏,学员同步操作:用豆包或 DeepSeek 完成当天上午的会议纪要。讲师先演示完整流程(提示词结构:角色 + 背景 + 任务 + 格式要求),再让学员自己写一遍。
练习后请 2–3 名学员投屏,讲师点评哪里写得好、哪里改一个词就能让输出更准确,点评不超过 5 分钟。
系统讲授四段式提示词结构(适用于国企 / 机关文书场景):
每人独立完成,不需要分享:
完成后对照 AI 输出,自己判断:哪个提示词写得最好,为什么。
“从原材料到成品”的完整工作流,学员同步跟做。输入:一段 200 字的原始会议录音文字稿(讲师提供)。
全程展示提示词与输出,解释每一步“为什么这样写指令”。
在飞书文档 / 腾讯文档建立“提示词模板本”,格式:场景名 / 完整提示词 / 最佳输出样本。当天完成的 3 个场景(月报、任务通知、会议纪要)直接存入。这本笔记贯穿五天、每天扩充,结营时带走。
Agent 的能力边界取决于你给了它什么工具。没有权限,它只是会写字的工具;有了文件权限,它能读写本地文档;有了浏览器权限,它能自动搜索和下载信息;有了 API 权限,它能自动发邮件、写日历。
目标:配置一个 Agent,自动监控行业关键词(如“招商引资政策”“专项债”),每天下班前自动抓取相关信息,生成一份简报 PDF 发送至指定邮箱。
目标:给 AI 喂本单位历史高水平公文,提取“风格骨架”,创建一个具备本单位写作风格的 Agent——让它写出来的东西“像我们单位的人写的”。
每人独立完成,讲师巡回指导。在 Agent 执行件中连接一个本地文件夹(讲师提供含 20 个杂乱文件的示例),让 Agent 完成:
OpenClaw 是用于构建“自治 Agent”的框架,它解决的核心问题是:如何让 AI 助手拥有自己的性格、记得你上周说的事、并且知道自己的职责边界。
打个比方——你雇了一名助理,要告诉她三件事:
这三件事,定义了一个真正能持续工作的“虚拟员工”。
Soul 决定了龙虾“说话的方式”,包括:
Memory 解决“每次对话从零开始”的问题,分两种模式:
Identity 决定了龙虾“是谁、管什么、不管什么”:
把龙虾接入企业微信或飞书群,实现“像吩咐同事一样派任务”:
完整演示 Soul + Memory + Identity 三层协同。场景:业务人员拜访客户后,用微信语音录一段摘要(“今天见了 XX 公司的李总,有意向采购 XX,预算大概 300 万,希望下个月拿到方案,主要顾虑是交货期……”),龙虾自动完成:
每人独立完成龙虾的 Soul + Memory + Identity 完整配置,再通过飞书 / 企业微信发出第一条真实任务指令,验证龙虾能否正常响应和执行。
目标:让龙虾持续监控竞品动态和行业热点,自动生成“每日必读”简报,上班前推送到飞书或邮箱。
目标:让龙虾自动处理图片、会议录音、网页链接,自动归档、建立索引,支持“语义搜索”——不再靠记文件名,用一句话描述就能找到。
目标:给龙虾一个工作汇报大纲,自动生成符合本单位视觉风格的 PPT 草稿,学员只做最后的审核和微调。
从今天三个场景中选一个最贴近自己工作的,设计一个适合本岗位的完整工作流。设计模板(讲师提供纸质单页):
设计完成后,在 OpenClaw 中实际配置并跑一遍,记录问题。讲师巡台答疑,技术问题当场解决。
Trae 是一个 AI 增强型开发环境,核心价值是:不写代码,用自然语言对话就能搭出完整的自动化工作流。
把过去四天的所有配置做最后的完善和调试,讲师和助教巡台。对照自查清单:
技术问题讲师当场解决;“不知道怎么优化”的问题,讲师给出具体的下一步修改建议。
45 分钟的“思维总结课”,把五天的工具操作提升到方法论层面(见下方“五条 AI Native 工作法”)。
发放结营成品与“龙虾常用配置文件模板”资源包(含课程所有 Demo 的提示词和配置文件),开通课后支持。详见下方“结营带走”。
五天课堂和四个晚上的作业,最终沉淀成一套已经在你自己电脑上跑通的 AI 工作资产。
Soul + Memory + Identity 三层配置,可直接复用,无需从零搭建。
10+ 真实场景模板:会议纪要、公文起草、情报简报、PPT 生成、数据整理。
至少一个完整跑通的工作流:情报日报 / 公文 Agent / 多模态知识库。
每天定时读取工作日志、自动生成日报草稿的工作流。
结营最后一课,把五天的工具操作提升到方法论。