课程背景：

很多研发团队已经开始使用AI：写代码、写用例、分析日志，打包发版等。但这些尝试大多停留在个人层面，没有沉淀成团队可复用的方法。会用AI，和把AI用进稳定的研发流程，是两回事。

落到具体岗位，问题很快变得现实：研发不敢把AI代码直接合进主干，测试拿不准AI用例覆盖够不够，大数据担心口径算错，ERP开发担心业务规则跑偏。管理层真正关心的，也不是大家会不会用工具，而是这些零散尝试能不能变成稳定、可控、可推广的团队能力。

本课程围绕前端、后端、测试、BI、运维等岗位场景，带团队走完从能力边界、智能体搭建、智能体测试到多智能体探索的路径。主线是半自动优先，结果可审，过程可控，把AI从个人尝鲜推进到团队级研发测试能力。

课程收益：

1. 建立研发测试团队的AI使用共识：清楚哪些任务适合交给AI，哪些必须人工兜底

2. 形成岗位级AI场景清单：不同研发岗位都能识别2–3个可落地场景

3. 掌握一个可复用的智能体搭建流程：从需求分析、提示词、知识库、工具到测试调试与优化

4. 把测试团队从“AI使用者”升级为“AI质量守门人”：会设计测试样本、检查幻觉、验证权限、跑回归

5. 理解多智能体的适用边界：知道什么时候一个智能体加工具就够，什么时候才值得复杂化

课程对象：

技术总监、前后端开发、测试、大数据开发工程师，及相关技术负责人与项目骨干

课程方式：

方法讲解+现场演示+统一样板分组实操（分岗位改造）+可复用成果交付

课程大纲:

第一讲：边界认知搭建——厘清研发测试AI能力边界，建立标准化使用纪律与选型方法

一、掌握AI优劣势，落地研发流程风控底线

1. 优劣甄别：会生成、会归纳，弱在精确计算与事实保真

2. 风险预判：代码可能藏bug，口径可能算错，事实可能是编的

3. 流程底线管控：全程人工审核、结果可复测、异常可回滚

二、搭建自研选型框架，按需匹配低成本高适配模型

1. 框架自建

2. 多维研判选型（六维综合评估）

——模型能力、使用成本、上下文承载力、工具调用能力、私有化适配、数据安全边界

3. 场景适配匹配

——实行分级选型策略

模型样本：GLM、豆包、通义、DeepSeek、GPT、Claude、Gemini4. 模型池储备

三、拆解多岗位高频场景，制定AI标准化使用纪律

1. 五类岗位高频场景

第一类：前端页面/组件

第二类：后端接口/SQL

第三类：测试用例/数据

第四类：大数据ETL/口径

第五类：ERP规则/配置

2. AI编程助手使用纪律：生成→审查→测试→入库

工具样本：Cursor、Codex、ClaudeCode、Copilotcodingagent、通义灵码、Trae。

案例：从一段需求说明，到接口草稿、测试用例与前端原型——一个场景看清五岗落点。

讨论：哪些环节AI能写，哪些必须人来把关？

第二讲：智能体工程化搭建——全流程实战搭建可测试、可迭代、可管控的岗位智能体

一、以工作流思维搭建智能体

——智能体不是“更会聊天”，而是按流程完成任务。

一条回路：感知→规划→记忆→行动。

——搭之前先想清楚输入、知识、工具、输出

二、分级匹配落地工具

1. 低代码平台，快速验证：百炼、Coze、Dify、HiAgent

2. 研发执行环境，承接真实流程：Codex、ClaudeCode、Cursor、OpenHands、OpenCode

3. 自研编排样本，系统内嵌：LangGraph、LlamaIndex等

选择原则：先跑通、再下沉，先低门槛、再工程化

三、从需求到智能体：搭建流程与易翻车点

1. 需求分析：把想法拆成可执行任务

1）输入材料：需求文档、接口说明、业务规则、样例数据

2）输出结果：问答、草稿、检查清单、操作建议

3）责任边界：AI处理什么，人确认什么，失败如何兜底

2. 提示词设计：任务、边界、格式、示例、校验

1）任务说明：让智能体知道要解决哪个具体问题

2）输出格式：让结果可复制、可检查、可进入流程

3）校验规则：让模型遇到不确定内容先提示而不是编造

3. 知识库构建：清洗、切分、来源标注、召回检查

1）资料准备：去掉过期、重复和冲突内容

2）切分策略：按主题、流程、规则或问答场景组织

3）召回检查：验证答复是否来自正确资料

4. 工具调用：从“会说”到“会做”的风险控制

1）最小权限：只开放当前任务必须使用的能力

2）调用留痕：记录工具输入、输出和异常

3）人工确认：写入、提交、删除等关键动作必须兜底

四、把测试能力用在智能体上

1. 测试样本：正常、边界、错误输入

1）正常样本：验证基础任务能否稳定完成

2）边界样本：验证规则临界点和复杂组合

3）错误输入：验证拒答、澄清和风险提示

2. 专项检查：幻觉、召回、权限

1）幻觉检查：识别无来源、编事实、编规则

2）召回检查：验证知识库是否找到正确资料

3）权限检查：验证工具是否越权或误操作

3. 回归与量化：答对率、出错率、失败边界。

4. 可选工具：Ragas、promptfoo、Langfuse、LangSmith

实战演练：搭一个岗位智能体

1. 统一样板：测试用例生成助手/研发知识库问答助手

1）前端/后端组：围绕接口、页面、代码解释改造

2）测试组：围绕用例、数据、缺陷复现改造

3）大数据/ERP组：围绕口径、规则、配置校验改造

2. 实战流程：搭建→测试→优化

成果产出：基础智能体、测试样本、优化清单

案例：智能问数为什么不能裸用NL2SQL。

第三讲：多智能体进阶落地——按需轻量化搭建，规避过度设计（聚焦供应链）

一、精准甄别单/多智能体场景

——一个agent+工具能解决的，就别上多智能体——过度设计最常见、也最贵

适用场景：长任务链、多角色、多系统、需仲裁

核心分工：检索、分析、生成、校验、执行

二、角色分工与冲突处理

1. 角色拆分

1）主控角色：拆任务、排顺序、汇总状态

2）执行角色：查资料、跑工具、生成草稿

3）校验角色：检查事实、规则、权限和风险

2. 冲突处理

1）仲裁角色

2）优先级规则

3）人工兜底

3. 研发Harness

——Codex、ClaudeCode、Cursor、OpenClaw、OpenHands、OpenCode

总结：工具承接执行，治理仍靠团队

三、落地的现实约束

1. 权限与数据安全：数据流向、可见范围、操作边界

2. 成本与性能：调用次数、响应延迟、可观测性

3. 私有化部署：适用场景、代价与门槛

供应链案例复盘：

1. 供应链案例

1）订单角色：识别异常类型和影响范围

2）库存/物流角色：核查可用量、在途和延迟风险

3）处置角色：生成建议并交给人工确认

2. 关键判断：先做扎实单agent，再拆多智能体

成果输出：多智能体候选方案

1. 候选场景选择：结合本岗位系统或业务流程

2. 输出模板：场景、痛点、必要性、角色分工、数据工具、风险、兜底、MVP

3. 评审重点：是否真需要多智能体，是否存在过度设计

闫波

闫波老师 AI人工智能实战专家

24年全产业链数字化+人工智能搭建落地应用实战经验

系统架构师

6个千万级人工智能系统建设与数字化项目落地操盘者

四大跨境电商平台的数据整合者

曾任：宏橡科技有限公司丨高级软件工程师 / 项目负责人

曾任：慧聪网（上市）丨研发部门负责人、高级架构师

曾任：民生电商（中国民生银行旗下）丨事业部总经理

曾任：优购时尚商城（百丽国际集团旗下大型B2C电子商务平台）丨高级架构师

曾任：Tidebuy/北京踏浪者科技有限公司（中国快时尚与综合类跨境出口电商的早期领军企业之一）丨 CTO（首席技术官）

曾任：WeBranding Global（博鼎国际） 丨CTO（首席技术官）

二十四年技术纵深，七重业态一脉贯通：从联想CMS架构到企业级Agent智能体平台，横跨财经资讯、移动增值、社交网络、B2B电商、B2C零售、供应链金融、跨境贸易、AI应用八大赛道，全技术栈无断层覆盖

跨境电商四平台数据全接入，构建经营决策中枢：自研BI数据平台打通Amazon、eBay、Shopee、Lazada四大国际主流电商平台，搭建销售分析、利润核算、库存监控、经营驾驶舱四大决策模块，赋能多家跨境企业实现数据驱动经营

实战经验：

闫波老师拥有24年全业态、全技术栈数字化与AI落地实战操盘经验，是兼具一线技术编码+大型架构搭建+千万级项目统筹+企业经营管理四重能力的复合型实战专家。深耕金融科技、零售电商、供应链产业、跨境出海、企业AI智能化五大核心赛道，全程亲历传统数字化建设到企业大模型AI转型的完整迭代周期，经过真实业务场景、高并发流量、企业成本管控、风险实战校验，具备极强的落地性、可复制性与行业适配性，真正实现从“技术搭建、业务赋能到组织提效”的全链路实战落地。

实战案例1：金融证券互联网系统建设项目｜联想赢时通

——牵头搭建证券资讯、模拟交易、经纪人管理、投资者社区一体化平台，独立落地湘财证券、好时基金等三家金融机构整体门户系统集成，统筹需求、开发、数据迁移、灾备运维全流程。

落地成果：搭建数万级用户承载的金融服务平台，统一机构客户运营与服务流程；沉淀标准化行业交付体系，项目交付周期缩短30%，重复开发成本降低25%，构建金融机构线上数字化运营完整载体。

实战案例2：百丽优购B2C高并发电商架构项目｜高级架构师

——担任优购商城高级架构师期间，统筹鞋服零售电商整体技术架构设计，搭建商品、订单、库存、支付、会员、营销全链路核心系统，打通线上商城与线下 ERP、物流、CRM 内部系统，设计大促高并发弹性架构，支撑传统零售企业向线上零售业务转型。

落地成果：支撑数十万SKU、百万会员、万级日订单稳定运行，平稳承接大促8倍峰值流量；实现全链路数据互通，库存同步从T+1压缩至15分钟级，订单效率提升40%，运营成本降低30%，沉淀零售电商转型标准化架构方案。

实战案例3：民生银行系产业互联网 + 供应链金融平台建设

——任职民生电商 B2B 事业部总经理期间，统筹产业互联网平台整体业务规划、产品研发、跨团队管理，探索互联网技术与供应链金融融合路径，搭建企业采购、上下游协同、融资授信一体化线上平台，推动银行系资源与实体产业场景结合。

落地成果：搭建千亿级业务拓展底座，支撑千级企业客户接入；实现线下流程线上化、风控流程标准化，业务效率提升35%，交付周期缩短25%，客户响应效率提升40%，打造银行系产业数字化标杆落地模式。

实战案例4：跨境电商全域 BI 数据智能平台落地

——创业阶段布局跨境数字化赛道，打通亚马逊、eBay、Shopee、Lazada 等主流跨境平台接口，搭建统一数据采集、清洗、分析引擎，设计销售、利润、库存、广告、风控多维度经营驾驶舱，帮助出口跨境企业实现从人工报表到数据驱动经营的升级。

落地成果：服务20+跨境头部企业、100+跨境店铺数据打通；彻底替代人工Excel报表，报表统计从1-2天压缩至30分钟，人工核算成本降低70%，数据错误率降低60%；搭建日级风险预警体系，经营异常识别效率提升80%，形成跨境企业AI数据驱动经营的完整落地方法论。

主讲课程：

《企业AI低成本落地实战》

《AI驱动的数据经营与决策智能》

《AI研发体系建设：当写代码不再是瓶颈》

《企业AI应用场景设计：从需求清单到实施路线图》

《企业AI战略与智能化升级：从工具应用到组织能力重构》

《数字岗位建设实战：用AI重构岗位能力与组织效率》

《研发测试AI工程化实战：把AI变成可测试、可复用、可管控的团队能力》

可做的咨询项目方向：AI辅助软件研发体系咨询/企业AI场景诊断与落地路线图/数字岗位与Agent工作流设计/跨境BI与AI运营咨询/AI财税自动化咨询/AI治理与可控自动化咨询

授课风格：

重实战、去概念：摒弃空洞大模型理论，所有知识点均搭配自有一手落地项目，拆解踩坑经验、落地步骤、成本控制方法，不讲空中楼阁。

多视角、全覆盖：兼顾企业老板、业务负责人、技术人员、普通员工四层视角，兼顾经营效益、技术实现、团队转型三重目标，不同岗位学员均可吸收对应内容。

场景化、可复用：按金融、跨境、制造、商贸细分行业拆解AI应用场景，配套完整落地工具、搭建模板、岗位AI操作话术，学员课后直接复用。

重演练、强共创：课程搭配AI沙盘推演、企业方案共创、RAG知识库简易搭建实操、数字岗位流程模拟，现场完成企业AI优化简易方案。

部分服务过客户：

韩国三星电子、国家能源集团、中国铁道建筑集团、北京市政建设集团有限公司、北京火星高科科技有限公司、金网络（北京）数字科技有限公司、零氪云（上海）科技有限公司、中国（北京）星光视听产业基地、真实觉影视公司、优讯（深圳）科技有限公司、深圳市征鸟出海科技有限公司等

部分客户评价：

听完闫老师关于企业 AI 应用落地与数字化经营的分享，最大的收获是把“AI 能做什么”转化成了“企业现在该从哪里做”。课程中对业务流程、数据资产和智能体协同的拆解非常务实，对我们后续梳理 AI 应用场景和推进内部试点有直接参考价值。

——北京火星高科科技有限公司 王总 产品负责人

闫老师的咨询和分享非常贴近企业真实业务，不是泛泛讲模型和工具，而是从流程重构、数据治理、岗位协同和落地路径出发，帮助我们重新理解 AI 如何进入实际工作流。尤其是低成本试点和人机协同边界的设计，对我们非常有启发。

——金网络（北京）数字科技有限公司 李总 总经理

闫老师的分享让我们对 AI 在内容生产、项目管理和商业分析中的应用有了更清晰的判断。他不是单纯展示工具，而是强调如何围绕业务目标设计流程、沉淀方法、控制风险，这对影视行业探索 AI 提效非常有价值。

——真实觉影视公司 张总 创始人

闫老师的课程兼具前沿视野和实操方法，能够把 AI 技术趋势、企业应用场景和产业资源协同讲得很清楚。特别是关于“从场景清单到实施路线图”的方法，对园区企业理解 AI 转型方向、筛选真实应用场景很有帮助。

——中国（北京）星光视听产业基地 刘主任 产业服务负责人

闫老师对 AI 辅助软件开发的理解非常务实，不只是讲工具，而是把需求分析、代码生成、测试验证、交付协同等研发流程串成完整工作流。对我们这类为银行提供系统开发服务的企业来说，很有助于判断 AI 如何真正提升研发效率和交付质量。

——优讯（深圳）科技有限公司 黄总 副总经理

闫老师熟悉跨境电商业务，也理解亚马逊、Shopee 等平台数据打通和经营分析的真实难点。课程中关于跨境 BI、经营驾驶舱和 AI 运营助手的设计方法，非常适合出海企业落地，帮助我们优化了数据核算和经营复盘流程。

——深圳市征鸟出海科技有限公司 李总 总经理