用claude再优化一个版本直播ppt
2026-03-21

我问：

【金山文档 | WPS云文档】 AI最热100个词，小白也能听懂

https://www.kdocs.cn/l/coKmA8V7JvKO

我现在面对的就是基础非常薄弱的中高层，脑子里糊糊涂涂，分不清楚，请你根据这两套我已有的基础版本，给我优化一版能让基础薄弱的中高层在一次直播里彻底分清楚这些词是干啥的，跟他工作到底有啥关系，能怎么跟他现有知识结合起来，完全理解他。热词提炼最最紧贴他们的词，当然社交货币，还有消除未知让他们有掌控感也必须仔细考虑。另外多举例子，例子要放进ppt里。并给出配图建议。还有配色建议。要有冲击感。要激发起他们的强烈欲望。词必须紧贴他们，而且用第一性原理推到本质，用mece原则设计整个大纲。并且用5w2h设计每个词或者主题。围绕这些词来设计大纲。以词为主线。副线是他们的工作痛点、场景。

AI答：

AI热词直播PPT终极优化大纲 v3.0

【设计总纲】

一、核心诊断：为什么前两版还不够打

问题	具体表现
词太多太散	100个词一字排开，中高层看到就放弃
场景挂靠浮于表面	说了”写材料”场景但没给出真实案例
缺乏冲击力	没有”我不学就被淘汰”的紧迫感
社交货币不足	听完后说不出一句让人刮目相看的话
第一性原理缺失	没有把每个词推到本质
没有5W2H	只讲了What，没讲Why/Who/When/Where/How/How much

二、重新定义目标

一句话目标：让基础薄弱的中高层在90分钟内，从”听到AI就慌”变成”我知道这些词干嘛的，跟我有什么关系，我该怎么用”。

三层收获： 1. 消除恐惧（未知→已知）：每个词都能用一句话说清本质 2. 社交货币（沉默→发言）：能在饭局/会议上说出让人刮目相看的判断 3. 行动路径（迷茫→明确）：听完立刻知道第一步干什么

三、MECE总架构（以词为主线，场景为副线）

将所有热词用第一性原理归纳为4大板块（互不重叠、完全穷尽）：

板块	本质问题	中高层翻译	核心热词数量
A. AI的脑子	它怎么想的？	“它到底是什么？靠不靠谱？”	12个
B. 你怎么指挥它	你怎么用的？	“为什么我用效果差，别人用效果好？”	8个
C. 它怎么接你的活	它怎么连的？	“它能不能看我的文件、查我的数据？”	10个
D. 它怎么替你干活	它怎么做的？	“它能不能自己跑完一个任务？”	10个

再加上1个产品工具总览板块（E），帮他们把名字和类别对上号。

总计精选约45个核心词（不是100个，因为中高层只需要掌握这些就足够碾压同级别的人）。

【配色方案】

主方案：「深空蓝 × 电光橙」冲击配色

角色	色值	用途
主色-深空蓝	#0A1628	封面/章节页背景，压得住场
副主色-科技蓝	#1B4DFF	标题强调、图标底色
冲击色-电光橙	#FF6B2B	关键词高亮、数据callout、行动号召
辅助色-冰白	#F0F4FF	内容页背景
正文色-深灰	#2D3436	正文文字
弱辅助-中灰	#95A5A6	注释、来源标注

设计原理：深蓝底色 = 权威、专业、值得信赖（中高层喜欢的调性）；电光橙 = 紧迫、行动、不能错过（激发欲望）。整体风格是”高端科技发布会感”，不是”培训课件感”。

字体方案

元素	中文字体	英文/数字字体	字号
大标题	思源黑体Bold / 阿里巴巴普惠体Bold	Impact	40-48pt
副标题	思源黑体Regular	Arial Black	24-28pt
正文	微软雅黑	Calibri	16-18pt
关键词高亮	思源黑体Bold	Consolas(代码感)	20-24pt
数据大字	DIN Pro Bold(建议)	DIN Pro Bold	60-80pt

【逐页详细大纲】

===== 开场模块（第1-5页）：制造紧迫感 + 建立信任 =====

第1页｜封面页

标题：你的同级别对手，已经在用AI重新定义效率了

副标题：45个最紧贴中高层的AI热词 × 一场直播 × 彻底搞懂

设计：深空蓝全屏背景，标题白色大字居中，“重新定义效率”用电光橙色。底部一行小字：“不是教你写代码，是帮你在AI时代不掉队”

配图建议：抽象的神经网络光线效果（深蓝底+蓝色光线），科技发布会感

第2页｜恐惧唤醒页（制造紧迫感）

标题：2026年，这些场景你一定遇到过

内容（左右分栏）：

左栏-“你的现状”（用灰色调）： - 下属汇报里出现”Agent”“RAG”，你只能点头假装听懂 - 同行饭局聊AI，你只能说”我也在关注” - 老板问”AI能不能用在我们业务里”，你答不上来 - 你试过ChatGPT，但觉得”也就那样”，不知道问题出在哪

右栏-“别人的现状”（用电光橙高亮）： - 同级别的人已经用AI 30分钟搞定你花3小时写的汇报 - 已经有人用AI做出让老板眼前一亮的竞品分析 - 已经有团队用AI把重复工作砍掉了40%

页面结论（大字）：差距不是”懂不懂技术”——是”会不会用AI的人”和”还没开始的人”

配图建议：左右对比的分屏设计，左灰右亮，中间用一条电光橙分割线

第3页｜价值承诺页

标题：今天90分钟之后，你会变成这样的人

三个承诺（用大图标+短句）：

1. 🎯 听到任何AI新词不再慌 “你能用一句话说清它是干嘛的” → 社交货币：饭局上你是能给别人解释的那个人

2. 🔗 清楚AI跟你的工作到底啥关系 “不是所有AI都跟你有关，但有几个跟你关系极大” → 消除焦虑：从”我该不该学”变成”我该先学哪个”

3. 🚀 明天就能开始的第一步 “不用装软件、不用学编程、不用花钱” → 行动路径：5分钟之内可以开始

配图建议：三个圆形图标+渐变色背景带，从蓝到橙的渐变

第4页｜全景地图页（MECE总览）

标题：AI世界的45个热词，本质就4个问题

核心设计：一张横向的4层架构图

┌─────────────────────────────────────────────────┐
│ A. 它怎么想的？    → AI的脑子（模型与能力边界）    │
├─────────────────────────────────────────────────┤
│ B. 你怎么指挥它？ → 你的指令（输入输出控制）      │
├─────────────────────────────────────────────────┤
│ C. 它怎么接你的活？→ 连接层（知识库、API、MCP）    │
├─────────────────────────────────────────────────┤
│ D. 它怎么替你干活？→ 执行层（Agent、工作流、自动化）│
└─────────────────────────────────────────────────┘
         ↓ 落地为具体产品和工具 ↓
┌─────────────────────────────────────────────────┐
│ E. 你该用哪个？ → 产品工具层（ChatGPT/Claude/Coze…）│
└─────────────────────────────────────────────────┘

右侧标注：用虚线箭头连接到中高层的日常—— - A → “决定AI能不能帮你” - B → “决定AI帮得好不好” - C → “决定AI能不能看懂你的东西” - D → “决定AI能不能替你跑完整个任务” - E → “决定你具体打开哪个APP”

配图建议：深色背景，4+1层用不同色块区分，层级感清晰，像一栋建筑的剖面图

第5页｜学习路径预告页

标题：接下来我会按这个顺序带你过一遍

设计：横向时间轴/路径图

A.它怎么想的 → B.你怎么指挥它 → C.它怎么接你的活 → D.它怎么替你干活 → E.你该用哪个 → F.明天就开始
(20min) (15min) (20min) (15min) (10min) (10min)

底部一句话：每一段我都会用你每天最熟悉的场景来讲，不讲一句技术黑话

配图建议：进度条/路径图设计，当前位置用电光橙标记

===== 板块A（第6-13页）：AI的脑子——它怎么想的 =====

第6页｜板块A封面

标题：A. AI的脑子——它到底怎么想的？

副标题：这个板块解决你最根本的疑问：AI到底是什么东西？它靠谱吗？它有边界吗？

本板块热词预览（排列在底部）： AI 大模型/LLM 多模态参数训练/预训练/微调推理模型开源vs闭源蒸馏量化幻觉深度学习机器学习

配图建议：大脑+神经网络的抽象图，深蓝底，发光节点

第7页｜AI / 大模型 / LLM

标题：AI、大模型、LLM——三个词其实说的是一件事的三个层级

第一性原理： - AI = 让机器模拟人的智能（最大的帽子） - 大模型 = 一种实现AI的方法：用海量数据训练出来的超大”知识大脑” - LLM = 大模型里专门处理语言的那一类（你每天用的ChatGPT就是它）

类比（电光橙大字）： > AI就像”医学”，大模型就像”西医”，LLM就像”西医里的内科医生”——你平时看的就是内科。

5W2H速查表（表格设计）：

维度	AI	大模型	LLM
What	机器智能的总称	海量数据训练的大型模型	专门处理语言的大模型
Why重要	第四次工业革命的核心	当前AI能力的主要载体	你每天用的工具的底层
跟你的关系	你身处其中	决定工具能力上限	你对话的对象就是它
你需要做什么	接受它、理解它	知道不同模型能力不同	选对模型

真实例子： “你在ChatGPT里打字问问题——你就是在跟一个LLM对话。它背后的GPT-4o就是一个大模型。整个这套东西，就叫AI。”

配图建议：三层同心圆——外圈AI、中圈大模型、内圈LLM，颜色由浅到深

第8页｜多模态

标题：多模态——AI不只会读字，它开始能看图、听声音、读PDF了

第一性原理：人有五感（看、听、说、读、写），过去的AI只有”读”和”写”（纯文字），多模态就是给AI补上了其他感官。

类比： > 过去的AI是个”盲人话务员”——只能听你说、帮你说。现在的多模态AI是个”全能秘书”——你把照片发给它、把录音发给它、把PDF发给它，它全能处理。

真实例子（配截图建议）： 1. 拍一张白板照片 → AI帮你整理成会议纪要 2. 发一张竞品海报 → AI帮你分析设计思路和文案策略 3. 丢一个60页PDF → AI帮你提炼3页摘要

跟中高层的关系（电光橙高亮）： “以后你开完会，不用自己整理——拍张白板照，AI 30秒出纪要。”

配图建议：中间一个AI图标，周围环绕：📷图片、🎤音频、📄文档、🎬视频——箭头都指向中心

第9页｜参数 / 训练 / 预训练 / 微调

标题：参数、训练、微调——为什么不同AI能力差别那么大？

第一性原理： - 参数 = AI脑子里的”突触连接数量”，越多≈越聪明（但不绝对） - 训练 = 用海量数据”喂”它，让它从数据中学会规律 - 预训练 = 先用互联网上的通用知识打基础（像上大学） - 微调 = 再用特定领域数据强化（像读研究生专攻某方向）

类比： > 预训练 = 通识教育，什么都学一点。微调 = 专业教育，医学院/法学院/商学院。

真实例子： “为什么DeepSeek的中文特别好？因为它在预训练之后，专门用了大量中文数据做了微调。就像一个ABC（美国华裔），虽然英文很好，但如果你把他送去中国生活3年，他的中文就变得地道了。”

中高层需要知道的： “你不需要自己做训练和微调，但你需要知道：不同工具之所以效果不同，根本原因就在这里。选工具就是选’谁训练得更好’。”

配图建议：一个”成长路径”图：原始数据→预训练（大学）→微调（研究生）→成品模型

第10页｜推理模型 vs 非推理模型

标题：推理模型——AI开始”想一想再回答”了

第一性原理： - 非推理模型 = 看到问题就回答（反应快，但容易浅） - 推理模型 = 看到问题先”想一会儿”再回答（慢一点，但深刻得多）

类比（电光橙大字）： > 非推理模型 = 抢答选手，速度快但经常翻车。推理模型 = 深度思考者，慢半拍但答案更靠谱。

真实例子： “你问AI：‘我们公司该不该进入东南亚市场？’ - 非推理模型会立刻列5个要点给你（看起来像那么回事，但经不起追问） - 推理模型会先分析你的行业、竞争格局、政策环境，然后给你一个有论据支撑的建议

中高层社交货币（金句框设计）： > 💬 “现在AI已经不只是’搜索+总结’了，最新的推理模型能做’结构化深度思考’，本质上就是AI在学习做分析师。”

配图建议：两条路径对比图——一条直线（快速回答），一条有分叉/汇聚的思考路径

第11页｜开源 vs 闭源 / 蒸馏 / 量化

标题：开源vs闭源、蒸馏、量化——你只需要知道一个核心判断

第一性原理： - 开源 = 代码公开，谁都可以拿去用、改（像维基百科） - 闭源 = 代码不公开，只能用官方提供的服务（像付费百科全书） - 蒸馏 = 用大模型”教”小模型，让小模型用更少资源获得接近大模型的能力 - 量化 = 把模型”压缩瘦身”，让它能在普通电脑上跑

类比： > 蒸馏 = 把一本800页的教科书浓缩成一本100页的精华笔记。量化 = 把高清电影压缩成手机也能流畅看的小视频。

中高层只需要知道的判断（电光橙框）： “如果你公司数据敏感不能上传云端，你需要关注’开源+蒸馏+量化’这条路——这意味着你可以在自己公司的服务器上跑一个’小而精’的AI。如果数据不敏感，用闭源的大模型（ChatGPT/Claude）就足够了。”

配图建议：一个决策树——“数据敏感？” → 是→开源路线 / 否→闭源路线

第12页｜幻觉

标题：幻觉——AI最大的坑，中高层必须刻在脑子里

第一性原理： AI不是”知道答案然后告诉你”，而是”根据概率生成最可能的下一个字”。所以它有时候会非常自信地胡说八道。

类比（电光橙大字）： > AI的幻觉就像一个口才极好的实习生——说话特别有条理，但他讲的数据可能是编的。

真实翻车案例： 1. 某律所用ChatGPT写诉状，AI编造了3个不存在的判例，被法官当庭质疑 2. 某分析师用AI写竞品报告，AI给的市场份额数据全是编的，老板拿去跟客户讲，被打脸 3. 某HR用AI写岗位说明，AI引用了一条不存在的劳动法条款

中高层铁律（红色警告框设计）： > ⚠️ AI输出的所有涉及数据、法规、引用的内容，必须人工复核。把AI当”初稿生成器”，永远不要当”终稿审核员”。

配图建议：一个AI回答框，内容看起来很专业，但关键数据上打了红色❌

第13页｜板块A小结

标题：板块A总结——AI的脑子，用3句话说清

大字设计（三句话，每句一行，递进色彩）： 1. AI就是”用数据训练出来的超级大脑”——但它不是人，它算概率 2. 不同模型能力差别巨大——选对模型 > 学会技巧 3. AI会”自信地犯错”——永远把它当助手，不当决策者

社交货币金句框： > 💬 “AI不是万能的，它本质上是一个’概率生成器’。选对模型、验证输出，这两件事比学什么Prompt技巧都重要。”

配图建议：简洁的3点总结卡片设计，深色背景+白字

===== 板块B（第14-19页）：你怎么指挥它——输入输出控制 =====

第14页｜板块B封面

标题：B. 你怎么指挥它——为什么你用AI效果差，别人效果好？

副标题：答案就在这8个词里

本板块热词预览： Prompt System Prompt Token 上下文/Context Window 温度/Temperature 结构化输出多轮对话 Chain of Thought

配图建议：一个人对着AI说话的抽象图，话语泡泡里有结构化的指令

第15页｜Prompt

标题：Prompt——你给AI下的”指令”，是决定结果好不好的第一因素

第一性原理： Prompt就是你对AI说的话。AI的输出质量，80%取决于你的Prompt质量。

类比： > Prompt就像你给下属布置任务。你说”帮我做个PPT”，结果一定不如”帮我做一个给CEO看的10页PPT，主题是Q3复盘，重点讲增长数据和下季度策略，风格简洁专业”。

真实对比案例（并排展示）：

差Prompt	好Prompt
“帮我写个汇报”	“你是一位资深管理顾问。请帮我写一份给集团CEO的Q3运营汇报，3页以内，先讲结论再讲数据，重点突出：营收增长12%、新客户增长25%、人效提升15%。语气沉稳专业，不要用’我们’开头。”
输出：泛泛而谈，像大学生作业	输出：结构清晰，直击要点，像真正的管理层材料

5W2H： | 维度 | 内容 | |——|——| | What | 你输入给AI的指令文本 | | Why | 直接决定AI输出质量 | | Who | 所有使用AI的人都要掌握 | | When | 每次使用AI时 | | Where | 任何AI对话框里 | | How | 说清角色、任务、要求、格式、限制 | | How much | 免费，不花钱，只花脑子 |

配图建议：左右AB对比图，左边模糊指令→模糊结果，右边清晰指令→精准结果

第16页｜System Prompt / 上下文 / 多轮对话

标题：System Prompt、上下文、多轮对话——为什么AI有时候”忘了你刚才说的”？

第一性原理： - System Prompt = 给AI设定的”角色身份”，在对话开始前就生效（类似给下属的岗位职责说明） - 上下文（Context Window）= AI的”短时记忆容量”——能记住多少对话内容 - 多轮对话 = 你和AI来回聊的过程，每一轮都会消耗上下文空间

类比： > System Prompt就像给新来的助理一份”工作手册”——你不需要每次布置任务都重新解释公司背景。 > 上下文就像这个助理的记忆力——有的能记住你说过的50件事，有的只能记住10件。

真实场景： “你跟AI聊了一个小时讨论方案，突然它开始’自相矛盾’——不是它变笨了，是它的上下文满了，早期的对话被’忘掉’了。解决方案：把最重要的信息放在System Prompt里，它就永远记得。”

配图建议：一个信封/记忆容器的可视化——System Prompt在最底层（永远在），上面是对话内容，顶部有一条”溢出线”

第17页｜Token

标题：Token——AI世界的”计量货币”，不懂它你会多花冤枉钱

第一性原理： Token不是字，不是词，是AI切分文本的最小单位。大约1个中文字≈1.5-2个Token。

类比： > Token就像手机的流量。你看一个网页要消耗流量，AI读一段话要消耗Token。Token用完了，要么买更多（花钱），要么对话就断了。

真实数据冲击（大字callout）： - GPT-4o：输入$2.5/百万Token，输出$10/百万Token - Claude Sonnet：输入$3/百万Token，输出$15/百万Token - DeepSeek：输入¥1/百万Token，输出¥2/百万Token

中高层需要关注什么： “如果你团队要大规模使用AI，Token成本是绑在业务里的。你不需要算每一个Token，但你需要知道：长文档 = 大量Token = 费用和限制。”

配图建议：一个”油表/流量表”的视觉，显示Token消耗和剩余

第18页｜温度 / 结构化输出 / Chain of Thought

标题：温度、结构化输出、CoT——三个让AI”听话”的进阶技巧

第一性原理： - 温度（Temperature）= AI回答的”创意程度”开关。低温=严谨保守，高温=天马行空 - 结构化输出 = 告诉AI必须按照特定格式输出（表格、JSON、指定框架） - Chain of Thought = 让AI”一步一步想”，而不是直接给答案

类比： > 温度就像给员工定KPI的宽松度——KPI定得死=稳定产出；KPI定得松=可能有惊喜也可能有惊吓。

真实例子： “你让AI帮你分析一个投资机会—— 不加CoT：AI直接说’建议投资’（你不知道它怎么想的）加上CoT：AI会列出’市场分析→竞争格局→财务预测→风险评估→结论’——你能看到它的推理过程，判断它靠不靠谱。”

配图建议：温度旋钮（0→2的刻度盘）+ 结构化输出的表格示意 + CoT的步骤流程图

第19页｜板块B小结

标题：板块B总结——用好AI的秘诀就3点

大字三句话： 1. 写好Prompt = 给AI下好指令——这是性价比最高的技能 2. 理解上下文 = 管好AI的记忆——别让它忘了你最重要的话 3. 用好结构化输出和CoT = 让AI”可控”——不只是对，而且格式对

社交货币： > 💬 “很多人说AI不好用，其实80%的问题出在Prompt上。你给它一句话，它还你一堆废话。你给它一套结构化指令，它还你一份能用的材料。”

===== 板块C（第20-27页）：它怎么接你的活——知识与连接 =====

第20页｜板块C封面

标题：C. 它怎么接你的活——AI能不能看懂你的文件、连上你的系统？

副标题：这个板块决定了：AI到底是一个”通用聊天机器人”，还是”懂你公司的专属助手”

本板块热词预览： API RAG 知识库 Embedding 向量数据库 Chunk 语义搜索 MCP Function Calling/工具调用 Grounding

配图建议：一个AI和公司文件系统/数据库之间的连接图，像插头插入插座

第21页｜API

标题：API——AI世界的”万能插头”

第一性原理： API就是两个软件系统之间约定好的”对接方式”。就像USB接口——不管你是什么设备，只要有USB口就能连。

类比： > API就像餐厅的菜单。你不需要进厨房，只需要看菜单点菜（发请求），服务员就会把菜端给你（返回结果）。

真实场景（中高层最关心的）： - “你公司的CRM系统想接入AI自动分析客户数据——需要API” - “你想让AI自动读取公司的会议日程并生成准备材料——需要API” - “你想在公司内部OA里嵌一个AI助手——需要API”

配图建议：插头+插座的简化图标，多个系统（CRM、OA、邮件）通过API线连接到中间的AI

第22页｜RAG

标题：RAG——让AI”先查你的资料，再回答你的问题”

第一性原理： RAG = Retrieval-Augmented Generation = 检索增强生成。翻译成人话：AI回答之前，先从你指定的资料库里检索相关内容，然后基于这些内容来回答。

类比（电光橙大字）： > 没有RAG的AI = 一个只凭记忆回答问题的人（可能记错）。有RAG的AI = 一个先翻档案柜找资料、再回答问题的人（有据可查）。

真实场景： “你们公司有500页的员工手册，新人入职总是问HR重复的问题。上了RAG之后： - 新人问：‘年假怎么算？’ → AI自动从员工手册第38页找到规则 → 准确回答 - 新人问：‘出差报销流程？’ → AI从财务制度文件里找到流程 → 一步步说清

HR从每天回答50个重复问题，变成了每天只处理5个特殊情况。”

中高层需要知道的： “如果你想让AI’懂你公司’，RAG是第一个要了解的词。它是企业AI落地最核心的技术路径之一。”

配图建议：一个流程图——用户提问→AI先检索资料库→找到相关内容→基于内容生成回答

第23页｜知识库 / Embedding / 向量数据库 / Chunk

标题：知识库、Embedding、向量数据库、Chunk——RAG背后的”基础设施”

第一性原理：这4个词是RAG的”内部零件”，你不需要每个都深入，但需要知道它们各自干什么：

词	本质	类比
知识库	你喂给AI的资料合集	图书馆里的书
Chunk	把长文档切成小段	把一本书拆成一章一章
Embedding	把文字转成数字向量（AI能理解的格式）	给每本书贴上一个”数字指纹”
向量数据库	存储这些数字向量的仓库	一个按”指纹”快速检索的智能档案柜

工作流程（横向流程图）：

你的文档 → Chunk切片 → Embedding转向量 → 存入向量数据库
↓
用户提问 → Embedding转向量 → 在向量数据库中检索最相似的片段 → 送给AI生成回答

中高层只需记住的一句话（电光橙框）： “知识库就是AI的’参考资料’，其他三个词是让AI能’看懂和检索’这些资料的技术。你不用自己搭，但你要知道跟技术团队说’我们要建知识库’意味着什么。”

配图建议：一条从左到右的”管道”流程图，每个环节用不同色块标识

第24页｜语义搜索 vs 关键词搜索

标题：语义搜索——AI搜索的方式，跟你用百度搜索完全不同

第一性原理： - 关键词搜索 = 逐字匹配（你搜”苹果手机”，它只找包含这4个字的文档） - 语义搜索 = 理解意思（你搜”苹果手机”，它也能找到”iPhone”“ios设备”的相关内容）

中高层的启发： “以后你公司的AI知识库用的就是语义搜索。这意味着员工问问题不需要’猜关键词’了——用自然语言提问就行。”

配图建议：两条搜索路径对比——关键词搜索（直线匹配）vs 语义搜索（辐射匹配，连接多个相关概念）

第25页｜MCP

标题：MCP——AI的”万能充电口”，一个接口连一切

第一性原理： MCP = Model Context Protocol = 模型上下文协议。本质就是给AI定义了一个”标准接口”，让AI可以用统一的方式连接各种外部工具和系统。

类比（电光橙大字）： > 过去每个工具都要单独适配AI（就像每个手机品牌都有自己的充电口）。MCP就是AI世界的USB-C——一个口，全部通用。

真实场景： “有了MCP，AI可以一个接口同时连你的： - 日历（看你今天有什么会议） - 邮件（帮你写回复） - 数据库（帮你查数据） - 文档（帮你找资料）

而且不需要为每个系统单独开发连接——一个MCP接口搞定。”

中高层社交货币： > 💬 “MCP是Anthropic推出的开放协议，现在Google、OpenAI也在跟进。以后AI接入企业系统，就像手机充电一样简单——插上就用。”

配图建议：USB-C口的视觉隐喻——一个AI中心点，四周多个系统通过统一接口连接

第26页｜Function Calling / 工具调用

标题：工具调用——AI从”只会说”到”能动手”的关键一步

第一性原理： Function Calling就是让AI在对话中调用外部功能。AI不只是回答你，还能帮你”按按钮”。

类比： > 过去AI是一个只能打电话的秘书——它能告诉你”你3点有个会”，但不能帮你改时间。有了工具调用，它不仅告诉你有会，还能直接帮你把会改到4点，并给所有与会人发通知。

真实例子： 1. 你说”帮我查一下上个月的销售数据” → AI调用数据库查询工具 → 直接返回数据 2. 你说”帮我订明天下午3点的会议室” → AI调用日程管理工具 → 直接帮你订好 3. 你说”帮我把这个分析发给张总” → AI调用邮件工具 → 直接发送

配图建议：AI对话框 → 触发”工具”图标 → 执行动作 → 返回结果

第27页｜板块C小结

标题：板块C总结——让AI”接你的活”，核心就3件事

大字三句话： 1. API是桥——让AI能连上你的系统 2. RAG+知识库是脑——让AI能理解你公司的资料 3. MCP+工具调用是手——让AI能动手帮你操作

社交货币： > 💬 “一个只会聊天的AI，价值有限。能看你文件、查你数据、帮你操作的AI，才是真正的生产力工具。关键技术就三个：API连接、RAG检索、MCP标准化。”

===== 板块D（第28-34页）：它怎么替你干活——Agent与自动化 =====

第28页｜板块D封面

标题：D. 它怎么替你干活——AI从”助手”变成”执行者”

副标题：这是AI发展最激动人心的方向，也是跟中高层关系最大的方向

本板块热词预览： Agent/智能体 Workflow Agentic Workflow 多智能体 Planning Memory Browser Use Computer Use Human in the Loop Automation

配图建议：一个机器人从”坐着聊天”到”站起来干活”的进化图

第29页｜Agent / 智能体

标题：Agent——2025-2026年AI圈最热的词，没有之一

第一性原理： Agent = 一个能自己拆解任务、自己选择工具、自己一步步执行、遇到问题自己调整的AI。 普通AI是”你问一句它答一句”，Agent是”你给它一个目标，它自己搞定全过程”。

类比（电光橙大字）： > 普通AI = 你拿遥控器一个按钮一个按钮按。Agent = 你说”我要看电影”，它自己打开电视、选平台、找片子、调音量、关灯。

真实案例： “你说：‘帮我准备明天给投资人的材料’ 一个Agent会自己做这些事： 1. 查看你的日历，确认明天几点见投资人 2. 从公司文档库调取最新财务数据 3. 搜索该投资人过去的投资偏好 4. 生成一份针对性的商业计划书初稿 5. 自动排好PPT版式 6. 把草稿发到你邮箱让你审核”

为什么中高层必须关注： “Agent是AI取代’初级白领工作’的核心路径。谁先在团队里用上Agent，谁就先降了一大块人力成本和时间成本。”

配图建议：一个”任务分解树”——顶部是目标，下面是Agent自动拆解的多个子任务，每个子任务连接不同工具

第30页｜Workflow / Agentic Workflow / Automation

标题：Workflow、Automation——把Agent的能力”固化”成可重复的流程

第一性原理： - Workflow = 预先定义好的自动化流程（像流水线） - Agentic Workflow = 在流水线中嵌入AI的智能判断（流水线上有个会思考的工人） - Automation = 自动化执行（不需要人盯着）

类比： > Workflow = 你设计了一条工作流水线。Automation = 这条流水线自动运转。Agentic Workflow = 流水线上有个AI”工长”，遇到异常情况能自己判断怎么处理。

真实场景： “你公司的报销流程： - 传统方式：员工提交→财务初审→主管审批→打款——每个环节人工操作 - Workflow：员工提交→系统自动初审格式→自动推送给主管→审批通过自动打款 - Agentic Workflow：AI自动审查报销是否合规、金额是否异常、是否需要额外审批——异常才提醒人”

配图建议：三条平行流水线对比——传统(全手动)、Workflow(半自动)、Agentic Workflow(AI智能自动)

第31页｜多智能体 / Planning / Memory

标题：多智能体、Planning、Memory——Agent越来越像一个”团队”了

第一性原理： - 多智能体 = 多个Agent分工协作（像一个AI团队） - Planning = Agent自己制定执行计划的能力 - Memory = Agent能记住之前的对话和操作经验

类比： > 一个Agent = 你雇了一个全能助理。多智能体 = 你雇了一个团队——一个负责调研、一个负责写作、一个负责排版、一个负责校对。Planning = 这个团队的项目经理能力。Memory = 团队的工作日志和经验库。

真实发展方向（让中高层有前瞻感）： “2025年下半年开始，很多公司在尝试用多智能体系统自动完成： - 市场调研报告（一个Agent搜集数据、一个分析、一个写报告） - 客服工单处理（一个Agent判断问题类型、一个解决、一个回复客户） - 代码开发（一个Agent写代码、一个测试、一个修bug）”

配图建议：多个小机器人围坐圆桌开会的示意图，每个负责不同角色

第32页｜Browser Use / Computer Use

标题：Browser Use、Computer Use——AI开始能”操作你的电脑”了

第一性原理： - Browser Use = AI能自己打开浏览器、点击、填表、搜索 - Computer Use = AI能操作你电脑上的软件——打开Excel、写PPT、发邮件

类比（电光橙大字）： > 以前AI只能”嘴上说”，现在AI可以”亲手做”——它真的在操作你的屏幕。

真实例子： “你说：‘帮我在携程上查一下下周北京到上海的机票，选最便宜的经济舱’ Browser Use的AI会自己： 1. 打开携程网页 2. 输入出发地、目的地、日期 3. 筛选经济舱、按价格排序 4. 把前3个选项截图发给你选”

注意事项： “这项技术2025-2026年还在快速发展中，目前不是100%稳定，但进步速度非常快。中高层需要关注的是：这个方向意味着AI未来能替代大量’在电脑上点来点去’的操作型工作。”

配图建议：一个电脑屏幕，上面有AI光标在自动点击和操作的动态示意

第33页｜Human in the Loop

标题：Human in the Loop——AI干活，但关键决策还是人来拍板

第一性原理： HITL就是在AI自动化流程中，设置”人工检查点”——AI做到某一步时暂停，等人确认后再继续。

类比： > 就像自动驾驶分L1-L5，企业AI也不能一步到位”全自动”。Human in the Loop就是现阶段最务实的方案——AI跑80%，人盯20%。

真实场景： “你让AI自动处理客户邮件： - AI自动分类邮件（自动） - AI自动生成回复草稿（自动） - 回复发出前，推送给你确认（Human in the Loop） - 你点击确认或修改后发出（人+机器协作）”

中高层需要知道： “如果有人跟你推销’全自动AI方案’——你要问一句：‘哪些环节有Human in the Loop？’如果答案是’没有’，你要谨慎。”

配图建议：一条自动化流水线，中间有一个”人形检查站”，线条在此处变色

第34页｜板块D小结

标题：板块D总结——AI替你干活的未来，已经到了

大字三句话： 1. Agent是方向——AI从”聊天”到”执行”的本质跃迁 2. Workflow是落地——把AI能力固化成可重复的自动化流程 3. Human in the Loop是底线——关键环节人要在场

社交货币： > 💬 “AI的下一步不是’更会聊天’，而是’更会干活’。Agent+Workflow+Human in the Loop，这三个词就是企业AI落地的核心框架。”

===== 板块E（第35-40页）：产品工具层——你到底该用哪个 =====

第35页｜板块E封面

标题：E. 你到底该用哪个——把最热的工具名字和类别对上号

副标题：这些名字你肯定听过，但可能分不清谁是谁。这一板块帮你彻底理清。

第36页｜通用AI助手对比

标题：ChatGPT / Claude / Gemini / DeepSeek / Perplexity——5大通用助手一张图说清

对比表格（大表，核心视觉）：

工具	一句话定位	最强项	最适合的场景	价格
ChatGPT	全能选手	综合能力最均衡	什么都能干，入门首选	免费+$20/月
Claude	深度思考者	长文本、复杂推理、写作	写材料、分析报告、读长文档	免费+$20/月
Gemini	Google生态通	多模态、Google全家桶整合	Google重度用户	免费+$20/月
DeepSeek	中文性价比王	中文理解、价格极低	中文场景、成本敏感	几乎免费
Perplexity	AI搜索引擎	联网搜索+引用来源	查资料、做调研	免费+$20/月

中高层行动建议： “如果你只装一个：先装ChatGPT或Claude。如果你中文场景多：加一个DeepSeek。如果你常做调研：加一个Perplexity。”

配图建议：5个产品logo+一句话标签的网格卡片设计

第37页｜AI应用搭建平台

标题：Coze / Dify / n8n——“不会写代码也能搭AI应用”的三个平台

对比表格：

工具	一句话定位	适合谁	核心能力
Coze	字节出品的AI应用搭建平台	想快速做AI机器人的团队	可视化搭建、知识库接入、工作流
Dify	开源AI应用开发平台	有一定技术能力的团队	RAG、Agent、工作流、私有化部署
n8n	自动化流程编排工具	想连接多个系统的运营/IT	跨系统流程自动化、webhook

真实场景： “你想给客服团队做一个AI助手，能自动回答产品问题。 - 用Coze：不用写代码，拖拖拽拽，把产品手册上传，2小时搞定 - 用Dify：更灵活，可以接入你自己的服务器，数据不出公司 - 用n8n：可以让这个AI助手跟你的工单系统自动联动”

配图建议：三个平台的界面截图缩略图+定位标签

第38页｜AI编程工具（中高层视角）

标题：GitHub / Copilot / Cursor / Claude Code / Codex——为什么非程序员也该知道这些

中高层需要知道的不是怎么用，而是：

工具	你需要知道的
GitHub	全世界程序员的代码仓库——你公司的技术团队每天都在用它
GitHub Copilot	程序员的AI副驾驶——帮程序员写代码，提效30-50%
Cursor	带AI的代码编辑器——程序员写代码的新工具
Claude Code	命令行AI编程工具——能自己写代码、改代码、跑测试
Codex	OpenAI最新的AI编程Agent——能自己完成整个编程任务

中高层需要知道的判断： “这些工具正在让程序员的效率提升30-50%。这意味着： 1. 你的技术团队如果还没用这些，你要问为什么 2. 未来同样的开发任务，需要的人会更少 3. 非技术人员也开始用这些工具’用自然语言写代码’了”

配图建议：一个代码编辑器界面，AI在自动补全代码的示意图

第39页｜AI创作工具速览

标题：Midjourney / Stable Diffusion / Runway / Suno / ElevenLabs——AI创作工具一览

速览卡片（5张小卡）：

工具	干什么的	跟中高层的关系
Midjourney	AI画图	海报、PPT配图、创意图不用再等设计师排期
Stable Diffusion	开源AI画图	可以在自己电脑上跑，数据不外泄
Runway	AI视频生成	宣传片、产品视频的初稿可以AI先出
Suno	AI作曲	企业活动、视频配乐不再是难题
ElevenLabs	AI配音	培训视频、产品讲解的旁白可以AI生成

配图建议：5个工具的代表作品小缩略图

第40页｜本地部署速览

标题：Ollama / Open WebUI / 开源模型——“AI在自己公司服务器上跑”

一句话说清： - Ollama = 本地跑AI模型的工具（一条命令启动一个AI） - Open WebUI = 给Ollama配一个网页聊天界面 - 开源模型 = 免费的AI模型（LLaMA、Qwen等），可以自己下载自己跑

中高层需要知道的判断： “如果你公司有以下情况，要关注本地部署路线： 1. 数据高度敏感（金融、医疗、政府） 2. 不允许数据上传到国外服务器 3. 需要完全自主可控否则，用云端的ChatGPT/Claude就足够了。”

配图建议：一台服务器机柜的图标+一个盾牌（安全/隐私）

===== 收尾模块（第41-45页）：行动路径 + 升华 =====

第41页｜四步行动路径

标题：中高层学AI，不要”全面铺开”，要”四步走”

路径图设计（横向进度条）：

第一步（本周就做）：注册一个AI助手，开始用 - 工具：ChatGPT / Claude / DeepSeek（任选一个） - 场景：写邮件、做总结、整理思路 - 目标：每天至少用1次，连续7天

第二步（第2-4周）：学会写好Prompt - 核心：角色+任务+要求+格式 - 场景：写汇报、做分析、改材料 - 目标：让AI输出的东西能直接用

第三步（1-3个月）：了解RAG和知识库 - 目标：跟技术团队讨论”公司AI知识库怎么建” - 工具：试试Coze或Dify搭一个简单Demo

第四步（3-6个月）：关注Agent和自动化 - 目标：找到1-2个可以用Agent自动化的业务流程 - 方向：从最重复、最耗人的流程开始

配图建议：横向阶梯/进度条，每一步用不同颜色标记，当前步骤高亮

第42页｜翻译表——一张图记住所有词

标题：AI热词 → 职场人话对照表（建议截图保存）

设计：大表，分栏，电光橙标注核心词

AI热词	一句话翻译（职场人话）
AI	用数据训练出来的超级大脑
大模型/LLM	AI的”发动机”，决定能力大小
多模态	AI不只能读字，还能看图、听声音
Token	AI世界的”流量”，用多少付多少
Prompt	你给AI下的指令，指令越清楚效果越好
上下文	AI的记忆力，记不住就会前后矛盾
幻觉	AI自信地胡说八道，必须人工复核
RAG	AI先查你的资料再回答，准确度飙升
知识库	你喂给AI的公司专属资料
API	系统之间的万能插头
MCP	AI的USB-C接口，一个口连一切
Agent	能自己拆任务、自己干活的AI
Workflow	把AI能力固化成自动流水线
Human in the Loop	AI干活但关键节点人来拍板
Embedding	把文字变成AI能理解的数字指纹
向量数据库	按”数字指纹”快速检索的智能档案柜
推理模型	AI会”想一想”再回答，更深入
温度	AI回答的创意程度旋钮
微调	用特定数据把AI训练成”专家”
Function Calling	AI能”按按钮”帮你操作

配图建议：表格设计，左列深蓝底白字，右列浅底橙色关键词高亮

第43页｜别把AI想得太神

标题：AI不是万能员工，但一定是最强助手

核心设计（大字+图标对比）：

AI能做的 ✅： - 海量信息的快速处理和整理 - 初稿生成和多版本改写 - 数据分析和趋势发现 - 重复性工作的自动化

AI不能做的 ❌： - 为你承担责任 - 替你做最终决策 - 保证100%准确 - 理解你公司的”潜规则”和”办公室政治”

一句话（电光橙大字）： > 最好的用法：AI出初稿，你做判断。AI做80%的苦活，你做20%的决策。

第44页｜终极社交货币页

标题：听完这场直播，你可以在任何场合自信地说——

设计：深色背景，5句”金句”逐条展示

1. “AI不是魔法，本质上是一个概率生成器。关键不是它多聪明，而是你会不会给它下好指令。”

2. “ChatGPT和Claude不是竞品，是不同工具——就像锤子和螺丝刀各有所长。”

3. “RAG是企业AI落地的第一步——让AI先看你的资料，再回答问题。”

4. “Agent是AI下一个最大的浪——它不再是’你问我答’，而是’你定目标，我跑全程’。”

5. “MCP是AI的USB-C，以后所有系统连AI，用一个接口就够了。”

配图建议：深蓝底，金句用白色+橙色关键词高亮，像科技发布会风格

第45页｜结束页

标题（最大字号）：未来不属于”懂AI的人”

副标题（次大字号）：而是属于”先用起来的人”

底部行动号召： “打开ChatGPT或Claude，给它下你人生中第一个认真的Prompt——从今天开始。”

配图建议：深空蓝背景，标题白色发光效果，底部一条电光橙的”开始”按钮视觉

【全局配图风格指引】

类型	风格	避免
背景	深蓝渐变/科技粒子纹理	纯白/纯黑/花哨图案
图标	线性简约图标，橙色/白色	3D立体/卡通/拟物
配图	抽象科技感（光线/节点/连接线）	真人照片/剪贴画/网上素材
数据展示	大数字+小标签	密密麻麻的表格
对比	左右分栏、AB测试风格	文字堆砌
流程图	横向箭头/阶梯/管道	复杂的树状图

【每页PPT设计原则（执行清单）】

1. ✅ 每页只讲1-3个词，不超过3个

2. ✅ 每个词必须有”类比”（用他们已知的事物解释）

3. ✅ 每个词必须有”真实例子”（放在PPT里，不只是口头讲）

4. ✅ 每个词必须回答”跟我有什么关系”

5. ✅ 关键信息用电光橙色高亮

6. ✅ 每个板块结尾有”社交货币金句”

7. ✅ 文字不超过页面50%面积

8. ✅ 每页必须有视觉元素（图标/图表/对比框/数据callout）

9. ❌ 不要出现任何代码

10. ❌ 不要出现纯文字列表超过5

用claude再优化一个版本直播ppt 2026-03-21