课程背景：通信行业正站在"从管道商向AI服务商转型"的历史关口。全球电信BSS/OSS软件市场2025年约215亿美元、中国市场占比约34%，华 为、中兴、亚信构成第 一梯队；中国电信继"光改""云改"之后开启"智改"新周期，自研星辰网络大模型，数字员工体系在全国落地1681项应用，宽带装维作业耗时减少21%、网络故障工单处理时长缩短11.85%；中国移动全面推进自智网络L4级能力升级，重构31个核心工作流程、节省人工工作量6000人年，自研"九天"网络大模型让省级试点平均故障修复时间（MTTR）降低25%；中国联通聚焦5G、宽带、政企、算力4张精品网推进自智网络。亚信科技为省级运营商打造的大模型私有化项目，让客服问题一次性解决率提升超30%、工单处理时长缩短近50%、运维故障排查效率提升超50%。但通信行业AI落地有一条不可逾越的底线：运营商掌握海量用户个人信息（手机号、位置、流量账单）与关键信息基础设施，四大运营商均已布局自有大模型（中国移动九天、中国电信星辰、中国联通元景），大模型应用必须以私有化/本地部署为前提，生产数据不出域、合规优先；在线SaaS工作流严禁直接承载生产业务，仅可用于个人学习验证——这正是本课程坚持"Dify本地部署＋数据不出域＋人做终审"的根本原因。本课程以"数据打底、知识铸魂、智能体干活、治理兜底"为主线，面向网络运维、装维交付、市场政企、客户服务、供应链、职能六大岗位，在安全合规框架内打造"岗位智能副驾"，让AI从"会聊天"变成"会干活"，实现"模型起草、规则校验、人做终审"的落地闭环。

课程收益：1. 看清通信行业AI落地的真实水位与转型方向（智改/自智网络/数字员工），建立对AI能力边界的清醒认知，避开数据泄露、幻觉、合规三大坑；2. 掌握通信AI落地的前置条件——用户个人信息保护与数据治理，明白为什么"数据不出域、AI才可信"；3. 掌握提示词工程与岗位知识库（RAG）搭建方法，让AI真正读懂规程、设备台账、资费政策、装维工艺与客户档案；4. 会用Dify等本地部署平台搭建岗位智能体，结合运营商自有大模型（九天/星辰/元景）做私有化部署，生产数据不出域；5. 收获六大岗位（网络运维/装维交付/市场政企/客服/供应链/职能）智能副驾落地原型与真实案例拆解；6. 形成本岗位"30-60天AI副驾落地"行动清单，含安全与治理要点，课后即可启动最小闭环。

第 一讲 认知破局——通信行业为什么必须做岗位AI副驾（1小时）

一、通信行业的三重压力：管道价值摊薄、网络复杂度上升、服务要求提高

1. 行业转型：从"管道商"到"AI服务商"，Token经营成为新范式

2. 网络压力：5G/5G-A、算力网络、海量设备，故障排查与优化工作量倍增

3. 服务压力：客服、装维、政企一线重复事务多、知识更新快

二、AI副驾要解决什么：通信业务的五大典型痛点

1. 运维靠专家经验：故障定位、告警研判、割接方案依赖老专家

2. 装维排单靠人工：工单分配、路线规划、现场记录繁琐

3. 客服话术与工单重复：同质问题反复应答、工单录入耗时

4. 政企方案与标书繁重：方案初稿、资质整理、应答材料耗时

5. 数据在孤岛：BSS/OSS/网管/ERP各管一段，跨系统核对低效

三、行业先行者的量化战果

1. 中国电信"智改"：星辰大模型+1681项数字员工应用，装维作业-21%、故障工单-11.85%

2. 中国移动"九天"：自智网络L4、年省6000人年，跨域故障MTTR-25%

3. 亚信×移动省公司：大模型私有化，客服解决率+30%、工单时长-50%、运维排查+50%

4. 行业全景：工信部285案例中信息技术22个、经营管理场景12个（全行业最 高）

四、什么是"岗位智能副驾"：边界与定位

1. 副驾不是自动驾驶：模型起草、规则校验、人做终审

2. 六大岗位与通信系统的映射（网络运维/装维交付/市场政企/客服/供应链/职能）

3. 安全红线先行：用户个人信息保护、生产数据不出域、自有大模型私有化

▸ 课程导入：通信行业信息化系统全景图（BSS/OSS/网管/装维/CRM/计费/ERP）快速对号入座，标出本岗位天天在用的系统（15分钟）

▸ 案例分析：电信智改、移动九天、亚信私有化三组量化战果解读：哪些可以复制、哪些依赖特定条件（10分钟）

▸ 小组研讨：列出本岗位最耗时的三个重复性场景，按"AI可替代性×数据敏感性"初判优先级（15分钟）

第二讲 地基先行——通信数据治理与安全底座（1小时）

一、通信数据治理：让AI吃"干净粮"

1. 数据分类：网络数据（拓扑/告警/性能）、用户数据（个人信息的合规红线）、经营数据（计费/营销/财务）

2. 主数据治理：站点/设备/资费产品/客户/供应商的统一编码与唯 一标识

3. 数据链路：BSS-OSS-网管-ERP关键接口的打通优先级

二、用户个人信息与关键信息基础设施合规

1. 个人信息保护：手机号、位置、流量账单的采集、使用与留存边界

2. 关键信息基础设施安全：运营商系统的等保与安全审查要求

3. AI部署边界：生产数据本地部署，严禁直连公网SaaS

三、运营商自有大模型与知识资产化

1. 四大运营商自有大模型：中国移动九天、中国电信星辰、中国联通元景——私有化底座

2. 知识库构成：网络规程、故障案例、装维工艺、资费政策、政企方案、客户档案

3. 讲师实战：WBS经验萃取（6637份文件→307条标准）在工程类文档上的应用

四、平台选型原则：为什么默认Dify本地部署

1. 用户数据与网络数据的敏感性：数据不出域是底线

2. 在线SaaS（各类在线版大模型/工作流）仅用于个人学习验证，严禁承载生产业务

3. 国产化与信创：国产大模型＋本地部署的组合，对接集团信创要求

▸ 案例分析：解读个人信息保护与关键信息基础设施要求：AI应用应如何分级、哪些数据能出域（10分钟）

▸ 小组研讨：盘点本企业数据孤岛与台账缺口：哪些记录还是纸质/Excel、距离"可治理"差多远（15分钟）

▸ 实战演练：把一份部门规程或设备台账整理成可入库的知识资产清单：命名、分类、清洗、更新规则（15分钟）

第三讲 核心技能——提示词工程与岗位知识库（1小时）

一、提示词工程：让大模型听懂通信语言

1. T-SPEC提示词框架：任务、情境、步骤、示例、风格、约束

2. 通信场景提示词示例：故障工单起草、资费问答、装维话术、方案初稿

3. 对抗"AI幻觉"：限定知识来源、强制引用标注、置信度提示——故障处置场景尤其重要

二、岗位知识库（RAG）：把企业知识变成AI的"参考文献"

1. 知识库构成：网络规程、故障案例库、装维工艺、资费政策、政企方案模板、客户档案

2. 建库四步：定分类维度→定库结构→定索引规则→定更新与版本机制

3. 讲师实战案例：Foxmail邮件知识库、Notes邮件知识库（华 为中兴同款、32位版本匹配坑）

三、智能体与工作流：让AI"干活"而非"聊天"

1. 从对话到任务：输入→处理→规则校验→输出的自动化链条

2. Dify本地部署下的智能体搭建入门：知识库＋工作流＋规则校验，对接自有大模型

3. "模型起草、规则校验、人做终审"的实现机制

四、通信特有约束：安全敏感内容的"三道闸"

1. 网络与故障类内容（割接方案、处置指令）：强校验＋人工终审，关键操作人确认

2. 对外内容（客户答复、资费解释）：口径统一＋强制校验

3. 用户数据与网络数据：按角色权限隔离、数据不出域、全程审计

▸ 实战演练：用T-SPEC框架写一个"故障工单起草"提示词，现场测试并调优（15分钟）

▸ 案例分析：拆解讲师知识库案例：从0到1建一个岗位知识库的全过程（10分钟）

▸ 实战演练：在Dify（本地部署）中串联"知识库检索→起草→规则校验"三步流程（15分钟）

第四讲 六大岗位智能副驾实战（2小时）

一、网络运维岗副驾：故障处置与网络优化

1. 典型场景：故障工单初稿、告警研判辅助、割接方案起草、网络优化报告、故障预测辅助

2. 关联系统与案例：OSS/网管/动环监控；星辰故障预测提前24小时准确率90%+、移动九天MTTR-25%、亚信运维排查+50%

3. 合规要点：故障处置指令人做终审、操作留痕、关键告警人工确认

二、装维与交付岗副驾：装维调度与现场交付

1. 典型场景：装维工单智能排单与路线规划、入户话术辅助、验收报告生成、工程资料整理

2. 关联系统与案例：装维工单系统/调度平台；电信装维全流程智能规划作业耗时-21%、家宽现场作业-60%、远程修复近40%

3. 合规要点：客户信息保护、上门服务记录真实可溯

三、市场与政企岗副驾：营销与政企方案

1. 典型场景：政企解决方案初稿、标书材料辅助、客户画像、渠道运营文案、竞品分析

2. 关联系统与案例：CRM/BSS/政企平台；联通4张精品网、政企装维AI助手

3. 合规要点：宣传口径合规、客户隐私保护、对外材料人工终审

四、客服岗副驾：热线与在线客服

1. 典型场景：客服答复辅助、工单自动生成、知识库问答、通话质检、常见问题话术

2. 关联系统与案例：客服系统/智能客服；亚信客服一次性解决率+30%、工单时长-50%、电信TeleAgent

3. 合规要点：服务渠道统一为"客服热线/在线客服"、客户信息保护、答复口径人工终审

五、供应链岗副驾：采购与工程物资

1. 典型场景：RFQ/询价函生成、招标文件初稿、供应商准入资料整理、库存预测辅助、到货对账

2. 关联系统与讲师案例：ERP采购/SRM/WMS；讲师RFQ自动生成（12小时→3分钟）、供应商考察AI做不了

3. 能力边界：供应商现场考察、商务谈判AI做不了，副驾只做文书与情报

六、职能岗副驾：财务、人事与合规

1. 典型场景：发票查验与月结对账、报销审核辅助、简历初筛、培训材料生成、合规审计资料

2. 讲师实战案例：AI筛简历（113份5小时→2分钟）、财务月结"八大模块适合度分级"、流程效率AI评估

3. 红线：核心财务数据绝不进公网大模型，全部走本地部署

▸ 实战演练：网络运维岗：给定一个告警场景，用岗位知识库＋提示词生成故障工单初稿与排查清单（15分钟）

▸ 实战演练：装维岗：输入一组装维工单，用副驾生成排单建议与路线规划初稿（15分钟）

▸ 实战演练：市场政企岗：输入一个政企需求，生成解决方案初稿与应答要点（15分钟）

▸ 实战演练：客服岗：用副驾把一段客户对话整理为标准化工单与答复口径（10分钟）

▸ 实战演练：供应链岗：输入采购需求，生成询价函＋供应商比对表初稿（10分钟）

▸ 实战演练：职能岗：用副驾把10份简历压缩为一份初筛对比表，说明筛选规则（10分钟）

第五讲 落地路径——试点选择、验证与治理（1小时）

一、试点选择：从高ROI、低安全风险场景起步

1. 速赢场景判断矩阵：ROI×安全合规风险×数据就绪度

2. 建议路径：先职能/客服/市场的管理类场景，再进网络运维、装维生产场景；对接自有大模型私有化

3. 30-60天速赢组合：1个知识库＋1个智能体＋1条业务流；"小步快跑"轻量化模块优先

4. 试点体检工具：讲师"流程效率AI评估法"——先埋数据点、再评估流程堵点，找出最值得AI介入的环节

二、验证与安全：AI系统也要过"安全关"

1. 管理类AI按信息化系统管理：需求、设计、测试、缺陷、变更的文档链

2. 涉及网络与用户数据的AI须通过安全评估：数据分级分类、最小化访问

3. 数据可追溯三问：谁生成的、依据什么、如何复核

三、治理机制："人＋智能体"的双主体权限与审计

1. 权限模型：人的权限＋智能体的权限，双主体授权

2. 全链路审计追踪与操作留痕

3. 熔断与人工兜底：高危操作（网络割接、资费变更、客户信息操作）强制人工二次确认

四、组织保障与三段式路线

1. 复合人才培养：数字化专员/数智工程师的角色定位

2. 三段式路线：速赢期（0-90天）→兑现期（3-6个月）→纵深期（6-12个月）

3. 门禁指标：人均每周节省时间、工单/方案周期、一次性解决率、主数据一致率

五、收尾：模型起草、规则校验、人做终审

1. 一句话总结：AI负责起草与初筛，规则负责校验，人负责终审与签字

2. 每位学员带走：本岗位"30-60天AI副驾落地"一页纸

3. 答疑与共识：安全合规红线问答

▸ 小组研讨：按"ROI×安全合规风险×数据就绪度"矩阵，为自家单位选出1个速赢场景（15分钟）

▸ 实战演练：为选定场景填写"30-60天落地一页纸"：目标、数据源、校验规则、门禁指标、责任人（15分钟）

▸ 互动答疑：安全合规红线问答：现场澄清个人信息保护、数据分区、权限、审计相关疑问（10分钟）

后续落地建议

1）课后30天内，以行动学习小组为单位，完成"一个岗位＋一个场景＋一个知识库＋一个智能体"的最小闭环，并提交落地复盘；2）配套发放四份工具包：《岗位AI副驾搭建Checklist》《通信知识库分类与命名模板》《提示词工程速查卡》《AI应用安全合规红线清单》；3）可进阶开展"通信岗位智能体开发工作坊（2天）""运营商自有大模型私有化部署专题""自智网络与AI运维专题"等。