一、核心框架提炼
从课件第24-66页AI落地核心章节提炼的8大框架
1人类思维 vs AI思维
| 维度 | 人类思维 | AI思维 |
|---|
| 路径 | 经验 → 规律 → 新问题 → 判断 | 数据 → 模型 → 新输入 → 预测 |
| 本质 | 靠积累的经验判断 | 靠数据训练的模型预测 |
| 启示 | 企业要用AI思维重构决策：把经验沉淀为数据，把判断升级为预测 |
2AI应用架构三阶段（点→线→面）
| 阶段 | 效应 | 形态 | 特征 |
|---|
| 架构1.0 | 反馈效应 | 点状突破 | AI示范：单个业务场景实现AI闭环自增强 |
| 架构2.0 | 指数效应 | 线状增强 | AI优先：上下游业务链条使用AI，复利效应 |
| 架构3.0 | 协作效应 | 面状覆盖 | AI原生：智能体广泛应用，人+AI协作网络 |
AI原生本质：不是用AI提高一点效率，而是让AI成为公司的组织结构、生产流程和产品架构本身（2026年行业共识）
3人+AI协作模式四阶段
| 阶段 | 协作方式 | 说明 |
|---|
| 协作1.0 | 提示词工程 | 结构化思维/动态对话/语义锚点（基础能力） |
| 协作2.0 | 场景适配 | SFT领域微调/RAG检索增强/RAFT检索增强微调 |
| 协作3.0 | 定制小模型 | 用提示词生成领域模型代码框架+企业数据训练 |
| 协作4.0 | 智能体 | 自主感知/推理/行动，绝大部分工作由AI完成 |
核心洞察：大模型擅长专业能力和工具能力；人类需要具备元认知能力和模型思维能力（把控方向，AI填充细节）
4RAG打造专属"个人大模型"四步法
- 知识准备：收集个人文档/笔记/邮件（PDF/DOCX/PPT/TXT/微信记录）→ 私域资源
- 知识转化：提取向量 → 存储+检索 → 知识数据库（智能索引）
- 智能检索：语义匹配，问题表述不精准也能找到"最懂你"的答案
- 结果生成：大模型融合知识碎片+通用知识，产出专业又流畅的答案
5Agent入职四动作（给身份/给能力/进流程/受考核）
黄仁勋（WCES 2025）：未来AI Agent本质上是与员工并肩工作的数字化劳动力——引入公司的途径是让他们入职，就像为新员工办理入职一样：
- 给身份：定义角色（如"研究员"“分析师”“写作者”）
- 给能力：提供工具库、训练适应公司语言类型和业务流程
- 进流程：嵌入公司工作流（搜索Agent/行动Agent/执行生成Agent）
- 受考核：提供工作成果样例 → 尝试生成 → 反馈 → 评估（闭环迭代）
6AI原生三种工程化手段
| 维度 | Context Engineering
上下文工程 | Harness Engineering
驾驭工程 | Loop Engineering
循环工程 |
|---|
| 核心问题 | 模型"看到什么" | 模型"能做什么、受什么约束" | 模型"如何持续推进并修正" |
| 主要对象 | 提示词/历史/检索/记忆/文件 | 工具/权限/沙箱/技能/工作流 | 规划→执行→观察→反思→重试 |
| 简单类比 | 给员工准备正确资料 | 给员工配置办公室、工具和规章 | 设计员工完成任务的工作节奏 |
7智能体常见设计模式
| 模式 | 说明 | 代表 |
|---|
| ReAct Agent | 推理+行动交替 | 多数智能体产品 |
| CodeAct Agent | 自主执行Python代码处理复杂任务 | Manus |
| Modern Tool use | MCP集成调用工具，少量代码增强 | CURSOR |
| Self-Reflection | 自我反思迭代改进 | OpenServ |
| Multi-Agent workflow | 多智能体协同（主从架构：主智能体拆解分配汇总+子智能体各司其职） | Gemini |
| Agentic RAG | 智能检索+记忆+工具库 | Perplexity |
8AI智能生产控制架构
智能控制系统 → OPC/Modbus → PLC/DCS/控制器/数据库 → 工业生产系统（PID/温度/流量/电压/物料配比），云端学习模块（特征提取→模型训练→模型调优→模型预测）→ 下发控制策略参数，实现工艺决策智能化、工艺参数智能化