> **来源：[研报客](https://pc.yanbaoke.cn)** # 文档内容总结 ## 核心内容 文档围绕人工智能（AI）在企业中的应用展开，涵盖多个岗位的技能图谱、岗位能力项、推荐课程及关键信息。内容分为三大模块： 1. **AI 提效思维**：聚焦 AI 通识、提示词工程、人机协作思维，强调 AI 在提升办公效率、自动化任务处理、优化工作流程等方面的作用。 2. **AI 安全合规**：涉及数据隐私、版权风险、信息安全，提供企业 AI 安全建设的指导与实践，包括安全工具链、安全策略制定、安全治理体系建设等。 3. **AI 数据分析与算法工程**：强调数据素养、AI 数据治理、算法建模、模型训练与优化，以及如何通过 AI 技术提升产品与业务的智能化水平。 --- ## 主要观点 ### AI 提效思维 - AI 技术已成为企业办公和业务流程中的重要工具，通过提示词工程和人机协作思维，实现 AI 与人的高效协同。 - 建议企业从 AI 通识入手，逐步掌握提示词工程，推动 AI 在不同业务场景中的落地应用。 - AI 不仅是黑科技，更是企业新基本功，应注重“安全第一”的开发文化。 ### AI 安全合规 - AI 安全需从风险识别、防御机制、合规审计等多个层面进行体系化建设。 - 安全工具链包括 Prompt 注入检测工具（如 Llama Guard）和 AISOC 安全运营中心平台。 - 安全治理应贯穿 AI 全生命周期，包括数据治理、模型训练、推理过程、部署与监控等。 - 企业需制定统一的安全策略、推动安全文化、建立安全审计与日志追踪机制。 ### AI 数据分析与算法工程 - 数据治理是 AI 应用的基础，需了解 DAMA/DCMM 框架、数据清洗、数据质量监控、数据血缘追踪等。 - AI 算法工程师需具备从业务问题转化建模、模型选择与指标定义、多目标优化策略设计等能力。 - 大模型训练与微调是 AI 工程化的重要环节，需掌握主流微调策略（如 SFT、LoRA、P-Tuning）及分布式训练系统。 - AI 应用需结合实验设计、模型可解释性分析、持续监控与自动化迭代等环节，确保模型的可靠性与可维护性。 --- ## 关键信息 ### 推荐课程 - **AI 提效思维**： - 《企业全员必修课：人工智能通识》 - 《AI 提示词进阶课》 - 《AI 超级个体：从提示词到智能体实战》 - 《AI智能体工作台：打造聚合式业务中台实战》 - **智能办公应用工具箱**： - 《职场高效办公 Office 应用实战》 - 《AI Excel 从入门到实战》 - 《AI PPT 创作实战课》 - 《AI高效办公写作实战课》 - 《AI数据分析课》 - 《AI基础课程-数据可视化》 - 《深入拆解数字化智能文档处理》 - **AI 安全合规**： - 《企业 AI 安全实战指南：从风险识别到体系化防御》 - 《从代码到文明：AI 安全的技术深渊与治理边界》 - 《安全攻防技能 90 讲》 - 《OpenClew 安全使用指南》 - 《大模型数据安全：从测到实时检测的全流程实践》 - **AI 产品经理**： - 《AI 产品设计与开发实战》 - 《AIGC 产品设计与落地》 - 《AI 产品策略与创新》 - **AI 测试工程师**： - 《AI 测试用例自动生成》 - 《MCP Server 智能调度》 - 《Playwright + Agentic UI 自动化》 - 《企业级测试平台搭建》 - 《AI 测试评估体系设计》 - **AI 算法工程师**： - 《常用算法25讲》 - 《强化学习快速入门与实战》 - 《LLM 训练与微调实战》 - 《Transformer 架构精通》 - 《RAG 系统实战课》 - 《AI大模型系统实战》 - 《AI大模型实战高手课》 - 《AI大模型企业应用实战》 - 《AI大模型之美》 - 《AI技术内参》 - 《深度学习实战》 - 《PyTorch 深度学习实战》 - 《TensorFlow 快速入门与实战》 - 《大模型微调实践课》 - 《大模型安全实战课》 - 《AI大模型工具与硬件选型实战指南》 - 《AI 原生架构设计与落地》 - 《让 Agent 进化：企业自动化的新范式构想》 - 《企业级多智能体设计实战》 - 《Agent Skill 重构传统 SCP》 - 《AI 单位能力项》 - 《AI 数据治理工程师》 - 《AI 数据治理知识体系》 - 《AI 时代数据基础设施》 - 《构建下一代数据架构》 - 《大数据应用实战》 - 《Spark 与 SparkSQL 进阶实战》 - 《Hive 数据仓库进阶实战》 - 《AI 大模型系统实战》 - 《AI大模型实战高手课》 - 《AI医生开发工作评定实战》 - 《腾讯数据治理方法论及实操》 - 《AI基础课程-数据可视化》 - 《AI测试工程师》 - 《AI测试策略与创新》 - 《AI测试工程化实践》 - 《AI测试工具链应用》 - 《AI质量保障体系》 - 《AI测试领导力与影响力》 - 《AI测试评估体系设计》 - 《A/B 测试方案设计》 - 《因果推断与实验设计》 - 《模型可解释性分析》 - 《模型偏差与公平性诊断》 - 《AI测试用例自动生成》 - 《AI测试方案独立设计》 - 《AI测试全流程智能化》 - 《AI测试效率提升》 - 《测试左移与缺陷预测》 - 《AI测试工具链应用》 - 《AI测试策略与创新》 - 《AI测试工程化实践》 - 《AI测试领导力与影响力》 --- ## 岗位技能图谱与分层能力 ### AI 测试工程师 - **初级**：了解 LLM/Prompt/Agent 基本概念，使用 AI 工具辅助生成测试用例，掌握基础测试流程。 - **中级**：熟练使用 RAG+Text2SQL 自动化生成测试用例，实现 UI 自动化，推动测试左移。 - **高级**：主导 AI 测试平台建设，推动多模态 AI 测试，制定公司级 AI 测试规范。 ### AI 产品经理 - **初级**：使用 AI 工具完成日常分析与内容生产任务，了解 AI 产品形态。 - **中级**：独立设计 AI 产品功能方案，掌握 RAG/Agent/多模态等技术选型能力。 - **高级**：主导企业 AI 产品战略，推动行业标准制定，探索 AI 产品商业化路径。 ### AI 数据治理工程师 - **初级**：掌握数据治理基础概念，参与数据清洗与质量检测。 - **中级**：设计企业级数据治理体系，推动数据治理机制常态化运行。 - **高级**：主导构建 AI 驱动的数据治理平台，实现数据生命周期管理与自动化。 ### AI 算法工程师 - **初级**：理解 DL/ML 基本原理，掌握主流模型，进行基础微调与实验设计。 - **中级**：独立解决复杂业务问题，主导模型训练与优化，推动算法与产品融合。 - **高级**：设计企业级 AI 架构，布局前沿技术，推动算法创新与落地。 --- ## 总结 文档全面覆盖了 AI 在企业中的应用方向，从提效思维、安全合规到数据分析与算法工程，提供了清晰的岗位技能图谱、分层能力点与推荐课程。强调 AI 与人的协作、AI 安全治理、数据驱动决策及算法工程化实践，旨在帮助企业构建 AI 全流程能力体系，实现智能化转型。