第1章　人工智能与岗位认知	1
1.1　人工智能与岗位变化	2
1.1.1　人机协同的基本认识	2
1.1.2　制造业岗位的智能化变化	4
1.1.3　服务业岗位的数字化变化	4
1.1.4　岗位能力的新要求	5
1.1.5　人工智能与职业发展	6
1.2　机器智能的类型与边界	6
1.2.1　计算智能	7
1.2.2　感知智能	8
1.2.3　认知智能	9
1.2.4　机器智能的综合应用	10
1.3　人工智能的三大基础要素	10
1.3.1　数据基础	11
1.3.2　算法基础	12
1.3.3　算力基础	13
1.3.4　三要素的协同作用	14
1.3.5　三要素的应用意识	15
1.4　技能人才的人工智能素养	16
1.4.1　能力结构变化	16
1.4.2　从操作能力到协同能力	16
1.4.3　人工智能素养的基本内容	17
1.4.4　典型岗位中的人工智能素养	18
1.4.5　人工智能工具的有效使用	18
1.5　本章小结	19
1.6　课后习题	20
第2章　数据采集与智能感知	22
2.1　工业视觉应用	23
2.1.1　工业视觉的基本含义	23
2.1.2　生产线上的缺陷检测	24
2.1.3　OCR与条码识别应用	26
2.1.4　安全穿戴监控应用	27
2.1.5　实战一：包装袋外观缺陷识别	29
2.2　语音与音频处理	32
2.2.1　语音与音频处理的基本认识	32
2.2.2　语音识别与语音大模型	33
2.2.3　智能客服应用	34
2.2.4　语音控制应用	35
2.2.5　语音合成与数字人应用	37
2.2.6　声纹识别与身份安全	38
2.2.7　设备异音故障诊断	40
2.2.8　实战一：智能客服语音智能体搭建	41
2.2.9　实战二：设备异音预警应用	45
2.2.10　实战三：体验语音转写与设备异音识别	48
2.2.11　语音与音频AI应用规范	51
2.3　数据清洗与标注	51
2.3.1　数据在人工智能项目中的作用	51
2.3.2　结构化数据的基本认识	52
2.3.3　常见的数据质量问题	53
2.3.4　数据清洗的基本流程	53
2.3.5　实战一：客户咨询数据清洗与标注	54
2.3.6　实战二：基于飞书多维表格的设备运行数据清洗与异常标注	57
2.3.7　数据清洗与标注规范	61
2.4　现场边缘计算应用	62
2.4.1　现场边缘计算概述	62
2.4.2　边缘计算的现场需求	62
2.4.3　传感器数据来源	63
2.4.4　传感器数据流转	64
2.4.5　本地化响应方式	64
2.4.6　边缘计算与AI融合	65
2.4.7　边缘数据处理规范	65
2.4.8　实战一：电机状态边缘预警	66
2.5　本章小结	69
2.6　课后习题	70
第3章　机器学习基础与应用	73
3.1　机器学习的基本原理	74
3.1.1　传统规则方法的局限	74
3.1.2　从规则编写到数据学习	75
3.1.3　输入、输出与反馈	77
3.1.4　模型泛化与应用边界	78
3.1.5　历史数据的作用	79
3.1.6　模型部署与现场应用	80
3.1.7　机器学习与岗位能力提升	81
3.2　机器学习的基本类型	82
3.2.1　监督学习	83
3.2.2　无监督学习	86
3.2.3　强化学习	88
3.2.4　机器学习方法选择	91
3.3　深度学习与大模型基础	93
3.3.1　传统特征方法的局限	94
3.3.2　人工神经元与神经网络	95
3.3.3　深度网络与特征提取	96
3.3.4　大模型基本原理	97
3.3.5　预训练、微调与检索增强	98
3.3.6　模型可靠性与安全合规	100
3.4　机器学习应用实战	101
3.4.1　实战一：商品分类模型构建	102
3.4.2　实战二：设备预测性维护模型构建	105
3.5　本章小结	108
3.6　课后习题	109
第4章　大语言模型与提示词应用	112
4.1　生成式人工智能概述	113
4.1.1　判别式模型与生成式模型	113
4.1.2　语言生成基本机制	114
4.1.3　注意力机制基础	115
4.1.4　生成策略与结果控制	117
4.1.5　长文本处理与算力要求	118
4.1.6　提示词工程的作用	119
4.1.7　模型对齐与安全使用	121
4.2　提示词工程基础	122
4.2.1　自然语言指令的作用	123
4.2.2　结构化提示词要素	124
4.2.3　任务拆解与输出格式	125
4.2.4　示例提示与业务对齐	127
4.2.5　复杂任务的分步提示	127
4.2.6　提示词安全	129
4.2.7　提示词管理与评估	130
4.3　大语言模型岗位应用实战	131
4.3.1　岗位任务与AI辅助	132
4.3.2　工作流程拆解	132
4.3.3　检索增强与工具调用	133
4.3.4　实战一：故障诊断智能体搭建	134
4.3.5　实战二：数据分析Agent搭建	136
4.3.6　生成式AI应用规范	138
4.4　多模态AIGC应用	139
4.4.1　多模态内容生成概述	139
4.4.2　图像生成基础	140
4.4.3　视频生成基础	141
4.4.4　三维模型生成基础	141
4.4.5　生成内容的约束控制	142
4.4.6　实战一：图纸快速生成与渲染	143
4.4.7　实战二：产品宣发视频生成	145
4.4.8　实战三：三维模型初样生成	147
4.4.9　多模态AIGC应用规范	149
4.5　本章小结	149
4.6　课后习题	150
第5章　智能体应用基础与实战	153
5.1　智能体概述	154
5.1.1　从对话模型到任务执行	154
5.1.2　智能体的三大核心能力	156
5.1.3　智能体与传统软件的区别	157
5.1.4　智能体在行业中的典型应用	158
5.1.5　智能体的发展价值	159
5.2　智能体运行机制	160
5.2.1　任务拆解机制	161
5.2.2　工具调用机制	161
5.2.3　任务链执行机制	161
5.2.4　ReAct模式	162
5.2.5　记忆机制	162
5.3　智能体工作流与知识库	163
5.3.1　模型幻觉问题	163
5.3.2　RAG技术概述	163
5.3.3　什么是企业知识库	164
5.3.4　RAG的基本工作流程	165
5.3.5　RAG的企业应用价值	167
5.4　零代码智能体搭建实训	167
5.4.1　零代码平台概述	168
5.4.2　实战一：离散制造设备故障排查Agent	169
5.4.3　实战二：乡村数字化政务导办助手	170
5.4.4　零代码平台的意义	170
5.5　多智能体协同应用	171
5.5.1　多智能体协同的应用背景	171
5.5.2　多智能体的分工方式	171
5.5.3　实战一：智能工厂中的多智能体协同	172
5.5.4　多智能体的核心优势	173
5.5.5　多智能体的未来趋势	173
5.6　企业级智能体系统架构	174
5.7　AI幻觉与智能体安全治理	174
5.7.1　什么是AI幻觉	175
5.7.2　企业中的AI风险场景	175
5.8　智能体未来趋势	176
5.9　综合项目实训：离散制造设备故障智能助手搭建	177
5.10　本章小结	179
5.11　课后习题	180
第6章　行业数智化应用场景	183
6.1　离散制造系统中的AI应用	184
6.1.1　什么是离散制造	184
6.1.2　传统制造面临的问题	184
6.1.3　AI在生产调度中的应用	184
6.1.4　AI在设备预测性维护中的应用	185
6.1.5　AGV协同与智能物流	185
6.1.6　AI在工业视觉检测中的应用	186
6.1.7　多智能体协同应用	186
6.2　数字乡村与社会治理应用	186
6.3　边缘侧与端侧AI部署	188
6.4　工业互联网与信息安全基础	189
6.5　智能工厂案例	189
6.6　数字孪生工厂	190
6.7　工业大模型与工业知识库	191
6.8　工业互联网协议与工业通信基础	192
6.9　工业安全与网络攻击风险	192
6.10　工业机器人与具身智能应用	193
6.11　云边端协同架构	195
6.12　综合项目实训：智能工厂AI协同系统设计	197
6.13　本章小结	199
6.14　课后习题	201
第7章　职业素养与安全规范	204
7.1　数据安全	204
7.1.1　生产环境中的数据安全	204
7.1.2　生产环境中常见的数据类型	205
7.1.3　商业机密保护的基本要求	205
7.1.4　合规性审查的基本方法	205
7.2　AIGC安全风险与防范	206
7.2.1　AIGC时代的风险变化	206
7.2.2　AIGC黑产的主要形式	206
7.2.3　深度伪造的识别方法	207
7.2.4　AIGC使用中的知识产权红线	208
7.2.5　AIGC安全防范的岗位流程	208
7.2.6　AIGC合规使用清单	209
7.3　算法偏见与可信AI	210
7.3.1　算法决策正在进入生产现场	210
7.3.2　什么是算法偏见	210
7.3.3　不能只看准确率	211
7.3.4　风险分数、阈值与决策边界	212
7.3.5　可信AI的基本含义	212
7.3.6　机器建议的评估方法	213
7.3.7　算法偏见的治理方法	214
7.4　人机协同中的职业能力	215
7.4.1　人工智能时代人的价值	215
7.4.2　工匠精神与智能化岗位	216
7.4.3　复杂现场问题处理能力	217
7.4.4　人机协同中的岗位判断力	218
7.4.5　职场同理心	218
7.4.6　人工智能能力与职业成长	219
7.5　本章小结	220
7.6　课后习题	221