内部培训材料 · 2026
AI Native 售前培训
建立 AI Native 售前工作方式——从客户研究到 Demo 交付，把 AI 真正用进每一个关键环节。
Skills
Part 1 · 工作流基础
Workflows
Part 2–3 · 客制化 & Demo
Vibe Coding
Part 2 & 4 · Demo & POC
3h
建议学习时长
开场说明
今天这次分享，是什么——以及不是什么
在进入内容之前，先对齐一件事：今天的培训究竟要传递什么。
❌ 这次分享不是
- 某个 AI 工具的操作手册或使用技巧
- 教你如何写更好的 Prompt 的指引
- 要你去尝试所有最新工具的推荐清单
- 一套所有人都必须照做的标准流程
✅ 这次分享是
- 在真实售前场景下，如何用 AI 解决问题的思路
- 在不同目标、时间压力和资源限制下，如何判断用什么、用在哪里
- 一套可以根据自己情况调整的工作方式框架
- 基于个人实践的经验分享，供参考，不是答案
开始之前，有几个观点想先说清楚
1
持续使用 > 猎奇新工具
AI 是有记忆的。持续使用同一个工具，它会慢慢了解你的工作方式、你关注的客户、你的表达偏好和你对业务的理解。你用得越久，它越懂你，输出质量才会真正提升。每隔两周换一个工具，等于每次都在从零开始。找到适合你的几个，坚持用下去。
2
没有不好用的 AI 工具
当你觉得某个工具没用、回答质量差，大多数时候是还没摸清楚它最擅长的场景，或者还没给它足够的背景信息。这不是工具的问题，是使用方式还没到位。没有不好用的 AI 工具，只有还没找到正确开启方式的工具。
3
这次分享是起点，不是终点
今天所有的内容，都是基于特定工作场景的个人经验总结。真正适合你的使用方式，需要你自己去摸索。建议的做法：把这里的内容当作参考框架，然后去跟 AI 讨论你自己的工作，找到属于你的方法。没有人能替你做这件事。
AI Native Presales Operating System
层级一
Skills
把高频动作
变成可复用模板
变成可复用模板
Part 1
→
层级二
Workflows
Skills 串联成
端到端业务流程
端到端业务流程
Part 2
Part 3
→
层级三
Vibe Coding
Workflow 成熟后
快速构建可交付原型
快速构建可交付原型
Part 4
→
目标状态
AI Native
每个关键决策节点
AI 都在运转
AI 都在运转
持续演进
课程结构
四大模块概览
每个模块聚焦一个核心转变，结合真实案例与工具实践，可直接应用于日常售前工作。
🗺️
Part 1
AI 售前工作流入门
从"单点提效"到"AI 售前工作流"。建立 Skill → Workflow → Vibe Coding 的正确路径，用四大核心 Skill 覆盖 ROI 最高的售前场景。
Skill 优先
四大核心 Skill
工具选型
AI Command Center
🎯
Part 2
客制化准备
以近期某个客户来访为例，七个环节全流程：客户研究 → 接待策略 → 案例选择 → Narrative 构建 → Demo 准备。让客户感受到"你真的懂我"。
客户背景研究
话术推演
PPT 叙事
🎬
Part 3
场景化 Demo
从"功能演示"到"场景化 Video Demo"。5步制作流程：创意生成 → Demo 构建 → 分镜设计 → 素材录制 → 视频制作。
创意生成
分镜设计
Video Demo
⚡
Part 4
AI 增强 POC
Vibe Coding 工作流，把 POC 周期从 3 周压缩到 3 天。从模糊反馈到结构化 PRD，完整交付链路。
Vibe Coding
快速原型
PRD 生成
Part 1
从"单点提效"到"AI 售前工作流"
会用 AI 工具不等于 AI Native。真正的转变，是把 AI 从偶尔使用的工具，变成驱动每项售前工作的操作系统。
Skills Layer
Part 1 · AI 售前工作流入门
·
把高频售前动作变成可复用 Skill
Customer ResearchMarket IntelligenceExecutive NarrativeAI Workflow
⚠️
重要说明：这是个人经验总结，不是标准答案
以下内容基于个人工作范围和使用情况总结，适用于 Presales、AI GTM、战略咨询类工作模式，不一定适合每一个人。AI 的使用方式高度个人化——你的工作场景、习惯、目标都不同，最终应该形成属于自己的方式。
建议：把这里的内容当作参考框架，然后去跟 AI 讨论你自己的工作场景，找到真正适合你的工具组合和 Skill 模板。没有人能替你做这件事。
建议：把这里的内容当作参考框架，然后去跟 AI 讨论你自己的工作场景，找到真正适合你的工具组合和 Skill 模板。没有人能替你做这件事。
一、核心认知：你真正犯的错误是什么？
❌ 大多数人的误区
- 设计了 20 个 Agent，实际每天只用 2 个
- 工具用了很多，但经验全在丢失
- 随机发生的 AI 使用，没有沉淀成系统
- 瓶颈不在"生产内容"，而在判断和定位
✅ 正确的建设顺序
- 先把高频动作变成可复用的 Skill
- Skill 稳定后，再串联成 Workflow
- Workflow 跑顺后，才考虑 Agent 化
- 经验显性化：每次实验都要留下记录
正确的 AI 能力建设路径
Skill
第一阶段 · 前30天
把高频售前动作变成标准化、可复用的操作模板。每个 Skill = 固定输入 + 固定输出 + 最优工具链。
客户研究
市场情报
叙事构建
实验日志
›
Workflow
第二阶段 · 30-60天
将多个 Skill 串联成端到端流程。识别哪些步骤重复、哪些可模板化，形成可教授的工作流。
客户准备流程
Demo 制作流程
›
Agent
第三阶段 · 60-90天
当 Workflow 稳定，再考虑 Agent 化。Agent = Skill + Context + Trigger + Memory，需要有足够的经验积累。
市场情报 Agent
客户洞察 Agent
值得思考的问题：对于售前和 GTM 这类工作，真正的瓶颈往往不是"生产内容的速度"，而是判断力、机会识别和客户理解。每个人的瓶颈不同——在建 Skill 之前，先想清楚自己真正卡在哪里，AI 才能真正服务于它。
二、AI 工具全景：五大类型 × 售前场景
先了解每个工具的核心角色，才能在不同场景下快速选对工具。以下定位基于实际使用经验，并贯穿本课程后续所有模块。
| 工具类型 | 建议工具 | 核心能力 | 最适用售前环节 |
|---|---|---|---|
| ✍️ AI 写作与文本生成 | ChatGPT · DeepSeek | 深度研究、战略推理、场景设计、竞争分析、行业洞察 | Proposal 叙事 话术 |
| 💻 Vibe Coding | Codex · Claude · WorkBuddy | 原型构建、Demo 搭建、代码生成、自动化任务执行 | Demo POC 原型 |
| 🔍 AI 搜索与知识管理 | NotebookLM · Perplexity AI | 知识组织、证据归集、信息检索、大文档快速理解 | 客户研究 市场情报 |
| 🎨 AI 图像生成 | 豆包 · 即梦 | 分镜参考图、Demo 配图、演示素材视觉化 | Demo 分镜 |
| 🎬 AI 视频生成 | 即梦 · Codex + HyperFrames | 动效片段生成、录屏 AI 包装、沉浸式 Demo 制作 | Video Demo 沉浸式 Demo |
参考：Claude vs ChatGPT 使用体感对比
Claude 更擅长
- → 长文档理解与 Proposal 撰写
- → 细腻的逻辑推理与叙事构建
- → 客户场景推演、话术设计
- → Claude Code 代码工作流
ChatGPT 更擅长
- → 联网实时搜索 + 市场情报整合
- → Deep Research 深度行业报告
- → 数据分析（表格/图表解读）
- → 多模态（图片理解/生成）
💡 组合使用往往比单一工具更有效。 例如：Perplexity 搜客户背景 → NotebookLM 整合资料 → ChatGPT Deep Research 行业深挖 → Claude 生成定制叙事 Deck。
以上为个人使用习惯总结，每个人可能有完全不同但同样有效的组合方式。
以上为个人使用习惯总结，每个人可能有完全不同但同样有效的组合方式。
工具角色统一定义
— 贯穿 Part 1–4以下角色定义在本课程所有模块中保持一致。同一个工具在不同场景下可能承担不同角色——但角色分工的逻辑不变。
NotebookLM
Perplexity AI
Evidence Gathering
知识组织与证据归集。把大量文档、报告、录音整理成可查询的知识库，作为后续分析的原材料。
ChatGPT
DeepSeek
Strategic Reasoning
深度研究与战略推理。适合需要大量背景知识和商业逻辑验证的任务，如场景设计、竞争分析、行业洞察。
Claude
Synthesis & Communication
信息综合与内容生产。把研究结论转化为客户沟通语言——Executive Brief、Narrative、Proposal、Demo 脚本。
Codex
Claude
WorkBuddy
Execution & Prototype
执行与原型构建。把想法和需求转化为可运行的代码、Demo 和 POC 原型。Vibe Coding 的核心工具层。
三、四大核心 Skill（个人建议的前30天优先级）
以下是我认为对我的工作 ROI 最高的四个 Skill。再次强调：这是基于我个人工作场景的总结，你需要根据自己的情况重新判断。
一个好的 Skill 应该满足：15-30 分钟可完成 · 可反复使用 · 可未来 Agent 化 · 能直接影响客户/项目/收入
Skill 结构
输入
→
思考过程
→
输出模板
→
可复用工作流
（最终目标：Agent 化）
SKILL 1
Customer Research & Meeting Prep
★★★★★ 最高优先级
▾
这是我使用频率最高的 Skill，几乎每个客户都要用。准备客户会议、Workshop、Discovery、Executive Meeting 时都会触发。把它变成固定 SOP 后，每次准备时间从 3 小时压缩到 30 分钟以内。
触发场景（Trigger）
准备客户会议
准备 Workshop
准备 Discovery
准备 Executive Meeting
标准输入
- → Company（客户名称）
- → Attendees（参会人职位）
- → Meeting Purpose（会议目标）
- → Meeting Duration（时长）
- → Known Context（已知背景）
固定输出模板
- → Customer Brief
- → Business Priorities
- → Potential Pain Points
- → Dyna Hypothesis
- → Discovery Questions
- → Risks
- → Meeting Strategy
两步工作流
STEP 1 — NotebookLM
研究以下维度：
公司战略 · CEO 观点 · 财务表现
数字化方向 · AI 布局 · 近期新闻 · 竞争情况
公司战略 · CEO 观点 · 财务表现
数字化方向 · AI 布局 · 近期新闻 · 竞争情况
›
STEP 2 — ChatGPT / Claude
以 Senior Presales Strategist 角色，基于研究结果输出结构化 Customer Brief。
Step 2 核心 Prompt
Act as a Senior Presales Strategist.
Based on the following research about [Company]:
[粘贴 NotebookLM 整理的研究内容]
We are meeting with: [Attendees + Titles]
Meeting purpose: [Meeting Purpose]
Duration: [X minutes]
Please provide:
1. What are their likely business priorities right now?
2. What problems are they actually trying to solve?
3. Where could Dyna create the most value? (top 2 hypotheses)
4. What should we avoid talking about?
5. What 5 discovery questions should we ask to uncover real pain?
6. Suggested meeting strategy (opening / main / close)
7. Key risks and how to handle them
Based on the following research about [Company]:
[粘贴 NotebookLM 整理的研究内容]
We are meeting with: [Attendees + Titles]
Meeting purpose: [Meeting Purpose]
Duration: [X minutes]
Please provide:
1. What are their likely business priorities right now?
2. What problems are they actually trying to solve?
3. Where could Dyna create the most value? (top 2 hypotheses)
4. What should we avoid talking about?
5. What 5 discovery questions should we ask to uncover real pain?
6. Suggested meeting strategy (opening / main / close)
7. Key risks and how to handle them
📌 Agent 化标准：当你连续做完 10 个客户的研究后，这个流程会高度标准化，届时可以搭建 Customer Intelligence Agent — 输入客户名自动触发，全程无需手动。
SKILL 2
Market & Competitive Intelligence
★★★★★ 最高优先级
▾
这个 Skill 直接支撑 AI Workforce Thesis。目前大多数行业研究是"随机发生的"——看到一篇就读，没有系统性积累。把它变成每周一次的固定情报机制，让你永远不会在客户面前对行业动态一无所知。
触发场景
每周一次（固定节奏）
客户会议前补充
NotebookLM 固定关注维度
- 📡 AI Workforce / Agent Economy
- 🏦 Banking AI（重点市场）
- 🌍 Middle East 市场动态
- ⚔️ 竞争对手动向
Step 1 — NotebookLM 情报收集
What happened this week?
Focus on:
- New evidence supporting or challenging enterprise AI adoption
- Market shifts in AI Workforce / Agentic AI
- Competitor moves (new products, partnerships, customer wins)
- Executive signals (what are CXOs saying about AI?)
Only include items that may influence enterprise AI buying decisions.
Focus on:
- New evidence supporting or challenging enterprise AI adoption
- Market shifts in AI Workforce / Agentic AI
- Competitor moves (new products, partnerships, customer wins)
- Executive signals (what are CXOs saying about AI?)
Only include items that may influence enterprise AI buying decisions.
Step 2 — ChatGPT 战略解读
Act as my Chief of Staff.
For each market signal from this week's research:
[粘贴 Step 1 的输出]
For each signal, provide:
1. Why does it matter to our sales / positioning?
2. Does it strengthen or weaken our current assumptions?
3. What actions should Dyna consider in response?
Output format:
📌 What Happened | 🔍 Why It Matters | ⚡ Implications for Dyna | ✅ Actions
For each market signal from this week's research:
[粘贴 Step 1 的输出]
For each signal, provide:
1. Why does it matter to our sales / positioning?
2. Does it strengthen or weaken our current assumptions?
3. What actions should Dyna consider in response?
Output format:
📌 What Happened | 🔍 Why It Matters | ⚡ Implications for Dyna | ✅ Actions
📌 Agent 化标准：这是最容易 Agent 化的 Skill。连续运行 4 周后，触发频率和输出格式会高度稳定，可以搭建 Weekly Market Intelligence Agent — 每周自动生成 5 分钟阅读版简报。
SKILL 3
Executive Narrative Builder
★★★★☆ 高优先级
▾
很多人直接做 PPT，而忽略了叙事逻辑本身。这个 Skill 的核心是：先有 Story，再有 Slides。叙事逻辑站不住脚，PPT 做得再好看也无法打动决策者。
触发场景
客户高层汇报
Workshop 设计
Proposal 写作
CEO Meeting
❌ 大多数人的方式
直接打开 PPT，从功能和产品出发，把 Slides 当作叙事本身。结果是客户看完不知道和自己的业务有什么关系。
✅ 更有效的方式
先用 AI 构建 Executive Narrative，确认故事线和 Key Messages 之后，再把它转化成 Slides 结构。
STEP 1 — ChatGPT
输入：Audience / Goal / Current Situation / Desired Outcome
构建完整的 Executive Narrative 框架
构建完整的 Executive Narrative 框架
›
STEP 2 — Claude
将 Narrative 转化为：Workshop Storyline / Executive Briefing / Presentation Structure
Step 1 核心 Prompt（ChatGPT）
Build an executive narrative for the following situation:
Audience: [Who they are + their context]
Goal: [What we want them to think / do / decide]
Current Situation: [Their pain points and challenges]
Desired Outcome: [The future state we're proposing]
Provide:
1. Why this matters NOW (urgency + market context)
2. Current challenges (their reality, not our pitch)
3. Future-state vision (concrete and measurable)
4. Recommended transformation path (step by step)
5. Expected business outcomes (with reference metrics)
Audience: [Who they are + their context]
Goal: [What we want them to think / do / decide]
Current Situation: [Their pain points and challenges]
Desired Outcome: [The future state we're proposing]
Provide:
1. Why this matters NOW (urgency + market context)
2. Current challenges (their reality, not our pitch)
3. Future-state vision (concrete and measurable)
4. Recommended transformation path (step by step)
5. Expected business outcomes (with reference metrics)
Step 2 转化 Prompt（Claude）
Based on this executive narrative:
[粘贴 Step 1 的输出]
Please turn this into:
1. Workshop storyline（以客户旅程为主线的工作坊流程）
2. Executive briefing structure（适合 CXO 的 1-pager 结构）
3. Presentation outline（每页标题 + 核心信息点 + 建议数据支撑）
Principle: Story first, slides second. Every slide should serve the narrative, not replace it.
[粘贴 Step 1 的输出]
Please turn this into:
1. Workshop storyline（以客户旅程为主线的工作坊流程）
2. Executive briefing structure（适合 CXO 的 1-pager 结构）
3. Presentation outline（每页标题 + 核心信息点 + 建议数据支撑）
Principle: Story first, slides second. Every slide should serve the narrative, not replace it.
📌 Agent 化方向：Executive Communications Agent — 输入客户 + 场景 + 目标，自动生成完整 Narrative + Deck 结构，无需手动构思框架。
SKILL 4
AI Workflow Experiment Log
★★★★☆ 未来回报最高
▾
这是最容易被忽略的 Skill，但未来半年回报最高。你每周都在尝试 Deep Research / NotebookLM / Claude / Codex / GPT 等新方式，但这些经验正在悄悄丢失。记录下来，就是你个人的 AI 使用知识库，也是你日后 Agent 化的基础。
触发场景（任何 AI 实验后）
用了新工具
尝试了新 Prompt
发现了更好的流程
某个方法失败了
某个方法出乎意料地成功
极简记录模板
- Experiment — 做了什么尝试
- Goal — 想解决什么问题
- Result — 实际发生了什么
- Lesson — 学到了什么
- Reusable Pattern — 可复用的流程或 Prompt
记录示例
Experiment
Customer Research with NotebookLM
Goal
Reduce preparation time before client meeting
Result
Research quality improved significantly,
but synthesis and "so what" still required manual input
Lesson
NotebookLM works best for evidence gathering,
not for strategic interpretation
Reusable Pattern
NotebookLM (evidence) → ChatGPT (strategic analysis) → Claude (customer brief output)
Customer Research with NotebookLM
Goal
Reduce preparation time before client meeting
Result
Research quality improved significantly,
but synthesis and "so what" still required manual input
Lesson
NotebookLM works best for evidence gathering,
not for strategic interpretation
Reusable Pattern
NotebookLM (evidence) → ChatGPT (strategic analysis) → Claude (customer brief output)
每周 Review Prompt（ChatGPT）
Review all my AI experiments from this week:
[粘贴当周所有实验记录]
Please identify:
1. Patterns — what's working consistently?
2. Repeatable workflows — what can be standardized?
3. Candidate skills — what's ready to be templated?
4. Candidate agents — what's ready to be automated?
Output: a prioritized list of Skill upgrades and Agent candidates for next week.
[粘贴当周所有实验记录]
Please identify:
1. Patterns — what's working consistently?
2. Repeatable workflows — what can be standardized?
3. Candidate skills — what's ready to be templated?
4. Candidate agents — what's ready to be automated?
Output: a prioritized list of Skill upgrades and Agent candidates for next week.
📌 建议存放位置：Notion 专页 / Claude Project 知识库 / 团队共享文档。关键是"从今天开始"，哪怕一周只记一条，三个月后就是巨大的复利优势。
四、建议执行节奏（不要一次做四个）
根据个人情况出发，以下是我建议自己遵循的节奏，仅供参考：
Week 1
Customer Research
选 3 个真实客户，用 Skill 1 完整跑一遍。不求完美，先跑起来。
Week 2
Market Intelligence
开始连续跑 Market Intelligence，建立每周节奏。目标：连续 4 周不中断。
Week 3
Executive Narrative
用在一个真实的 Workshop 或 Proposal 上。先有 Story，再有 Slides。
从今天开始
Experiment Log
不需要等 Week 4。今天就开始记，哪怕一周只记一条，持续 3 个月就是巨大优势。
建立 Personal AI Command Center 目录
Personal AI Command Center
├── 📋 Customer Research Skill ← 先建这个
├── 📊 Market Intelligence Skill
├── ✍️ Executive Narrative Skill
└── 🧪 AI Workflow Experiment Log ← 今天就开始
├── 📋 Customer Research Skill ← 先建这个
├── 📊 Market Intelligence Skill
├── ✍️ Executive Narrative Skill
└── 🧪 AI Workflow Experiment Log ← 今天就开始
建立后，选 3 个近期真实客户各跑一遍。不求完美，先把流程跑通：
客户 A
客户 B
客户 C
跑完后问自己三个问题：
🔁
哪些步骤
一直在重复？
一直在重复？
📐
哪些步骤
可以模板化？
可以模板化？
🤖
哪些步骤
值得 Agent 化？
值得 Agent 化？
💬 最后的提醒：这里分享的是我自己摸索出来的方式，你的工作场景、工具偏好、习惯都不同。最有效的做法是把这里的内容当作起点，然后去跟 AI 讨论你自己的工作，让 AI 帮你设计属于你的 Skill 体系。这件事没有人能替你做。
Part 2
从"标准售前"到"AI Native 售前"
以一次真实的大型金融机构高管来访接待为主线，拆解 AI 如何在每个环节真正提升效率与质量——而不只是替代体力劳动。
Workflow Layer
Part 2 · 客制化准备
·
Skills 串联成客户级全流程客制化
Customer IntelligenceStrategic ReasoningContent Production
真实场景
一周内接待某大型金融机构高层来访调研
⏱ 时间有限，信息不完全透明
🎯 高层受众，判断标准不明
⚖️ 兼顾公司介绍、能力展示、案例讲解、深度讨论
本次实践要回答的核心问题
💡 客户真正关心什么？
📋 我们应该讲什么？
🧠 如何让客户记住我们？
🤖 AI 在哪些环节能真正提升效率？
🤖 各环节 AI 参与度
客户研究85%
复盘沉淀80%
Demo 准备60%
Narrative50%
接待策略50%
Deck 分析30%
案例选择5%
越高 = AI 越能直接产出；越低 = 越依赖人的判断
环节一
客户研究：读懂来的是谁
面临的问题
- → 机构背景与 AI 战略
- → 高管职责与个人关注点
- → 本次调研的真实意图
AI 如何参与
📊 机构画像 + 高管画像 — 快速建立认知框架
🔍 调研材料解读 — 识别显性需求、潜在关注点、判断标准、需要避开的内容
⚠️ 我的使用方式：AI 负责快速建立认知框架，最终仍需结合内部已知信息、历史经验、对市场的理解进行校验和修正。
核心 Prompt — 高管简报生成
你是一位资深客户情报分析师。请基于以下信息生成一份用于售前拜访的高管简报：
机构名称：[机构名称]
来访高管：[姓名 / 职位 / 分管领域]
已知背景：[公开信息摘要或内部信息]
调研材料：[粘贴调研议程或邮件内容]
请输出：
① 机构 AI 战略现状（3-5点）
② 该高管可能的核心关注点（按优先级）
③ 本次来访可能的真实意图（显性 vs 潜在）
④ 建议的交流切入角度
⑤ 需要避开或谨慎处理的话题
机构名称：[机构名称]
来访高管：[姓名 / 职位 / 分管领域]
已知背景：[公开信息摘要或内部信息]
调研材料：[粘贴调研议程或邮件内容]
请输出：
① 机构 AI 战略现状（3-5点）
② 该高管可能的核心关注点（按优先级）
③ 本次来访可能的真实意图（显性 vs 潜在）
④ 建议的交流切入角度
⑤ 需要避开或谨慎处理的话题
环节二
接待策略设计：决定讲什么
面临的问题
客户不了解公司，但时间有限——需要在公司介绍、能力展示、行业案例和深度讨论之间找到平衡。
我的使用方式
- ① 基于调研结论让 AI 挑战我的 Agenda 草稿
- ② 基于人的判断细化完善最终 Agenda
💡 重要提醒：高层客户通常不会严格按照 Agenda 交流——他们会跳跃提问、提前进入感兴趣的话题、发散讨论。因此：最重要的内容必须前置。
环节三
案例选择与问题准备
👤 主要依赖人工判断
案例库远大于实际可展示时间。最终案例选择主要依靠人工判断，AI 参与有限——但可以辅助做匹配推荐和叙事角度建议。
第一层：客户能理解
- · 催收
- · 客户运营
- · 客服
- · 财富管理
第二层：体现核心能力
- · Voice Agent
- · Multi-Agent
- · 技术差异化优势
第三层：保留 Buffer
- · 无法完全预判客户兴趣
- · 场外信息随时变化
- · 留出临场应变空间
环节四
Executive Narrative 共创
工作方式
PPT 不是页面集合，而是一个故事。先基于客户研究、历史经验、过往模板完成 Narrative 初稿，再让 AI 作为 Reviewer。
AI 帮助审视
- → 顺序是否合理
- → 节奏是否合理
- → 哪些内容更容易形成记忆点
典型调整案例
硅基员工之家前置
更容易形成第一记忆点
更容易形成第一记忆点
先讲案例，后总结能力
小云案例 → 多模态·多渠道·多语言 Agent 能力
认知路径更自然
小云案例 → 多模态·多渠道·多语言 Agent 能力
认知路径更自然
环节五
标题共创 & Deck Reverse Engineering
标题共创
目标：让所有标题连起来成为一个完整故事。AI 辅助生成战略视角、商业价值、技术能力三类标题，寻找更好的表达方式。
Deck Reverse Engineering
最终阶段：利用 AI 重新分析整份 Deck，自动生成 Outline、Storyline、Speaker Brief——帮助演讲者快速掌握讲故事的脉络。
环节六
Demo 准备：Live Demo + Video Demo
客户交流中，Demo 往往比 PPT 更容易留下印象，但风险也更高。Live Demo 与 Video Demo 互为补充与备份。
Live Demo 展示内容
Voice Agent
Multi-Agent
End-to-End Voice Agent
Video Demo 三种模式
在不同限制条件下，依然把场景、能力和价值讲清楚。以下三种模式只是常见示例——实际还有更多处理方式，需要根据交流对象、目标和时间资源灵活选择。
Highlight Demo
让客户快速看懂现有录音。
准备时间极短
语言不通
快速导览
Case
某语言 CIVR｜素材已具备，客户因语言障碍无法自行理解，核心任务是在现有内容上增加导览层，而非重新制作。
工具组合
Codex
HyperFrames
👤 人做什么
- · 定义场景主线
- · 挑关键片段
- · 判断导览位置
🤖 AI 做什么
- · 生成导览文案
- · 可视化叠加信息
- · 跨语言跟进流程
环节七
复盘与沉淀
AI 辅助会后整理
- → 会议纪要
- → Follow-up 事项
- → 客户反馈记录
- → 潜在需求识别
形成可复用资产
- → 客户研究模板
- → Agenda 模板
- → Q&A 问题集
- → Narrative 模板 · Speaker Brief 模板
本次实践总结：AI 做什么，人做什么
🤖 AI 提升效率的环节
- ✓ 客户研究 & 信息整理
- ✓ Agenda 设计
- ✓ Narrative 优化
- ✓ 标题共创 & Deck 分析
- ✓ Demo 素材制作
- ✓ 会后整理
👤 最终仍需要人完成
- ✓ 判断信息真实性
- ✓ 判断优先级
- ✓ 案例选择
- ✓ 内容取舍
- ✓ 现场交流
AI Native 并不意味着让 AI 替你工作。
而是在关键决策之前，让 AI 帮助你获得更全面的信息、更丰富的视角和更多可选方案
而是在关键决策之前，让 AI 帮助你获得更全面的信息、更丰富的视角和更多可选方案
Part 3
从 Idea 到 Video：从 0 到 1 只需 5 步
在项目早期，客户还没有给你完整数据和明确需求——这正是 Video Demo 的价值所在。不用等到一切就绪，用 AI 快速生成场景化 Demo，让客户先看到业务未来，围绕真实价值开始讨论。这是从 Slides 迈向 AI Prototype 的关键一步。
Workflow Layer
Part 3 · 场景化 Video Demo
·
从 Idea 到成片的完整 Demo 制作流程
Demo ProductionContent CreationVideo Demo
贯穿案例
3 天后要与某电商平台客户沟通，需要快速准备一个场景化 Video Demo
🎯 目标：展示 Voice Agent + WhatsApp Agent 的 Omni-channel 能力
⚠️ 限制：没有客户真实数据，也没有时间搭建完整生产级 Demo
✅ 策略：用 AI 快速生成合理场景、搭建 Happy Flow、录制成视频
整体流程
STEP 1
创意生成
以人为主，AI 辅助
Goal
根据可实现能力，设计融合在一个合理、真实、对客户有针对性的业务场景中。
Recommended AI Tools
ChatGPTDeepSeek豆包
Deliverable
Demo StorylineAgent ScriptHappy Flow
场景化 Video Demo 设计三问
WHO
对象是谁
电商（E-commerce）
SCENARIO
展示什么场景
加购未下单客户的断点营销
Voice 外呼 + WhatsApp 跟进
Voice 外呼 + WhatsApp 跟进
CAPABILITY
展示什么能力
AI Voice Agent · WhatsApp Agent
Omni-channel · Memory Sync
Omni-channel · Memory Sync
👤 人做什么
- 确定主要涉及哪个业务场景
- 结合已有 Demo 能力与合理逻辑
- 确定希望展示哪些能力点
- 判断这个场景是否适合当前客户
🤖 AI 做什么
- 验证场景合理性与商业逻辑
- 推荐具体产品与促销节点
- 设计整体 Demo 脚本与对话
- 输出 Demo Flow、Agent Workflow 与 Storyboard 初稿
GPT 对话 Prompt 示例
我要设计一个电商 Omni-channel Demo。
背景：以新加坡 Amazon.sg 的品牌商家为例，场景需要真实可信，并尽量基于真实营销活动设计，请提供相关依据或来源。
场景：
1. AI Voice Agent 主动联系加购未购买用户，告知其关注的商品正在参与促销活动（请推荐合适的产品和促销节点）。
2. 通话结束后，通过 WhatsApp Agent 持续跟进，并发送专属优惠券和活动链接。
3. 用户在 WhatsApp 中可继续咨询产品、获取个性化推荐，并最终完成转化。
希望展示：AI Voice Agent · WhatsApp Agent · Omni-channel Journey · Context Continuity · Memory Synchronization · Product QA · 个性化推荐 · 优惠券发放 · 转化
请直接帮我设计：产品与促销活动 · Storyline · Voice Script · WhatsApp Conversation · Product QA · Agent Workflow · Video Demo Storyboard
优先考虑 Demo 展示效果，同时保证商业逻辑真实可信。
背景：以新加坡 Amazon.sg 的品牌商家为例，场景需要真实可信，并尽量基于真实营销活动设计，请提供相关依据或来源。
场景：
1. AI Voice Agent 主动联系加购未购买用户，告知其关注的商品正在参与促销活动（请推荐合适的产品和促销节点）。
2. 通话结束后，通过 WhatsApp Agent 持续跟进，并发送专属优惠券和活动链接。
3. 用户在 WhatsApp 中可继续咨询产品、获取个性化推荐，并最终完成转化。
希望展示：AI Voice Agent · WhatsApp Agent · Omni-channel Journey · Context Continuity · Memory Synchronization · Product QA · 个性化推荐 · 优惠券发放 · 转化
请直接帮我设计：产品与促销活动 · Storyline · Voice Script · WhatsApp Conversation · Product QA · Agent Workflow · Video Demo Storyboard
优先考虑 Demo 展示效果，同时保证商业逻辑真实可信。
Output | Demo Storyline
Demo Flow：Philips Sonicare Omni-channel 转化场景
场景背景 — 用户加购未购买
用户此前浏览并将 Philips Sonicare 产品加入购物车，但因为价格、产品认知或购买犹豫尚未完成下单。
示例：Sonicare Series 2100 已加入购物车 3 天，但未付款。
Step 1 — AI Voice Call
AI Agent 主动联系用户，说明其曾将 Sonicare Series 2100 加入购物车，并告知 Health & Beauty Sale 正在进行，可获得额外 S$20 coupon。
示例：如果用户提到敏感牙齿顾虑，AI 推荐更高端的 DiamondClean 9000，并引导用户转到 WhatsApp 领取优惠。
Step 2 — WhatsApp Template
WhatsApp Agent 发送模板消息，确认刚刚来电沟通的是 Philips Sonicare Health & Beauty Sale，并引导用户回复姓名解锁个性化优惠券。
示例：Hi! I’m Eva from Philips Sonicare Store on Amazon. Reply to claim your voucher.
Step 3 — 用户回复后
Agent 基于电话上下文继续对话，说明已根据用户对敏感牙齿的关注准备 gentle-care recommendation，并发送个性化优惠。
示例：Extra S$20 OFF、免费替换刷头、gentle gum care support、免费次日达，Voucher Code：SONICARE20。
WhatsApp Product QA
覆盖敏感牙龈、与低价 Sonicare 型号差异、电池续航、旅行携带、噪音、家庭成员共用等常见问题，确保用户可以在 WhatsApp 中继续自然咨询。
示例：User: Is this suitable for sensitive gums? Agent: Yes, it has sensitive mode and pressure sensor.
💡 Key Takeaway
人负责方向，AI 负责细节。
不要让 AI 从零决定场景；先确定 行业 → 场景 → 能力，再让 AI 把场景做实、把脚本补全、把逻辑验证清楚。
STEP 2
Demo 构建
人与 AI 共创
Goal
基于 Step 1 的完整 Agent Script，构建 Voice Agent 与 WhatsApp Agent，并完成 Happy Flow 测试。
Recommended Tools
ChatGPTDeepSeek百工 Agent BuilderVoice 平台
Deliverable
Voice AgentWhatsApp Agent
👤 人做什么
- 在百工和 Voice 平台上完成配置
- 验证关键节点是否走通
- 选择适合录屏的 Happy Flow
- 判断哪些能力需要保留、哪些可以简化
🤖 AI 做什么
- 撰写 Voice Agent Prompt
- 撰写 WhatsApp Agent Prompt
- 补充知识库问答
- 根据测试结果迭代 Prompt
💡 Key Takeaway
目标是可录屏的 Happy Flow，不是生产级 Agent。
不追求泛化适用性，只要主流程顺畅走通即可。
Supporting Materials
STEP 3
分镜设计
以 AI 为主，人来 Review
Goal
把 Demo Flow 转换成可展示的视频故事线、镜头顺序、转场页面和动效设计。
Recommended Tools
ChatGPTClaude即梦
Deliverable
StoryboardAnimation Prompt即梦动效片段
👤 人做什么
- 决定视频展示顺序与节奏
- 确认参考图是否符合业务表达
- Review 分镜脚本并给出修改方向
- 决定哪些画面需要动效
🤖 AI 做什么
- 生成完整视频分镜脚本
- 设计转场页面与旁白
- 生成参考效果图
- 生成即梦可用的动效 Prompt
步骤一
生成完整分镜脚本
我已经完成了 Demo 场景设计，并获得了相关素材，包括：
- Voice Agent 通话录音
- WhatsApp 对话录屏
现在我希望制作一个企业级 AI Demo 视频，2 分钟以内。
目标：
展示 AI Omni-channel Customer Journey，以及多个 Agent 协同完成营销转化的过程。
核心流程：
营销名单
→ AI Voice Agent 外呼
→ 客户沟通
→ 自动生成对话小结
→ Summary 同步至 WhatsApp Agent
→ WhatsApp 持续跟进
→ 产品咨询与推荐
→ 优惠券发放
→ 转化
请直接输出：
1. 视频 Storyline
2. 分镜脚本（画面、动效、转场、时长）
3. 配音脚本（Voice Over）
4. 视频节奏建议
5. 哪些场景适合 AI 生成，哪些场景适合录屏或后期合成
要求：
- 企业宣传片风格
- 适合售前演示
- 强调业务价值
- 能帮助客户快速理解整体流程
- Voice Agent 通话录音
- WhatsApp 对话录屏
现在我希望制作一个企业级 AI Demo 视频，2 分钟以内。
目标：
展示 AI Omni-channel Customer Journey，以及多个 Agent 协同完成营销转化的过程。
核心流程：
营销名单
→ AI Voice Agent 外呼
→ 客户沟通
→ 自动生成对话小结
→ Summary 同步至 WhatsApp Agent
→ WhatsApp 持续跟进
→ 产品咨询与推荐
→ 优惠券发放
→ 转化
请直接输出：
1. 视频 Storyline
2. 分镜脚本（画面、动效、转场、时长）
3. 配音脚本（Voice Over）
4. 视频节奏建议
5. 哪些场景适合 AI 生成，哪些场景适合录屏或后期合成
要求：
- 企业宣传片风格
- 适合售前演示
- 强调业务价值
- 能帮助客户快速理解整体流程
步骤二
生成参考效果图 & 即梦动效 Prompt
根据刚才讨论的 Demo 方案，
请先生成一个【Step X】的参考示意图。
目标：
...（例：展示 AI Voice Agent 主动联系用户的场景）
需要体现：
...（例：手机通话界面、AI 对话气泡、用户购物车场景）
请输出：
1. 参考效果图设计
2. 给即梦生成动效的 Prompt
请先生成一个【Step X】的参考示意图。
目标：
...（例：展示 AI Voice Agent 主动联系用户的场景）
需要体现：
...（例：手机通话界面、AI 对话气泡、用户购物车场景）
请输出：
1. 参考效果图设计
2. 给即梦生成动效的 Prompt
💡 Key Takeaway
先确认静态图，再生成动画。
修改图片的成本远低于修改视频。静态参考图确认无误后，再生成动效，可以节省大量时间与 Token。
步骤三
即梦生成视频动效
在即梦中，上传步骤二生成的前后两张参考图，即可生成带动效的过渡视频片段，用于后续剪辑合成。
STEP 4
素材录制
以人为主
Goal
录制所有用于最终视频制作的原始素材，包括 Agent Demo、网页交互、手机界面和动画素材。
Recommended Tools
原始录屏
QuickTime手机系统录屏Voice 后台导出
Walkthrough 录屏
OpenScreenScreen Studio
Deliverable
Raw Video👤 人做什么
- 录制 Voice Agent Demo
- 录制 WhatsApp Demo
- 录制网页或手机交互
- 整理可剪辑的原始素材
🤖 AI 做什么
这一步主要由人完成。AI 可辅助生成录制 Walkthrough 脚本和 Talking Points，但录屏本身需要人来控制操作与流程节奏。
💡 Key Takeaway
清晰展示业务流程，比炫酷转场更重要。
画面清晰、流程完整就够了。录屏素材只是剪辑原料，Happy Flow 顺利走通是唯一标准。
STEP 5
视频制作
人与 AI 共创
Goal
将录屏、动效、字幕和说明文字整理成最终可发送给客户的 Video Demo。
Recommended Tools
剪映HyperFramesCodex
Deliverable
Final Demo Video
👤 人做什么
- 确认剪辑逻辑与节奏
- Review AI 生成的字幕与旁白
- 把控整体故事线
- 做精细化微调（剪映直接手动更可控）
🤖 AI 做什么
- 生成字幕与 Voiceover 脚本
- 批量处理转场与动效
- 多线程任务时接管剪辑工作
- 生成初版剪辑草稿
💡 Key Takeaway
不要过分执着于 AI，微调留给人工会更快。
简单但精细的工作（比如调节单个字幕时间点），直接用剪映手动做反而更可控。
但如果此时你有别的事情要多线程处理，就把剪辑任务交给 AI 去做。
关键是：根据当下情境选择最合适的方式，而不是执著于某种工具。
但如果此时你有别的事情要多线程处理，就把剪辑任务交给 AI 去做。
关键是：根据当下情境选择最合适的方式，而不是执著于某种工具。
Part 4
AI 增强型 POC：Vibe Coding 实战
当客户已经认可方向，下一步是快速交付可运行的原型，把信任转化为签约。以 Agentic Credit File Review（贷款材料智能审核） 为例，跑通 Vibe Coding 三阶段工作流：需求解构 → 原型构建 → PRD 与 POC 规划。
Vibe Coding Layer
Part 4 · AI 增强型 POC
·
快速构建可交付原型，3天完成 POC 交付
Prototype BuildingPOC DeliveryAgent Candidate
10x
需求收敛速度提升
3天
典型 POC Demo 周期
↑40%
客户参与度提升
↑35%
POC 转签约率提升
演示能力演进路径
起点
Slides
→
Live Demo
→
← Part 3
Video Demo
→
← 你在这里 (Part 4)
AI Prototype / POC
→
目标
AI Native 交付
Part 3 让客户在项目早期看见价值，建立信任。Part 4 在此基础上更进一步——用 Vibe Coding 快速交付可运行原型，把信任转化为签约。
为什么银行信贷文件审核特别适合做 AI POC
银行信贷文件审核天然适合用 Agent Demo 验证：材料多、规则多、产品差异大，业务价值能在演示现场被直接感知。
📄
多格式材料
PDF、Word、Excel、图片混合上传，先做文件理解，再进入业务审核链路
🧩
Checklist 差异
不同贷款产品对应不同资料清单和校验规则，不能用一套固定规则硬套
⚠️
一致性与风险
材料完整性、数据冲突、文件校验结果都需要可解释、可追溯、可人工复核
阶段一
Coding 前：需求解构与范围确认
Day 1
1
需求解构
- → 客户原话输入
- → 识别业务链路
- → 拆解核心场景
2
能力映射
- → 文件识别
- → 数据抽取
- → 完整性校验
3
关键设计点
- → 按产品绑定 Checklist
- → 规则可配置
- → 人工复核入口
4
Demo 范围
- → 先跑通主链路
- → 展示可解释结果
- → 沉淀后续 PRD
从"数据导出/压力测试"重新识别真实场景
客户原始表述可能像是 OCR 或数据导出需求，但经过业务解构后，更适合落到 Agentic Credit File Review：文档分类、数据抽取、完整性校验、矛盾检测，是同一条信贷材料审核链。
💡 关键判断：不是先做一个"泛 OCR Demo"，而是围绕银行审贷流程设计一个可被业务、风控、IT 都理解的 Agent Demo。
银行真实复杂度：产品不同，材料不同
同一家银行可能有 SME Working Capital、Term Loan、Trade Finance、Project Financing 等多个产品。Demo 需要证明系统能根据产品动态调用对应 Checklist 与校验规则。
为什么能打动银行评委？
它解决的是一线审贷真实痛点：不同产品、不同材料、不同规则，仍然可以统一进入可控的审核流程。
它解决的是一线审贷真实痛点：不同产品、不同材料、不同规则，仍然可以统一进入可控的审核流程。
阶段二
Coding 中：Vibe Coding 开发与迭代
Day 2–3
5
生成需求
- → 材料上传
- → 产品 Checklist
- → 校验结果解释
6
构建原型
- → Claude / Codex
- → Mock 数据
- → 交互页面
7
运行测试
- → 上传流程
- → Checklist 结果
- → 风险解释
8
迭代优化
- → 补齐功能逻辑
- → 强化业务语言
- → 准备演示路径
阶段二核心 Prompt
基于金融信审场景设计一个完整的贷款材料智能审核 Demo：
1. 支持 PDF、Word、Excel、图片等主流材料上传
2. 根据不同产品的 checklist 和校验规则，对材料完整性、置信度进行评估
3. 输出完整性、数据冲突及文件校验结果；冲突要能链接到源文档相关位置
4. 给出基于文档数据的信用风险初步审核结果，并提示需要补充材料
1. 支持 PDF、Word、Excel、图片等主流材料上传
2. 根据不同产品的 checklist 和校验规则，对材料完整性、置信度进行评估
3. 输出完整性、数据冲突及文件校验结果；冲突要能链接到源文档相关位置
4. 给出基于文档数据的信用风险初步审核结果，并提示需要补充材料
v0.dev
快速生成前端组件：上传区、Checklist 面板、审核结果卡片、风险提示区等 UI 骨架。
Claude / Codex
复杂逻辑与代码迭代：Mock 数据、匹配逻辑、结果页面和交互细节。
Vibe Coding 最终结果演示
展示贷款资料智能审核系统的可交互流程
💡 阶段二关键思考：小步快跑，先跑通主流程，再打磨细节。能展示完整链路比功能齐全更重要。
阶段三
Coding 后：交付输出与落地规划
Day 3 / 评标前
输出物 1：Interactive Demo
客户能直接看到上传、分类、Checklist、冲突检测、补件建议的完整链路。
输出物 2：Structured PRD
把 Demo 验证结论沉淀为产品需求文档，包含功能优先级、规则库、KPI、集成点。
输出物 3：POC Proposal
定义 POC 范围、周期、验收指标、双方分工与银行 IT / 合规约束。
⚠️ PRD 不是输入物，而是 POC 后的输出物
Demo 先验证"客户是否认可这条业务链路与交互方式"，之后再沉淀 PRD：包括材料上传、OCR、智能分类、Checklist 比对、矛盾检测、人工确认与补件流程。
POC 验收指标示例
资料匹配准确率 ≥ 90%
Checklist 比对响应 ≤ 5s
矛盾检测 ≤ 10s
支持 PDF / 图片 / XLSX / DOCX
所有人工修正留痕
💡 阶段三关键思考：Demo 不是终点。清晰的集成方案和 POC 规划，才能让评委从"看得懂"走向"愿意推进"。
需求质量对比：从模糊到结构化
❌ 模糊需求（客户原话）
"希望 AI 能自动审核客户资料，看看有没有缺文件、有没有风险，最好还能给个初步结论。"
✅ 结构化需求（AI 辅助整理后）
场景：SME 贷款材料审核
问题：不同产品资料清单不同，人工检查容易遗漏阻断性材料
期望：按产品自动绑定 Checklist，识别已匹配、缺失、低置信度和冲突项
验收：匹配准确率 ≥ 90%，响应 ≤ 3s，结果可追溯到源文档位置
问题：不同产品资料清单不同，人工检查容易遗漏阻断性材料
期望：按产品自动绑定 Checklist，识别已匹配、缺失、低置信度和冲突项
验收：匹配准确率 ≥ 90%，响应 ≤ 3s，结果可追溯到源文档位置
Wrap Up
Key Takeaways & 下一步
不需要记住所有内容。带走几个真正有用的东西，比什么都重要。
今天所有内容背后，只有一个核心逻辑
AI 不是替你工作的工具
而是让你的判断力和经验变得可复用、可放大
而是让你的判断力和经验变得可复用、可放大
四个模块、四种转变，指向同一件事：把 AI 从偶尔用一次的工具，变成每次售前工作都在运转的系统。
四大核心转变，快速回顾
Part 1
从 单点使用工具 → AI 售前工作流
建立 Skill → Workflow → Vibe Coding 的正确路径。先把高频动作标准化，再串联成流程，最后才考虑自动化。
Part 2
从 标准售前材料 → 客户级客制化准备
七个环节全流程，AI 辅助研究和叙事，让客户感受到"你真的懂我"。
Part 3
从 功能演示 → 场景化故事 Demo
客户关心的是"这能帮我解决什么"，不是"这个功能有多厉害"。5步制作流程帮你建立这种叙事。
Part 4
从 传统 POC → AI 增强型快速交付
Vibe Coding 三阶段工作流：需求解构 → 原型构建 → PRD 沉淀。把 POC 周期从 3 周压缩到 3 天，速度是最有力的信任建立方式。
三条真正带走的东西
💡
最重要的是有想法
只要你知道自己想解决什么问题，就一定能找到一个 AI 工具帮你实现。不需要先学会所有工具，也不需要先懂技术——想法才是起点，工具只是路径。
🤖
AI 是你最好的老师
不知道怎么用某个 AI 工具？直接问它。问它能做什么、怎么用、有什么限制。它会告诉你——学会用 AI 的最快方式，就是用 AI 来学。
🔁
习惯才是改变一切的根源
工具会更新，方法会迭代，但只有持续使用才能真正改变工作方式。不是"学了就会"，而是"用着用着就变了"。把 AI 用进每一次你本来不会想到它的场景里，改变就开始了。
延伸阅读推荐
OpenAI · 2026年6月
The Next Era of Knowledge Work
知识工作的下一个时代
报告封面
关键数据
5M
周活跃用户
>6x
桌面版后增长
>3x
知识工作者采用速度
增长最快：数据分析 +110% · 研究 +37% · 知识产出物 +36%。核心论点：AI 让最接近工作的人，构建自己需要的工具，不必等待。
这份培训本身，就是用 AI 做出来的
从提纲到网页，整个制作过程本身就是一次 AI Native 工作流的实践。
制作流程
1
GPT — 梳理课程提纲、讨论模块结构
2
Claude — 生成完整 HTML 培训网站
3
GPT — 从课程架构角度整体挑战、提出改进
4
Claude — 修改、补内容、迭代细节……
🔁
步骤 3–4 反复循环，直到满意为止
发给 Claude 的课程架构重构 Prompt
💡 这本身就是一个示范：GPT 做战略推理和整体挑战，Claude 做内容生成和代码执行——两个工具分工协作，完成了一件靠任何一个单独都做不好的事。
今天的培训是个起点，不是答案。
最终属于你的工作方式，只有你自己能建立。
去用，去问，去习惯——然后它就真的变成你的了。
最终属于你的工作方式，只有你自己能建立。
去用，去问，去习惯——然后它就真的变成你的了。