政企培训：AI 城市 ·
城市智能生产力课程
AI 驱动产业增长、公共服务与城市创新实战课程——八大方向 + 四大城市级 AI 实验室 + 能力底座与推进路线。
承接主体：众星汇智自营
AI 培训课程及产业应用方向
AI 赋能千行百业，助力产业高质量发展。
AI+政企出海
方向 01从海外市场调研到海外客户开发的一条龙 AI 课程。
- Vibe Coding 海外独立站搭建
- AI 海外市场调研
- 海外社媒内容生产
- AI 跨境电商
- AI 销售与海外客户开发
- AI 多语言营销
AI+政企营销增长
方向 02品牌、内容、矩阵到私域运营的营销增长课程。
- AI 品牌策划与营销
- AI 图文 · 视频内容生产
- AI 短视频与数字人
- AI 新媒体矩阵
- AI 私域与客户运营
AI+政企经营管理
方向 03办公、数据、知识库、工作流与管理决策。
- AI 办公与材料生产
- AI 数据分析
- AI 政企知识库
- AI 工作流自动化
- AI 管理与决策
AI+智能体 · 数字员工
方向 04从政企知识库到 AI 工作流的数字员工课程。
- 政企专属 AI 知识库
- AI Agent 智能体
- AI 客服 · AI 销售
- AI 内容生产员工
- 政企 AI 工作流
AI+政务
方向 05办公、政策研究、公文材料到政务智能体。
- AI 政务办公
- AI 政策研究与分析
- AI 公文与材料
- AI 政务宣传
- 政策知识库 · 政务智能体
AI+医疗
方向 06大模型、知识库、科研与医疗数据应用。
- 医疗大模型应用
- 医疗知识库
- AI 辅助医疗科研
- AI 医疗数据分析
- AI 医教与患者咨询
- 浙江大学「启真」大模型等应用
AI+文旅
方向 07影视创作、宣传片、导览到数字人导游。
- AI 影视作品创作
- AI 景区宣传片
- AI 文旅短视频生产
- AI 景区语音导览
- AI 数字人导游
- AI 文旅营销与传播
AI+行业创新
方向 08制造、外贸、金融、农业等行业的 AI 创新。
- AI+制造业
- AI+外贸
- AI+跨境电商
- AI+教育
- AI+金融
- AI+海洋经济
- AI+农业
- AI+零售 · 服务业
实战派 AI 应用金牌讲师
战略叙事之外，讲师本人就是政企 AI 化一线的服务者。
田宝森
人工智能应用金牌讲师 · 北京众星汇智科技有限公司｜西班牙 UCAM 硕士
「把 AI 带入真实业务流程，而不是停留在工具演示。」
专注把 AI 带入真实应用场景流程，服务政企增长、组织效率、内容生产、客户服务与产业场景落地。
政企 AI 化服务
服务政企 AI 化 100+，覆盖财税、法律、地产、外贸、零售、餐饮、物流、影视、音乐等 50+ 行业。
深度入企案例
为山东曦和、中国食品城、山东华丰、恒达信等企业提供深度入企 AI 化服务。
应用顾问经历
2025 全明星足球赛、星源足球青训｜人工智能应用顾问。
从趋势认知到四个城市级 AI 实验室
战略叙事是「城市新生产力」，现场实操是「真实流程跑起来」。
AI 发展到哪一步了？
它正在把「智力劳动」规模化：信息数字化 → 服务在线化 → 业务数据化 → 智力规模化。
AI 发展三阶段
2023
会聊天的 AIAI 会写、会总结、会聊天。
2024—2025
会用工具的 AIAI 会看图、生成视频、写代码、调用工具。
2026
进入系统的 AIAI 进入 Agent、Workflow、政企系统和城市应用。
从大模型到数字员工：四阶段
AI 的关键变化：从回答问题，到执行任务——下一阶段不是「人操作软件」，而是「人提出目标，AI 调度软件」。
真正的 AI 系统：七层架构
大模型只是其中一层。
核心技术原则
RAG 找依据
找到政策、政企资料、文旅内容等依据。
规则引擎
计算是否符合条件、材料是否完整。
LLM
理解用户意图，并把结果讲清楚。
Human-in-the-loop
审批、招商判断、重大风险必须人工确认。
RAG 找依据，规则算条件，模型负责表达——不能把大模型当审批员，也不能把 RAG 当真理机。
AI 政企出海助手
让一家中小企业拥有数字化海外事业部——数据用 API，决策用评分，沟通用 AI，成交仍保留销售人员。
海外市场分析 Agent
市场研究AI 不能凭感觉选市场，必须接真实数据。
- 搜索需求：Google Ads API（关键词、月搜索量、竞争度）
- 平台数据：Amazon SP-API / TikTok Shop API（订单、商品、库存）
- 竞品流量：Similarweb / SEO 平台
- 政企内部：ERP / CRM / 成本 / 库存
品牌国际化 Brand Brain
品牌国际化出海不是翻译，是文化适配。
- 品牌知识库：品牌故事、产品参数、语气、禁用词、视觉规范
- 多语言术语库：名称、材料、技术参数、Slogan 统一
- 本地化输出：美国版更直接，日本版更细腻，德国版更强调参数与可靠性
- 合规校验 + 人工确认
Vibe Coding 独立站
AI 独立站30 分钟从业务需求生成海外官网原型。
- 业务输入 → AI 生成 PRD → 页面结构 → AI Coding
- 多语言 SEO + 询盘表单 + 上线测试
- 工具：Cursor / Claude Code / v0 / Replit / Qwen Code
- 技术：Next.js + React + Tailwind + PostgreSQL / Supabase
跨境平台与 API 集成
跨境电商独立站、平台店和 ERP 必须打通。
- Shopify：Admin GraphQL API（商品、订单、客户、库存、Webhook）
- Amazon：SP-API（订单、商品目录、Listing、库存）
- TikTok Shop：Products / Orders / Fulfillment / Webhooks
- CRM（HubSpot / Zoho / 自建）与 ERP / WMS 库存发货打通
AI 视觉与视频内容工厂
视觉 / 视频一款产品，生成多个国家的内容资产。
- 视觉资产：白底图、场景图、Banner、详情页、社媒封面
- 视频资产：15 秒短视频、直播脚本、分镜、配音、字幕
- 真实性边界：不能让 AI 改变产品结构、接口、颜色和真实参数
WhatsApp AI 客服
AI 客服海外客户消息进入 AI 工作流。
- WhatsApp Cloud API + Webhook 接入
- 意图识别 → 商品库 / 订单库 / 物流 API → AI 回复 → 转人工 / CRM
- 常见问题：库存、价格、MOQ、物流、订单状态、售后
- 高金额订单、退款争议、法律投诉、低置信度回答必须转人工
AI 销售 Agent
AI 销售从「有人问」到「持续跟进」的销售漏斗。
- Lead 评分：国家、采购量、企业邮箱、采购周期、预算信号
- 销售内容：首封确认、产品资料、案例、报价、样品、Follow-up
- 人工节点：价格、合同、折扣、承诺、风险客户必须由销售确认
- CRM 跟进沉淀客户资产
市场选择评分模型（8 项权重）
API 负责取数，算法负责评分，AI 负责解释，业务负责人负责决策。
| 评分维度 | 权重 |
|---|---|
| 市场需求 | 25% |
| 增长趋势 | 15% |
| 竞争强度 | 15% |
| 毛利空间 | 15% |
| 物流便利 | 10% |
| 法规风险 | 10% |
| 传播潜力 | 5% |
| 资源匹配 | 5% |
现场 Demo：30 分钟跑完一条出海链路
一个市场报告、一版官网、三张图、一条短视频、一条销售跟进——让现场看到 AI 不是「写文案」，而是形成业务闭环。
AI 城市文旅大脑
AI 文旅不是多一个导游，而是让城市内容变成可交互资产——游客要的不是百科，而是「适合我的城市」。
AI 会规划
根据时间、预算、兴趣、天气、交通生成个性化路线。
AI 会讲解
结合位置、景点、知识库，用不同语言和深度讲文化。
AI 会运营
分析评论、投诉、偏好，帮助文旅产品设计和服务优化。
五个能力模块
文旅知识库
官方 · 结构化 · 多语言AI 讲城市的底座：官方、结构化、多语言、可追溯。
- 内容来源：景区资料、文化档案、博物馆、活动、交通、公共服务
- 结构化字段：景点 ID、坐标、开放时间、票价、标签、人群、故事
- 检索方式：关键词 + 向量 + 地理位置 + 人群标签
- 讲解模式：儿童版、专业版、海外游客版、短视频版
AI 行程规划
LLM 理解 + 地图 API从「我要来XX」到动态路线：LLM 负责理解，地图 API 负责路径。
- 自然语言需求 → 用户画像 → POI 候选 → 约束求解 → 路径优化 → 行程叙事
- 约束条件：开放时间、交通时间、预算、天气、预约、拥堵
- 可接工具：高德地图 Web Service API（POI、路线、周边搜索）
- 输出形式：小程序、APP、网页、语音导游、旅行卡片
AI 文化讲解员
位置感知 + 多语言语音同一份资料，多种表达：位置感知 + 知识库 + 多语言语音。
- 定位 / 扫码 → 景点 ID → 知识库检索 → 游客画像 → LLM 生成 → TTS 语音 → 追问互动
- 儿童游客：用故事和比喻讲
- 外国游客：补足中国历史背景与文化差异
- 建筑爱好者：讲风格、年代、材料和城市演变
AI 文旅内容工厂
短片 · 海报 · 海外传播把城市文化变成短片、海报、海外传播素材。
- 历史资料 → 剧本 → 人物 / 场景 → 分镜 → AI 图片 / AI 视频 → 多语言发行
- 选题示例：《1920 年的鼓浪屿》《一位南洋华侨回到城市》《外国人第一次理解闽南》
- 输出渠道：抖音、小红书、视频号、TikTok、Instagram、YouTube
- 合规要求：历史事实校验、肖像版权、AI 生成内容标识、官方口径
- 延伸：AI 短剧与内容产线见 万象绘剧基地 →
游客反馈与产品设计
进入运营决策AI 从宣传工具进入运营决策。
- 反馈分析：问卷、投诉、客服、授权 OTA 评论 → 主题聚类、情绪分析、问题定位
- 产品组合：建筑路线 + 咖啡 + 摄影 + 酒店 + 文创，按人群兴趣动态组合
- 管理预警：排队、交通、服务、卫生、价格争议，按时间和地点发现异常
AI 惠企与政务服务
让政策找政企，让办事更清楚。
政务 AI 的三层边界
先讲边界、再谈能力——边界本身，就是信任状。
能做
边界清晰- 检索
- 总结
- 解释
- 匹配
- 预审
- 提醒
- 生成草稿
谨慎做
人机协同- 资格判断
- 风险提示
- 自动分流
- 材料问题识别
不能直接做
权责留在人工- 最终审批
- 法律定性
- 执法结论
- 重大责任决定
政务 AI 不是让 AI 替政府做决定，而是让人更快、更全面、更标准地做决定。
与城市方案的政务边界声明同口径，详见 城市方案。
五个能力模块
政策知识库
不能只是上传 PDF要结构化、版本化、可检索、可引用。
- 政策元数据：文件号、发布单位、状态、生效 / 失效日期
- 适用条件：区域、行业、企业规模、营收、研发投入、时间窗口
- 知识切片：按章、条、款切片，不按固定长度粗切
- 索引体系：BM25 关键词 + 向量语义 + Reranker；每个结论回到原文条款
政务 RAG：Hybrid Search
关键词 + 语义 + 重排关键词精准 + 语义理解 + 重排序。
- 链路：用户问题 → 意图识别 → BM25 + 向量检索 → Metadata 过滤 → Reranker → 带引用回答
- 为什么要关键词？文件号、条款、专有名词需要精确匹配
- 为什么要向量？用户不会用政策原文提问，需要理解语义
- 为什么要重排？把最相关、最新、权限允许的资料排到前面
政策匹配：RAG + 规则引擎
有依据 · 有计算 · 有解释让「政策找政企」有依据、有计算、有解释。
- 企业画像：统一社会信用代码、注册地、行业、营收、员工数、研发投入、资质
- 规则引擎：AND/OR 条件、日期窗口、金额上限、材料要求、例外条款
- 输出结果：可能符合 / 不符合 / 缺材料 / 需人工确认 / 原文依据
- AI 解释 + 人工确认收口
智能预审
减少反复提交减少反复提交材料。
- 链路：材料上传 → OCR / 解析 → 字段抽取 → 完整性检查 → 一致性检查 → 规则校验 → 补正清单
- 检查缺失：是否少营业执照、财务报表、知识产权证明等
- 检查格式与一致性：日期、签章、文件类型、字段、材料之间是否冲突
- 输出补正建议，最终仍由工作人员审核
智问智办与惠企服务
政策找政企从「政企找政策」到「政策找政企」。
- 智问：政企用自然语言描述问题，AI 识别事项、部门、流程和材料
- 智办：连接现有政务服务入口，提醒材料、状态、下一步动作
- 惠企：新政策进入系统，自动匹配企业画像，定向触达
- AI 不重造政务门户，而是成为现有政务服务的智能入口
AI 产业招商助手
让招商干部拥有一个产业研究团队——招商的本质是信息不对称，AI 先解决研究和匹配。
企业画像
基本面、产品、融资、风险、扩张信号。
产业图谱
上下游、客户、供应商、园区、政策。
匹配评分
补链强链价值、落地可行性、风险调整。
会议助手
会前 Brief、会议纪要、需求提取、CRM 跟进。
四个落地模块
招商数据源
合规 · 授权 · 可追溯必须合规、授权、可追溯：政企项目不应以网页爬虫作为核心方案。
- 内部数据：历史项目、园区空间、政策、基金、招商 CRM
- 公共数据：依法开放的法人、信用、产业、项目数据
- 商业 API：天眼查 / 企查查等授权企业数据接口
- 资本与创新数据：融资并购、投资机构、专利软著、论文、技术路线
- 扩张信号：招聘、融资、产能、供应链、出海、新设机构
产业知识图谱
招商是关系网招商不是表格，是关系网。
- 政企 ↔ 产品：识别核心产品与技术方向
- 政企 ↔ 供应商 / 客户：发现补链强链和本地协同机会，判断市场方向
- 政企 ↔ 园区：匹配空间、载体、人才和上下游
- 政企 ↔ 政策 / 基金 / 风险：匹配扶持政策与资本工具，纳入司法、信用、经营异常信号
- 图谱解决「谁和谁有关」，RAG 解决「资料怎么解释」
企业画像 Agent：会前一页纸
会前一页纸让招商干部快速知道「该怎么谈」。
- 基础画像：公司、创始人、产品、营收规模、融资、风险、新闻、招聘
- 城市匹配点：产业链位置、园区资源、供应链、人才、政策、基金
- 拜访策略：核心问题、政企顾虑、落地方案、后续动作、风险提示
招商 Meeting Copilot
会前中后闭环会前、会中、会后形成闭环。
- 会前：生成企业画像、城市匹配点、建议问题
- 会中：录音 ASR 转写，标注政企需求、政策诉求、选址条件、时间表
- 会后：生成纪要、待办、跟进邮件和项目进度，写入 CRM
- 敏感会议需要本地 ASR、本地模型和权限审计
招商匹配评分（6 项权重）
AI 可以推荐招商对象，但招商决策必须由人和制度确认。
| 评分维度 | 权重 |
|---|---|
| 重点产业匹配 | 25% |
| 补链强链价值 | 20% |
| 企业成长性 | 15% |
| 技术创新 | 15% |
| 落地可行性 | 15% |
| 风险调整 | 10% |
本地算力 · 本地知识库 · 本地模型 · 本地工作流
课程实操所依赖的底座能力，专页详解。
三级部署策略
Level A · B · C把数据等级和业务风险分开，才能既开放又安全。
- Level A｜公网 AI：公开营销内容、普通翻译、社媒视频、公开资料分析
- Level B｜城市 AI 资源池：政企服务、公开政策、文旅知识、一般行业智能体
- Level C｜部门专属 AI：内部政务、招商、政企敏感信息、未公开数据
- 详见：城市底座（三级部署与政务安全）→
本地模型部署与算力服务
Model Gateway + vLLM模型路由：小模型做分类，大模型做复杂推理，多模态模型处理图片 / 文件；生产要求 API 网关、身份认证、限流、审计、监控、灰度发布。
0～12 个月推进路线
不要一开始建设「超级大脑」，先做可验证 MVP。