课程背景：中国制造业正站在"利润变薄、交期变快、经验断层"的三重压力点上。2026年工信部等八部门印发《"人工智能+制造"专项行动实施意见》，将AI+制造列为国家战略主线；灯塔工厂与智能制造的标杆不断刷新——中集青岛冷箱用APS智能排产把定制订单生产方案从2天压缩到半小时，用声学大模型把老师傅的敲箱经验变成两分钟自动检测；蓝沃智能的AI排产智能体把5人10小时的日排产压缩到15分钟，工艺大模型让工艺路线起草提速约60%；东莞新途动力用AI质检把漏检率从15%压到3%-5%；亿咖通把库存周转天数从65天优化到27天。但绝大多数制造企业的AI落地卡点不在模型，而在数据：ERP管计划、MES管执行、PLM管研发、QMS管质量、WMS管库存，系统各自为政；图纸、工艺参数、老师傅经验散落在个人电脑与老师傅脑子里；中国MES市场2025年已超27.6亿美元、离散制造渗透率37.2%，系统建了不少，数据却没通。更关键的是，制造企业的图纸、配方、工艺参数、成本报价高度敏感，生产与经营数据严禁出境、严禁直连公网SaaS——AI落地必须以私有化/本地部署为前提。在这一约束下，"为每一个岗位配备AI副驾"是最务实的降本增效路径：把老师傅经验沉淀进知识库，把重复动作交给智能体，把质量与安全边界交给治理框架。本课程以"数据打底、知识铸魂、智能体干活、治理兜底"为主线，面向研发、生产、质量、营销、供应链、职能六大岗位，在数据不出域的前提下打造"岗位智能副驾"，实现"模型起草、规则校验、人做终审"的落地闭环。

课程收益：1. 看清制造行业AI落地的真实水位与政策走向，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. 掌握制造AI落地的前置条件——主数据治理与质量追溯体系，明白为什么"数据不通、AI必废"；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SOP、工艺文件、设备手册、检验标准与报价模板；4. 会用Dify等本地部署平台搭建岗位智能体，图纸与工艺数据不出域，满足工业数据安全要求；5. 收获六大岗位（研发/生产/质量/营销/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，含验证与治理要点，课后即可启动最小闭环。

第 一讲 认知破局——制造企业为什么必须做岗位AI副驾（1小时）

一、制造企业的三重压力：利润变薄、交期变快、经验断层

1. 政策与趋势：八部门《“人工智能+制造”专项行动实施意见》、灯塔工厂、智能制造渗透

2. 成本与竞争：人工质检漏检、排产靠经验、换型损耗大、老师傅经验难传承

3. 数据现实：中国MES市场超27.6亿美元、离散制造渗透率37.2%——系统有了、数据没通

二、AI副驾要解决什么：制造现场五大典型痛点

1. 排产靠老师傅：计划赶不上变化、产能分配失衡

2. 质检靠肉眼：疲劳漏检、标准不统一

3. 知识靠口传：工艺参数、维修经验随人走

4. 文档靠手工：BOM、SOP、检验记录、报价单重复劳动

5. 数据在孤岛：ERP-MES-PLM-QMS-WMS各管一段

三、行业先行者的量化战果

1. 中集青岛冷箱：APS智能排产，定制订单方案2天→半小时；声学大模型检测2分钟完成

2. 蓝沃智能：AI排产智能体5人10小时→15分钟；工艺大模型起草提速60%

3. 东莞新途动力：AI质检漏检率15%→3%-5%；东风康明斯识别准确率99.5%

4. 亿咖通：库存周转65天→27天；美的南沙AI视觉月产能翻倍

5. 行业全景：工信部2025年285个典型案例中，生产制造81个、运维/安全58个（合计超62%），行业赋能类占47.7%——AI核心价值是降本增效与本质安全

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. 六大岗位与制造系统的映射（研发/生产/质量/营销/供应链/职能）

3. 底线先行：图纸与工艺数据不出域、质量记录可追溯

▸ 课程导入：制造企业信息化系统全景图（PLM/ERP/MES/APS/WMS/QMS/EAM/SCADA）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：中集、蓝沃、新途、亿咖通四组量化战果解读：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×数据就绪度”初判优先级（15分钟）

第二讲 地基先行——制造数据治理与安全底座（1小时）

一、制造数据治理：让AI吃“干净粮”

1. 主数据四件套：物料、供应商、客户、设备——统一编码与唯 一标识

2. 标杆案例：海信把主数据质量从95.4%提升到99.92%

3. BOM与图纸：研发数据资产化、版本与变更管理

4. 行业基线：工信部285案例中约38%涉及数据治理，“数据平台与集成”35次最 高——数据底座是AI落地的共同前提

二、数据链路打通：ERP-PLM-MES-QMS-WMS的优先级

1. 系统各自为政的代价：报工靠纸质、检验靠Excel、库存靠记忆

2. 打通顺序：先主数据、再关键接口（MES-QMS、MES-WMS、PLM-ERP）

3. 工业互联网平台与数据中台：让AI有数可用

三、质量与追溯：AI生成记录也要可追溯

1. 质量追溯链：批次、序列号、检验记录、工艺参数

2. IATF 16949等体系下的记录要求

3. AI生成记录的三原则：可溯源、可复核、可审计

四、工业数据安全与平台选型：为什么默认Dify本地部署

1. 图纸、配方、工艺参数、成本报价的高度敏感性

2. 等保与工业数据安全要求、数据跨境合规

3. 在线SaaS仅用于个人学习验证，生产数据严禁直连公网；信创与国产化组合

▸ 案例分析：海信主数据治理案例：主数据质量95.4%→99.92%意味着什么、怎么做到的（10分钟）

▸ 小组研讨：盘点本企业数据孤岛与记录缺口：哪些记录还是纸质/事后补录，距离“可追溯”差多远（15分钟）

▸ 实战演练：把一份车间文档（SOP或工艺卡）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：让大模型听懂制造语言

1. T-SPEC提示词框架：任务、情境、步骤、示例、风格、约束

2. 制造场景提示词示例：SOP问答、检验数据解读、8D报告初稿、报价单生成

3. 对抗“AI幻觉”：限定知识来源、强制引用标注、置信度提示

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：SOP、工艺文件、设备手册、检验标准、历史案例、报价模板

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/Notes/Outlook等邮件知识库、WBS经验萃取（6637份文件→307条标准）

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

3. “模型起草、规则校验、人做终审”的实现机制

四、制造特有约束：AI内容生成的“三道闸”

1. 对外内容（报价、客户资料、技术协议）：强校验＋人工终审

2. 对内记录（检验、报工、设备点检）：与系统一致、可审计

3. 图纸与配方：按角色权限隔离、数据不出域

▸ 实战演练：用T-SPEC框架写一个“设备SOP即时问答”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、研发岗副驾：设计与工艺准备

1. 典型场景：图纸/BOM资料检索、工艺路线初稿、ECR/ECN变更初稿、试制问题清单

2. 关联系统与案例：PLM/PDM、CAD-CAM；蓝沃工艺大模型（起草提速60%）、中集工艺经验数字化

3. 合规要点：图纸与配方权限隔离、数据不出域、版本可溯

4. 讲师案例：WBS经验萃取——把历史项目文档沉淀为标准WBS（6637份→8阶段20工作包），新项目计划与工艺准备有据可依

二、生产岗副驾：车间执行与排产

1. 典型场景：生产计划解读与排产初稿、SOP即时问答、报工异常初析、设备点检提醒

2. 关联系统与案例：MES/APS/SCADA；中集APS（2天→半小时）、蓝沃排产智能体（5人10小时→15分钟）

3. 合规要点：报工数据与MES一致、异常处置留痕

三、质量岗副驾：检验与质量工程

1. 典型场景：检验报告初稿、8D/CAPA初稿、FMEA辅助、检测数据解读、量具管理

2. 关联系统与案例：QMS、检测设备数据；东莞新途AI质检（漏检15%→3%-5%）、东风康明斯（99.5%）

3. 合规要点：检验记录可追溯、标准依据可引用、关键判定人做终审

四、营销岗副驾：销售、报价与售后

1. 典型场景：询报价单生成、技术资料与产品介绍、订单交期查询、售后工单初稿、客户沟通邮件

2. 关联系统：CRM、报价系统、售后服务平台

3. 合规要点：报价与承诺口径统一、对外材料强制校验与人工终审

4. 讲师案例：投标方案自动生成（海外光伏离线引擎，12份文档出8章节方案）、资质证书秒查系统——投标场景两大神器

五、供应链岗副驾：计划、采购与仓储物流

1. 典型场景：RFQ/询价函生成、供应商准入资料整理、库存预测辅助、物流异常初析、到货对账

2. 关联系统与案例：ERP采购、WMS、TMS；亿咖通库存65天→27天、中集物料缺口预判、讲师RFQ案例（12小时→3分钟）

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、体系审核资料整理

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”

3. 红线：核心财务数据绝不进公网大模型，全部走本地部署

4. 案例扩展：流程效率AI评估（47次审批定位堵点）、Notes/Foxmail邮件知识库（审批与邮件全链路）

▸ 实战演练：研发岗：给定一份零件图纸要求，用岗位知识库＋提示词生成工艺路线初稿与风险点提示（15分钟）

▸ 实战演练：生产岗：把车间日报交给副驾，生成产量/异常汇总与次日排产建议（15分钟）

▸ 实战演练：质量岗：模拟一次客户投诉，用副驾生成8D报告初稿，并检查依据可溯（15分钟）

▸ 实战演练：营销岗：输入客户询价信息，生成报价单＋技术差异说明初稿（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、低风险场景起步

1. 速赢场景判断矩阵：ROI×合规风险×数据就绪度

2. 建议路径：先职能/营销/研发的知识岗场景，再进生产、质量核心区

3. 30-60天速赢组合：1个知识库＋1个智能体＋1条业务流

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

二、验证与质量：AI系统与记录可追溯

1. 涉及质量记录的AI需验证与审计：需求、设计、测试、缺陷、变更的文档链

2. 模型与提示词版本管理：AI能力变化要有记录

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/智能工艺师的定位

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、排产/报告周期、主数据一致率、异常处置时间

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：数据安全与合规红线问答

▸ 小组研讨：按“ROI×合规风险×数据就绪度”矩阵，为自家企业选出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：数据安全与合规红线问答：现场澄清数据不出域、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》《制造知识库分类与命名模板》《提示词工程速查卡》《AI应用合规红线清单》；3）可进阶开展"制造岗位智能体开发工作坊（2天）""制造主数据治理与质量追溯专题""APS智能排产与生产数字化专题"等。