docs: V3.0完整任务清单(115项) + AI讲师培训文档

面向大型制造企业AI培训项目，包含讲师简介、核心观点、
汽车后市场及餐饮连锁两个"从外行到资深"案例、培训大纲。

Generated with [Devin](https://devin.ai)

Co-Authored-By: Devin <158243242+devin-ai-integration[bot]@users.noreply.github.com>

V3.0-task.md

@@ -0,0 +1,325 @@
+# V3.0 系统闭环版 — 完整任务清单
+
+> **基准文档**：`V3.0系统实现路径.md` + `V3.0数据支撑度分析.md`
+> **当前系统版本**：v0.1.0（已封版，线上运行）
+> **目标版本**：v3.0（系统闭环版）
+> **编制日期**：2026-08-05
+> **整体实现度**：当前 29% → 目标 82%
+
+---
+
+## Phase 1：基础闭环（3-6个月）
+
+> **目标**：建立目标管理 + 定时调度 + 预警引擎 + 数据自动采集
+> **预期实现度**：29% → 49%
+
+### 1.1 目标管理系统（目标闭环基石）
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-101 | 新建 `v3_annual_target` 表：年度战略目标（营收/利润/门店数/会员数） | DB | P1 | 中 | 无 | 表创建+CRUD API |
+| T-102 | 新建 `v3_regional_target` 表：区域年度目标（按区域拆解） | DB | P1 | 中 | T-101 | 表创建+CRUD API |
+| T-103 | 新建 `v3_store_monthly_target` 表：门店月度目标（营收/客单/会员/成本/利润） | DB | P1 | 中 | T-102 | 表创建+CRUD API，兼容现有 `dim_store_target` |
+| T-104 | 新建 `v3_daily_target` 表：日级目标（营收/客单/套餐/损耗/到货） | DB | P1 | 中 | T-103 | 表创建+CRUD API |
+| T-105 | 新建 `v3_personal_task` 表：个人任务（岗位/目标值/实际值/完成率） | DB | P1 | 中 | T-104 | 表创建+CRUD API |
+| T-106 | 目标自动拆解算法：年度→区域→门店（按A/B/C/D分级差异化：A店110%、B店100%、C店90%、D店整改） | 后端 | P1 | 大 | T-102,T-103 | 输入年度目标→自动生成91家店月度目标 |
+| T-107 | 日目标拆解算法：月度→日（按历史客流权重分配到每日） | 后端 | P1 | 中 | T-104,T-106 | 输入月度目标→自动生成30天日目标 |
+| T-108 | 时段目标拆解：日→时段（按高峰/平峰/低谷模型，复用 `smart-scheduling.ts` 客流热力图） | 后端 | P2 | 中 | T-107 | 输入日目标→自动生成时段目标 |
+| T-109 | 目标管理API路由 `server/src/routes/target.ts` | 后端 | P1 | 中 | T-101~105 | REST API：CRUD + 拆解 + 达成率计算 |
+| T-110 | 目标管理前端页面 `client/src/pages/v3/TargetManagementPage.tsx` | 前端 | P1 | 中 | T-109 | 年度目标设定→区域拆解→门店查看→日目标卡 |
+| T-111 | 店长端日目标卡组件：每日09:00自动生成（营收/客单/套餐/损耗/到货） | 前端 | P1 | 中 | T-107,T-109 | 店长登录即见今日目标卡 |
+| T-112 | 目标偏差分析报告：月末自动比对达成率+归因（客流/客单/成本/损耗） | 后端 | P1 | 大 | T-106 | 月末自动生成偏差报告 |
+| T-113 | 强制锁定机制：达成率<90%的门店，下月预算锁定+必须填写《根因分析》并审批 | 后端 | P2 | 中 | T-112 | 锁定逻辑+审批入口 |
+| T-114 | 连续3个月未达成→自动触发"D级预警"推送至决策层 | 后端 | P2 | 小 | T-112,T-201 | 预警规则+推送 |
+
+### 1.2 定时调度引擎（时间驱动基石）
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-120 | 引入 `node-cron` 定时任务调度器，新建 `server/src/scheduler/` 目录 | 后端 | P1 | 小 | 无 | 调度器启动+日志 |
+| T-121 | 调度任务注册表 `v3_scheduled_task`：任务名/cron表达式/状态/上次执行/下次执行 | DB | P1 | 小 | 无 | 表创建+管理API |
+| T-122 | 每日08:30 自动生成昨日日报（SQL聚合+模板渲染+推送至店长） | 后端 | P1 | 中 | T-120 | 日报自动生成+可查看 |
+| T-123 | 每日09:00 自动生成日目标卡（依赖目标拆解） | 后端 | P1 | 中 | T-107,T-120 | 目标卡自动生成 |
+| T-124 | 每日12:00/18:00 推送时段达成率（依赖实时数据） | 后端 | P2 | 中 | T-120 | 时段推送消息 |
+| T-125 | 每日22:30 生成日复盘模板（达成率/偏差/次日建议） | 后端 | P2 | 中 | T-120 | 复盘模板自动生成 |
+| T-126 | 每周一09:00 生成上周数据包（复用 `analytics-enhanced.ts`） | 后端 | P2 | 中 | T-120 | 周报自动生成 |
+| T-127 | 每月1日09:00 自动生成月度经营分析报告（损益/对标/根因/建议） | 后端 | P2 | 大 | T-120 | 月报自动生成 |
+| T-128 | 每月15日14:00 生成月中进度报告 | 后端 | P3 | 中 | T-120 | 月中报告自动生成 |
+| T-129 | 调度管理前端页面：查看/启停/手动触发调度任务 | 前端 | P2 | 小 | T-121 | 调度任务管理界面 |
+
+### 1.3 预警规则引擎（事件驱动基石）
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-130 | 新建 `v3_alert_rule` 表：规则名/指标/阈值/比较符/推送对象/升级路径/启用状态 | DB | P1 | 中 | 无 | 表创建+CRUD API |
+| T-131 | 新建 `v3_alert_log` 表：触发时间/规则ID/指标值/阈值/推送状态/处理状态 | DB | P1 | 小 | 无 | 表创建+查询API |
+| T-132 | 预警规则引擎核心：定时扫描指标→匹配规则→生成预警记录 | 后端 | P1 | 大 | T-130,T-131 | 规则匹配+预警生成 |
+| T-133 | 营收达成率预警：每小时比对日目标→红/黄灯→推送 | 后端 | P1 | 中 | T-107,T-132 | 达成率<80%自动红灯预警 |
+| T-134 | 差评自动归因预警：对接外卖平台评价API+NLP分类（口味/服务/环境/异物） | 后端 | P1 | 大 | T-132 | 差评出现→自动归因+推送 |
+| T-135 | 临期品预警：库存系统实时计算临期比例→推送促销建议 | 后端 | P2 | 中 | T-132 | 临期>10%自动预警 |
+| T-136 | 供应商到货准时率预警：物流GPS+温控实时监控 | 后端 | P2 | 中 | T-132 | 准时率<95%黄灯预警 |
+| T-137 | 员工离职率预警：HR系统月度聚合→红灯→推送 | 后端 | P2 | 中 | T-132 | 离职率>15%红灯预警 |
+| T-138 | 食安巡检预警：巡检<90分→红灯→推送+停业建议 | 后端 | P2 | 中 | T-132 | 巡检低分自动预警 |
+| T-139 | 新品好评率预警：好评率<70%→推送产品中心→配方复核 | 后端 | P2 | 中 | T-132 | 新品差评自动预警 |
+| T-140 | 设备故障预警：IoT设备监控→故障>2小时→自动派单维修 | 后端 | P3 | 中 | T-132 | 设备故障自动派单 |
+| T-141 | 库存缺货预警：实时库存比对→推送缺货预警→生成调拨建议 | 后端 | P3 | 中 | T-132 | 缺货自动预警+调拨建议 |
+| T-142 | 预警管理前端页面：规则配置/预警列表/处理状态 | 前端 | P1 | 中 | T-130,T-131 | 预警规则管理+预警处理界面 |
+| T-143 | 纠偏任务自动入池：预警触发后自动生成纠偏任务，关联原任务 | 后端 | P2 | 中 | T-132 | 预警→自动生成任务 |
+
+### 1.4 数据自动采集管道
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-150 | 建立定时ETL管道：cron job定期执行物化视图刷新+数据导入 | 后端 | P1 | 中 | T-120 | 物化视图自动刷新 |
+| T-151 | POS数据实时导入管道（API对接或定时ETL，替代手工导入） | 后端 | P1 | 大 | 需POS系统配合 | POS数据T+1自动入库 |
+| T-152 | 外卖平台数据导入：美团/饿了么/京东订单+评价+退款实时同步 | 后端 | P1 | 大 | 需平台API | 外卖数据自动同步 |
+| T-153 | 数据清洗规则引擎：自动标记异常数据（金额异常/时间异常/缺失字段/温度异常） | 后端 | P1 | 中 | T-150 | 异常数据自动标记 |
+| T-154 | 每日库存快照：从现有WMS定时拉取库存数据→写入 `fact_inventory_snapshot` | 后端 | P1 | 中 | T-150 | 每日库存快照自动入库 |
+| T-155 | 费用数据月度导入：自动拉取财务系统费用数据 | 后端 | P2 | 中 | T-150 | 费用数据月度自动入库 |
+| T-156 | 薪资数据月度导入：自动拉取HR系统薪资数据 | 后端 | P2 | 中 | T-150 | 薪资数据月度自动入库 |
+| T-157 | 数据导入管理前端页面：导入状态/日志/手动触发/异常处理 | 前端 | P1 | 中 | T-150 | 导入监控界面 |
+
+### 1.5 门店自动分级与红黄绿灯
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-160 | 门店自动分级算法：按营收达成+巡检得分+客诉率自动A/B/C/D分级 | 后端 | P1 | 中 | T-132 | 91家店自动分级+月度更新 |
+| T-161 | 红黄绿灯自动标色：实时指标监控→自动标色→推送 | 后端 | P1 | 中 | T-132 | 指标突破阈值→自动标色+推送 |
+| T-162 | 辅导任务派发：C/D级门店自动生成辅导任务→指派区域经理 | 后端 | P2 | 中 | T-160 | C/D店自动生成辅导任务 |
+| T-163 | 门店分级前端展示：在 `RegionalPage` 增加分级视图 | 前端 | P1 | 小 | T-160 | 区域管理页显示A/B/C/D分级 |
+
+### 1.6 产品生命周期与评价归因
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-170 | 新建 `v3_product_lifecycle` 表：SKU上市日期/生命周期阶段（爬坡/成熟/衰退）/存活判定 | DB | P1 | 小 | 无 | 表创建+CRUD API |
+| T-171 | 顾客评价数据表 `v3_customer_review`：评价来源/评分/内容/分类/门店/SKU | DB | P1 | 小 | 无 | 表创建+CRUD API |
+| T-172 | 评价NLP归因：对接外卖平台评价API+NLP自动分类（口味/服务/环境/异物/分量） | 后端 | P1 | 大 | T-171 | 评价自动分类+归因 |
+| T-173 | 产品生命周期自动追踪：上市第7天自动生成"首周战报"、第90天生成"存活判定报告" | 后端 | P2 | 中 | T-170 | 7天战报+90天判定自动生成 |
+| T-174 | 评价分析前端页面：好评率/差评归因/趋势/门店对比 | 前端 | P1 | 中 | T-172 | 评价分析看板 |
+| T-175 | 产品生命周期前端页面：生命周期阶段/存活率/淘汰建议 | 前端 | P2 | 中 | T-170 | 生命周期看板 |
+
+### 1.7 角色体系扩展
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-180 | 扩展角色枚举：新增 `supply`（供应链）、`product`（产品）、`marketing`（营销）、`hr`（HR）职能角色 | 后端 | P1 | 中 | 无 | 角色体系扩展+权限定义 |
+| T-181 | 职能数据隔离：按角色限制可见的API路由和数据字段 | 后端 | P1 | 中 | T-180 | 供应链经理不可见门店利润等 |
+| T-182 | 员工级角色：新增 `employee` 角色，仅可见个人绩效看板 | 后端 | P2 | 中 | T-180 | 员工登录仅见个人数据 |
+| T-183 | 字段级权限控制：API响应按角色过滤敏感字段（如采购价格对非供应链角色隐藏） | 后端 | P2 | 大 | T-180 | 敏感字段自动过滤 |
+
+### 1.8 看板嵌入"一键下达任务"
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-190 | `SituationalAwarenessPage` 健康度评分异常项旁添加"生成整改任务"按钮 | 前端 | P1 | 小 | 无 | 点击→自动生成整改任务 |
+| T-191 | 整改任务自动填充：门店/指标/偏差值/建议措施/截止日期 | 后端 | P1 | 小 | T-190 | 任务自动填充关键字段 |
+
+### 1.9 自动复盘报告
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-195 | 月度经营分析报告自动生成：损益/对标/根因/建议（复用 `MonthlyReviewPage` 逻辑） | 后端 | P1 | 中 | T-127 | 月末自动生成报告 |
+| T-196 | 报告前端展示页面：可查看历史报告+导出PDF | 前端 | P1 | 中 | T-195 | 报告列表+详情+导出 |
+
+---
+
+## Phase 2：协同扩展（6-12个月）
+
+> **目标**：建立协同闭环 + 审批流 + LMS + 营销自动化
+> **预期实现度**：49% → 67%
+
+### 2.1 供应链SRM
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-201 | 新建 `v3_supplier_master` 表：供应商主数据+分级（战略/优选/合格/淘汰） | DB | P2 | 中 | 无 | 表创建+CRUD API |
+| T-202 | 供应商评分卡：交货准时率/质量/价格/服务/食安五维度自动评分 | 后端 | P2 | 中 | T-201 | 198家供应商自动评分 |
+| T-203 | 采购订单管理：下单→审批→执行→到货→结算 | 后端 | P2 | 大 | T-201 | 采购订单全流程 |
+| T-204 | 比价议价：招标/比价/锁价/季节性备货 | 后端 | P2 | 大 | T-203 | 比价功能 |
+| T-205 | 备选供应商管理：每品类至少1家备选 | 后端 | P3 | 中 | T-201 | 备选供应商关联 |
+| T-206 | 供应商管理前端页面：评分卡/采购订单/比价 | 前端 | P2 | 大 | T-201~204 | SRM管理界面 |
+
+### 2.2 中央厨房MES增强
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-210 | 生产排程算法：基于门店销量预测+配方BOM自动计算排产计划 | 后端 | P2 | 大 | 销量预测 | 输入销量预测→自动排产 |
+| T-211 | 工艺监控：关键参数自动记录（温度/时间/重量） | 后端 | P2 | 中 | IoT | 工艺参数自动记录 |
+| T-212 | 出品管理：批次管理+出品抽检+盲测记录 | 后端 | P2 | 中 | 无 | 批次追溯+抽检记录 |
+| T-213 | 食安留样管理：留样记录+检测报告+第三方检测 | 后端 | P2 | 中 | 无 | 留样记录可查 |
+| T-214 | 产能规划：淡旺季弹性+预留扩产空间+外包备选 | 后端 | P3 | 中 | 历史产能 | 产能规划建议 |
+
+### 2.3 通用审批流引擎
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-220 | 新建 `v3_approval_request` 表：申请类型/申请人/状态/当前步骤 | DB | P2 | 中 | 无 | 表创建+CRUD API |
+| T-221 | 新建 `v3_approval_step` 表：步骤序号/审批人/审批结果/审批意见/时间 | DB | P2 | 中 | T-220 | 表创建+CRUD API |
+| T-222 | 新建 `v3_approval_rule` 表：申请类型/步骤定义/超额升级条件 | DB | P2 | 中 | T-220 | 表创建+CRUD API |
+| T-223 | 通用审批流引擎：支持多级审批+超额升级+通知推送 | 后端 | P2 | 大 | T-220~222 | 审批流可配置+自动流转 |
+| T-224 | 门店调薪审批：店长申请→区域经理审批→超额升级总部HR | 后端 | P3 | 中 | T-223 | 调薪审批全流程 |
+| T-225 | 门店临时采购审批：店长申请→区域经理审批→超额升级供应链总监 | 后端 | P3 | 中 | T-223 | 采购审批全流程 |
+| T-226 | 促销活动审批：店长申请→区域经理审批→超额升级营销总监 | 后端 | P3 | 中 | T-223 | 促销审批全流程 |
+| T-227 | 员工晋升审批：店长申请→区域经理+HR审批→晋升店长升级总部 | 后端 | P3 | 中 | T-223 | 晋升审批全流程 |
+| T-228 | 配方微调审批：产品经理申请→产品总监审批→成本变动>5%升级CEO | 后端 | P3 | 中 | T-223 | 配方审批全流程 |
+| T-229 | 供应商汰换审批：供应链经理申请→供应链总监审批→战略供应商升级CEO | 后端 | P3 | 中 | T-223 | 供应商审批全流程 |
+| T-230 | 门店关停审批：区域经理申请→运营总监+财务总监审批→连续亏损升级董事会 | 后端 | P3 | 中 | T-223 | 关停审批全流程 |
+| T-231 | 审批流前端页面：待办列表/审批操作/流程跟踪 | 前端 | P2 | 中 | T-223 | 审批待办+流程可视化 |
+
+### 2.4 消息推送引擎
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-240 | WebSocket实时推送服务 `server/src/push/` | 后端 | P2 | 中 | 无 | WebSocket连接+消息推送 |
+| T-241 | 站内消息中心：`v3_notification` 表+未读/已读/已处理状态 | DB+后端 | P2 | 中 | 无 | 消息列表+状态管理 |
+| T-242 | 消息推送规则：预警/任务/报告/审批→对应责任人 | 后端 | P2 | 中 | T-240,T-241 | 消息按规则自动推送 |
+| T-243 | 前端消息中心组件：Header通知图标+未读计数+消息列表 | 前端 | P2 | 中 | T-241 | 通知图标+消息列表 |
+
+### 2.5 HR系统增强
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-250 | 考勤管理增强：打卡记录+工时统计+排班匹配（复用 `attendance_records`） | 后端 | P2 | 中 | 无 | 工时自动统计 |
+| T-251 | 薪酬管理：基本工资+绩效奖金+调薪审批（复用 `salary_detail_records`） | 后端 | P2 | 中 | T-223 | 薪酬计算+调薪审批 |
+| T-252 | 人才九宫格：绩效×潜力→自动推荐晋升名单 | 后端 | P2 | 中 | 无 | 九宫格矩阵+晋升推荐 |
+| T-253 | 离职预警：月度聚合离职率→红灯→推送（复用 `dim_employee`） | 后端 | P2 | 中 | T-132 | 离职率>15%自动预警 |
+| T-254 | 招聘管理：岗位需求+候选人+面试流程 | 后端 | P3 | 大 | 无 | 招聘全流程 |
+| T-255 | 人才九宫格前端页面：矩阵展示+晋升推荐列表 | 前端 | P2 | 中 | T-252 | 九宫格可视化 |
+
+### 2.6 培训LMS
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-260 | 新建 `v3_training_course` 表：课程管理+课件+考试 | DB | P2 | 中 | 无 | 表创建+CRUD API |
+| T-261 | 新建 `v3_learning_record` 表：员工学习进度+完成率+考试成绩 | DB | P2 | 中 | T-260 | 表创建+CRUD API |
+| T-262 | 学习追踪：员工学习进度+完成率+考试成绩 | 后端 | P2 | 中 | T-261 | 学习进度可查 |
+| T-263 | SOP更新自动转培训：新SOP→自动生成培训课件→推送 | 后端 | P3 | 中 | T-260 | SOP变更→自动生成课件 |
+| T-264 | 培训锁定机制：未完成培训→锁定排班权限 | 后端 | P3 | 中 | T-262 | 未培训→排班锁定 |
+| T-265 | LMS前端页面：课程列表/学习进度/考试 | 前端 | P2 | 大 | T-260~262 | LMS学习界面 |
+
+### 2.7 营销MA
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-270 | 活动管理：活动创建+预算分配+投放指令+ROI追踪 | 后端 | P2 | 大 | 无 | 活动全流程管理 |
+| T-271 | 券码发放：券码生成+核销追踪+防刷机制 | 后端 | P2 | 中 | T-270 | 券码全生命周期 |
+| T-272 | 会员运营增强：分层运营+召回策略+生命周期管理（复用 `dim_member`） | 后端 | P2 | 中 | 无 | 会员分层+召回 |
+| T-273 | 营销自动化：触发条件→自动执行（如：沉睡会员自动发券） | 后端 | P3 | 大 | T-270 | 自动化规则引擎 |
+| T-274 | 营销MA前端页面：活动管理/券码/ROI分析 | 前端 | P2 | 大 | T-270 | MA管理界面 |
+
+### 2.8 财务ERP增强
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-280 | 预算管理：年度预算+月度预算+执行率追踪 | 后端 | P2 | 中 | T-106 | 预算全流程 |
+| T-281 | 成本核算增强：按门店/品类/菜品的多维度成本分析（复用 `cost-analysis.ts`） | 后端 | P2 | 中 | 无 | 多维成本分析 |
+| T-282 | 资金管控：现金流+账期管理+资金计划 | 后端 | P3 | 大 | 银行对接 | 资金看板 |
+| T-283 | 财务报表：损益表+现金流量表+资产负债表 | 后端 | P3 | 大 | 全部业务数据 | 三大报表自动生成 |
+
+### 2.9 扫码确认闭环
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-290 | 出品扫码：扫码枪→出品记录→数据自动回传→任务状态更新 | 后端 | P2 | 中 | 扫码硬件 | 出品扫码闭环 |
+| T-291 | 验收扫码：验收扫码→数据自动回传→验收确认 | 后端 | P2 | 中 | 扫码硬件 | 验收扫码闭环 |
+| T-292 | 巡检扫码：巡检扫码→数据自动回传→巡检记录 | 后端 | P2 | 中 | 扫码硬件 | 巡检扫码闭环 |
+
+### 2.10 闭环自动验证
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-295 | 闭环自动验证：系统定时检测指标变化→自动判定"闭环完成"或"需升级" | 后端 | P2 | 中 | T-132 | 闭环状态自动判定 |
+| T-296 | 闭环健康度看板：各闭环完成率/平均周期/瓶颈环节 | 前端 | P2 | 中 | T-295 | 闭环健康度可视化 |
+
+### 2.11 权限与安全增强
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-300 | 系统级数据脱敏：API响应层对PII数据（手机/身份证/邮箱）自动脱敏 | 后端 | P2 | 中 | 无 | PII字段自动脱敏 |
+| T-301 | 匿名排名机制：平级门店排名显示为"TOP10%"而非具体名次 | 后端 | P2 | 小 | 无 | 排名匿名化 |
+| T-302 | 审计日志：`v3_audit_log` 表，所有数据访问记录（who/what/when） | DB+后端 | P2 | 中 | 无 | 审计日志可查 |
+| T-303 | 案例库NLP标签：对 `standardized_practice` 表的 `key_actions` 自动提取标签 | 后端 | P2 | 中 | NLP | 案例自动标签 |
+| T-304 | 变更管理流程：SOP更新申请→审批→下发→确认 | 后端 | P2 | 中 | T-223 | SOP变更全流程 |
+
+---
+
+## Phase 3：智能升级（12-24个月）
+
+> **目标**：IoT接入 + AI辅助决策 + 全链路自动流转
+> **预期实现度**：67% → 82%
+
+### 3.1 IoT与硬件接入
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-310 | IoT温控探针对接：MQTT协议接入冷链温度数据 | 后端 | P3 | 大 | IoT硬件 | 温度数据实时入库 |
+| T-311 | 扫码枪/电子秤对接：蓝牙/WiFi接入出品扫码、验收扫码 | 后端 | P3 | 大 | 扫码硬件 | 扫码数据实时入库 |
+| T-312 | 人脸识别考勤对接：API接入考勤/排班匹配/工时统计 | 后端 | P3 | 中 | 人脸硬件 | 考勤数据自动入库 |
+| T-313 | IoT设备监控看板：温度/湿度/设备状态实时展示 | 前端 | P3 | 中 | T-310 | IoT实时看板 |
+
+### 3.2 AI辅助决策
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-320 | AI辅助目标测算：多因子模型（天气/节假日/商圈活动）自动调整日目标 | 后端 | P3 | 大 | 外部数据源 | 日目标AI自动调整 |
+| T-321 | 趋势预测算法：基于历史数据的线性回归/ARIMA | 后端 | P3 | 大 | 6个月+数据 | 营收/客流趋势预测 |
+| T-322 | 销量预测模型：移动平均/指数平滑 | 后端 | P3 | 大 | 6个月+数据 | 门店销量预测 |
+| T-323 | 季度战略复盘数据包自动生成+投资建议AI测算 | 后端 | P3 | 大 | T-321 | 季度报告+投资建议 |
+
+### 3.3 全链路自动流转
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-330 | 产销协同全链路：销量预测→MRP→采购→到货→验收→数据回传 | 后端 | P3 | 大 | T-210,T-322 | 产销全链路自动流转 |
+| T-331 | 营采协同全链路：营销方案→物料需求计算→供应链备货→门店执行→ROI追踪 | 后端 | P3 | 大 | T-270 | 营采全链路自动流转 |
+| T-332 | 产品全生命周期：产品上架→SOP推送→排产→配送→门店收货→销售→评价→产品决策 | 后端 | P3 | 大 | T-170,T-172 | 产品全链路自动流转 |
+
+### 3.4 实时数据流
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-340 | 实时数据流：从T+1升级为T+0实时看板（WebSocket推送） | 后端 | P3 | 大 | T-240 | 5分钟刷新实时看板 |
+| T-341 | 门店实时看板：当日营收进度/来客数/客单价/等位数/出餐时效 | 前端 | P3 | 中 | T-340 | 门店实时看板5分钟刷新 |
+
+### 3.5 战略驾驶舱增强
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-350 | 投资回报模型：单店ROI计算+投资回收期+城市渗透率 | 后端 | P3 | 中 | 无 | ROI自动计算 |
+| T-351 | 季度战略看板：同店增长趋势+行业对标+资本环境 | 前端 | P3 | 中 | 外部数据 | 季度战略看板 |
+| T-352 | 品牌资产追踪：NPS+品牌搜索指数+舆情健康度 | 后端 | P3 | 中 | 舆情监控 | 品牌资产看板 |
+
+### 3.6 培训锁定与资金管控
+
+| # | 任务 | 类型 | 优先级 | 工作量 | 依赖 | 验收标准 |
+|:---|:---|:---|:---|:---|:---|:---|
+| T-360 | 培训锁定机制：未完成培训的员工自动锁定排班权限 | 后端 | P3 | 中 | T-264 | 排班锁定生效 |
+| T-361 | 资金管控：现金流+账期管理+资金计划+银行对接 | 后端 | P3 | 大 | 银行API | 资金管控看板 |
+
+---
+
+## 任务统计总览
+
+| 阶段 | 任务数 | DB | 后端 | 前端 | 大 | 中 | 小 |
+|:---|---:|---:|---:|---:|---:|---:|---:|
+| **Phase 1** | 57 | 12 | 30 | 15 | 8 | 35 | 14 |
+| **Phase 2** | 42 | 6 | 26 | 10 | 12 | 25 | 5 |
+| **Phase 3** | 16 | 0 | 11 | 5 | 11 | 5 | 0 |
+| **合计** | **115** | **18** | **67** | **30** | **31** | **65** | **19** |
+
+## 优先启动建议
+
+**立即启动（第1-2周）**：
+1. T-120 引入 `node-cron` 调度器 — 最小投入，最大基础设施价值
+2. T-101~105 目标管理表族 — 闭环体系的起点
+3. T-130~132 预警规则引擎核心 — 让系统开始"主动发现问题"
+
+**第3-4周**：
+4. T-106~107 目标拆解算法 — 让目标"落下去"
+5. T-150~151 数据导入管道 — 让数据"流起来"
+6. T-160~161 门店自动分级+红黄绿灯 — 让系统"自动区分优先级"
+
+---
+
+> **文档结语**：本任务清单共115项任务，覆盖V3.0全部5个闭环、3条主线、5层架构。建议按Phase顺序推进，每个Phase内按优先级排序。Phase 1完成后系统将从"被动看板"升级为"目标驱动+预警主动"的运营系统，实现质的跃升。

docs/AI讲师简介与培训大纲-制造业方向.md

@@ -0,0 +1,298 @@
+# AI讲师简介与培训大纲
+
+**项目**：大型制造企业 AI 培训 —《AI 在企业管理中的应用场景》
+**联系人**：mia.zhu@akkodis.com
+**日期**：2026 年 8 月
+
+---
+
+## 一、讲师简介
+
+### 1.1 一句话定位
+
+> 一个亲自下场、动手把 AI 在多个行业落成经营结果的人；用企业管理者的思维讲 AI，而不是用玩 AI 概念的人的视角讲概念。
+>
+> 我不是"研究 AI 的学者"，也不是"讲 AI 的老师"——我是一个带着企业管理视角、自己上手把 AI 做成经营系统的实践者，然后把我踩过的坑、跑通的路径、沉淀的方法论讲给企业管理者听。
+
+### 1.2 个人简介
+
+**王立刚**｜创始人 · AI 专家
+
+**教育背景**：北京航空航天大学 人机工程 博士。人机工程的训练让我从一开始就不是"纯技术视角"，而是"人 + 系统 + 效率"的视角——这套思维方式后来贯穿了我所有的 AI 落地实践。
+
+**职业经历**：
+- **北京外企网络公司** 副总经理 — 负责企业级信息化产品与技术服务交付，积累了面向大客户做系统化交付的经验。
+- **易才集团** 技术总监、**易才博普奥** 总经理 — 在国内领先的人力资源服务集团负责技术体系与子公司经营，既管技术也管业务，既对内也对客户，这段经历让我形成了"技术必须为经营结果服务"的底层认知。
+- **中国劳动学会** 理事 — 长期参与行业政策与标准研讨，对人力资源服务业的监管逻辑、合规要求和行业趋势有深入理解。
+- **2015 年至今**：创立 **飞翮智享**，为人力资源服务业提供数字化服务，服务客户包括中国四达、邦芒人力、四川省人才集团、成都市人才集团、河南人才集团等行业头部企业。
+
+**从 HR 数字化到跨行业 AI 落地**：
+飞翮智享起步于人力资源服务业数字化，但我不满足于只做一个行业的数字化服务商。从 2023 年大模型能力成熟开始，我带着"企业管理 + 系统交付 + 人机协同"的底子亲自下场，把 AI 落地范围从 HR 扩展到餐饮连锁、汽车产业链、政务、医疗、教育、文旅、金融、法务、风控、财务、零售供应链等 14 个方向，主导和参与超过 60 个 AI 项目。
+
+**为什么我能跨行业落地**：不是因为我精通每个行业，而是因为我掌握了一套"AI + 行业专家协同"的方法论——行业专家出业务经验，我出 AI 能力和系统工程能力，一起把经验变成能跑起来的经营系统。餐饮连锁运营态势感知系统、汽车大数据国家级试点涉车企业平台，都是用这套方法在陌生行业快速做到资深水平的真实案例。
+
+**核心标签**：人机工程博士、企业数字化老兵、亲自下场的 AI 落地实践者、AI × 行业翻译官。
+
+### 1.3 核心背景
+
+- **亲自下场的 AI 实践者**：不是站在岸边讲 AI，而是自己跳进水里把 AI 做成经营系统。主导和参与超过 60 个 AI 落地项目，覆盖人力资源、招聘、法务、政务、医疗、教育、文旅、餐饮、汽车、金融、风控、财务、设计生成等 14 个方向，每个项目都回答"省了多少钱、赚了多少钱、控住了什么风险"。
+- **企业管理者思维**：讲 AI 不从"技术多先进"切入，而从"老板最关心的三件事——利润、风险、组织能力"切入。能听懂业务部门的真实痛点，也能把 AI 翻译成业务部门能执行的动作，而不是把技术名词丢给业务部门让他们自己消化。
+- **AI 协同推广者**：坚信 AI 的价值不在"替代人"，而在"放大人"。我的工作方式是和行业专家并肩——专家出业务经验，我出 AI 能力和方法论，一起把经验变成可运行、可复用、可迭代的经营系统。我讲的不只是"AI 能做什么"，更是"企业里的人怎么和 AI 协同做事"。
+- **面向管理层的授课经验**：曾面向人力资源服务公司老板、投后管理机构、零售区域总代、高校管理者等企业中高层做 AI 主题分享，擅长把技术问题讲得深入浅出、互动性强，能从老板视角谈"AI 能不能赚回钱、能不能管住风险"。
+- **跨行业 AI 落地实践者**：主导汽车后市场数据智能平台（车脉 DIS）、餐饮连锁运营态势感知系统等多个跨行业 AI 项目，对汽车后市场产业链、数据要素化、经销商体系、供应链协同有实际理解；研究过某国际玩具品牌华东区域总代 50+ 门店数据与 AI 驱动经营提升方案，对"制造 + 零售 + 供应链"复合业态有认识。这些项目都不是我原本的行业，但都用同一套"AI + 行业专家协同"方法论在陌生领域快速做到资深水平——这正是我要讲给制造业管理者的核心能力。
+
+### 1.4 核心观点（贯穿全程）
+
+> **观点一：AI 的最强能力，是对全行业最佳实践的深度掌握和超强大的逻辑推理能力。**
+>
+> 大模型不是"会写东西的工具"，它把人类几十年沉淀的管理学、运营学、财务、供应链、质量工程的最佳实践都学进了脑子里。一个能用好 AI 的人，等于同时请到了麦肯锡、德勤、丰田生产方式专家、六西格玛黑带在身边随时答疑。AI 的瓶颈不在算力，在"提问的人懂不懂业务"。
+
+> **观点二：AI + 行业顶尖专家，将极大提升企业各方面能力。**
+>
+> AI 不会取代行业专家，但"会用 AI 的行业专家"会取代"不会用 AI 的行业专家"。真正的跃迁发生在：行业专家把隐性经验讲出来 → AI 把它结构化、可复用、可推理 → 专家再基于 AI 的推理结果做判断。这是一个"经验放大器"，不是"人替代器"。
+
+> **观点三：企业需要的，是能把 AI 和行业结合的人，而不是单纯行业专家或单纯 AI 专家。**
+>
+> 纯行业专家讲 AI 容易停在"概念演示"，纯 AI 专家讲行业容易"隔靴搔痒"。真正能落地的人，要同时具备三种能力：理解 AI 能力边界、理解行业业务流程、能把两者翻译成可执行的项目。这种人现在最稀缺。
+
+### 1.5 参考案例：从外行到资深 — 汽车后市场大数据国家级试点项目（车脉 DIS）
+
+**项目背景**：由中国广电集团发起的汽车大数据项目，在海南省完成首个省级试点，构建"一省一库一中枢"省级管理框架，覆盖销售、维修、零部件、运输、租赁、报废拆解六类涉车企业，为数千辆各类型车辆部署智能终端。
+
+**起点**：讲师本人并非汽车行业出身，对汽车后市场是"完全外行"。
+
+**讲师角色**：主导涉车企业侧数据智能平台（车脉 DIS）的设计与落地，把国家级数据要素化架构翻译成涉车企业能直接用起来的经营管理系统。
+
+**项目核心**：
+- **国家级顶层设计**：国家发改委综合运输研究所、国务院发展研究中心企业研究所、国家信息中心三项国家级课题构筑顶层设计，形成"1 个车联网汽车档案系统、7 大支持系统、18 类综合赋能应用场景、190 余项专利"的体系架构。
+- **"AI 大模型 + 区块链 + 数据要素化"三位一体架构**：AI 让数据"变聪明"、区块链让数据"可信赖"、数据要素化让数据"能变现"，三者协同把汽车产业海量数据从"沉默的金矿"转化为新型生产要素。
+- **三大数字化管理框架**：省级"一省一库一中枢"、企业级"一企一码一端口"、车辆级"一车一档一身份"，覆盖省、企业、车辆三个层级。
+- **C 端 + B 端双轮驱动**：C 端车脉云盒实时采集车辆数据，B 端车脉云枢 + 车脉 DIS 为涉车企业提供一站式数字化经营管理系统，形成"感知采集 → 安全传输 → 可信治理 → 智能应用"的全链条数据基础设施。
+
+**车脉 DIS 的企业价值**：
+- 面向六类涉车企业（销售、维修、零部件、运输、租赁、报废回收），集"业务管理系统 + 数据中台 + 合规引擎 + AI 助手"于一体。
+- 解决涉车企业三大困境：数字化用不起（传统 ERP 首年 20-50 万）、数据用不上（只停留在记账层面）、合规跟不上（监管要求日趋严格）。
+- 让企业经营全过程数字化、可视化、可信化，数据可确权、可上链、可交易、可融资。
+
+**这个项目对制造业企业的启示**：
+- **和餐饮案例一样，这个项目证明的是"AI 让一个懂方法论的人可以在任何行业快速达到资深专家水平"**：我不是汽车行业出身，但用"AI + 行业专家协同"的方法论，在汽车后市场这个陌生领域快速做到了资深水平。制造业同样可以——企业里本来就懂自己行业的人，加上 AI 和正确的方法论，能力上限会高得多。
+- **数据要素化是制造业的下一个增长点**：制造业同样有大量"沉睡的数据"——设备运行数据、工艺参数、供应链数据、质量数据，一旦可信化、可流通，就能从"成本"变成"资产"。
+- **AI + 区块链 + 数据要素化的组合拳同样适用制造业**：AI 让制造数据变聪明（预测性维护、工艺优化），区块链让数据可信赖（供应商协同、质量追溯），数据要素化让数据能变现（数据资产入表、数据交易）。
+- **企业侧落地才是关键**：再宏大的国家级架构，最终都要落到企业愿意用、用得起、用得好的系统上。车脉 DIS 的设计逻辑——"让企业在日常经营中自然沉淀数据，而不是额外增加负担"——对制造业 AI 系统设计有直接参考价值。
+- **讲师亲自下场**：这个项目不是"讲讲故事"，是讲师亲自参与设计和落地的国家级试点，踩过的坑、跑通的路径都是一手经验。
+
+### 1.6 参考案例：从完全外行到快速完成餐饮连锁行业的企业运营态势感知系统
+
+**项目**：某餐饮连锁品牌数字化运营管理平台（连锁餐饮行业 · 企业运营态势感知系统）
+
+**起点**：讲师本人并非餐饮行业出身，对连锁餐饮运营管理是"完全外行"。
+
+**结果**：在短时间内，亲自上手从零到一完成了一套覆盖"老板 / 总部 / 区域 / 店长"四级管理全链路的数字化运营管理平台，并形成可复用的行业方法论。
+
+**系统规模**：
+- 处理真实经营数据：90+ 家门店、上百万笔账单、数百万条菜品明细、数万条库存记录
+- 覆盖四级管理视角：老板看"势"（战略）、总部看"阵"（决策）、区域看"店"（管控）、店长看"事"（执行）、一线看"数"（作业）
+- 跑通管理闭环：数据发现问题 → 自动分级 → 生成门店任务 → 现场执行 → 周度检查 → 月度验收 → 有效经验标准化
+
+**这件事为什么重要 — 它证明的不是"我懂餐饮"，而是"AI 让一个懂方法论的人可以在任何行业快速达到资深专家水平"**：
+
+1. **AI 掌握了全行业最佳实践**：从连锁餐饮的北极星指标（可控经营利润）、对标分组、一店一策、标杆拆项复制，到菜品工程、成本断链分析、会员复购、平台价格纪律——这些原本需要 10 年行业经验才能建立的知识框架，AI 在几周内帮我系统化建立。
+2. **AI 的逻辑推理能力把碎片知识连成体系**：不是给我一堆知识点，而是帮我推理出"为什么营业额不是利润""为什么同类对标比绝对排名更重要""为什么经验不能整店照搬只能拆模块试点"——这些是经营管理的底层逻辑，AI 能讲清楚因果。
+3. **行业专家的价值被放大而不是被取代**：真正的店长、区域经理、老板的经验，在系统里变成了"任务模板、异常阈值、验收标准、经验模块"——AI 帮他们把隐性经验显性化、可复用、可迭代。
+4. **关键在于"结合"**：这个项目之所以能成，不是因为我是餐饮专家，也不是因为我是 AI 专家，而是因为我亲自下场，把 AI 的能力、连锁餐饮的业务流程、运营管理的方法论三者翻译成一个能跑起来的经营系统。**我讲这个案例，不是讲技术，是讲"一个具备管理者思维的人，怎么和 AI 协同把一个陌生行业做到资深水平"。**
+
+**这个案例对制造业企业的直接启示**：
+- 制造业同样有大量"老师傅经验"和"分散在各系统的数据"，AI 可以用同样的闭环方法论快速构建运营态势感知能力。
+- 企业不需要等"培养一个既懂 AI 又懂工艺 10 年的人"，而是要培养"懂工艺的专家会用 AI"和"懂 AI 的人能进车间"两类人，让他们协同。
+- 真正的 AI 落地不是上一个聊天机器人，而是把数据、规则、执行、反馈、优化、沉淀连成闭环——这套方法论行业无关。
+
+### 1.7 其他相关项目（节选）
+
+| 方向 | 项目 | 与制造业的关联 |
+|---|---|---|
+| 汽车后市场 | 车脉 DIS — 涉车企业数据智能平台（国家级试点） | 汽车后市场产业链数据要素、经销商体系、AI 数据分析与预警 |
+| 零售 / 供应链 | 某国际玩具品牌华东区域总代 50+ 门店 AI 经营提升计划 | 制造 + 零售 + 供应链复合业态的 AI 经营改善 |
+| HR / 招聘 | AI 招聘面试、人才盘点、HRBP 数据分析等系列项目 | 制造业 HR、技能人才评估、组织发展 |
+| 法务 / 合规 | AI 法务秘书、合同审查 | 制造业合同、合规、知识产权管理 |
+| 财务 | AI 自动记账与报表生成 | 制造业业财一体化、成本核算 |
+| 风控 / 内审 | 外包风险评估、全域内审平台 | 制造业内审、供应商风险评估、质量风控 |
+| 政务 / 公共服务 | 政务 AI 智能办公平台 | 与制造企业对接的政务侧 AI 应用 |
+| 企业 AI 方法论 | AI 驱动企业运营闭环管理方法论 | 行业无关的通用落地框架，可直接用于制造业 |
+
+---
+
+## 二、培训大纲
+
+**主题**：《AI 在企业管理中的应用场景》
+**时长**：1 天（约 6 小时讲授 + 互动，含案例与研讨）
+**对象**：30+ 位企业中高层管理者（总监、部门负责人）
+**形式**：线下，中文授课，案例驱动 + 互动研讨 + 现场答疑
+
+### 2.1 课程设计原则
+
+- **不讲概念炫技，讲经营结果**：每个 AI 应用都回答"省了多少钱、赚了多少钱、控住了什么风险"。
+- **不讲技术细节，讲管理判断**：管理者需要知道"AI 能做到什么、做不到什么、什么时候该信、什么时候该复核"，不需要知道模型怎么训练。
+- **不讲通用案例，讲可迁移逻辑**：用餐饮、汽车、零售等案例，提炼出能直接搬到制造业的方法论。
+- **不单向灌输，要带走行动**：每个模块结束有"周一可以做什么"的行动清单。
+- **讲师亲自下场**：所有案例都是讲师自己动手做过的，不是转述别人的故事；讲的是"我怎么做的、踩了什么坑、怎么绕过去的"，不是"理论上应该怎么做"。
+
+### 2.2 课程结构（4 个模块 + 1 个研讨）
+
+#### 模块一：AI 发展趋势及对企业效率提升的价值（约 75 分钟）
+
+**目标**：让管理者建立对 AI 的"经营者视角"，而不是"AI 爱好者视角"。
+
+1. **AI 这两年到底发生了什么**
+   - 从"会聊天"到"会做事"：AI 已经能处理企业真实业务，不只是写写文章
+   - 多模态、长上下文、结构化输出：AI 能看懂表格、图表、合同、报表，能按要求给出结构化结果
+   - 国产大模型现状与选型逻辑（不站队，讲取舍）
+
+2. **AI 的两种核心能力，决定了它能为企业做什么**
+   - **能力一：对全行业最佳实践的深度掌握** — AI 把人类几十年的管理学、运营学、质量工程、供应链管理经验都学进了脑子里，等于企业随时有一个跨行业专家智库。
+   - **能力二：超强大的逻辑推理能力** — 不是给答案，是给"为什么这个答案对、依据是什么、什么情况下不适用"。
+   - 这两点合起来，意味着 AI 不是"工具"，是"放大器"——放大的是会用它的人的认知边界。
+
+3. **AI 对企业效率提升的真实价值边界**
+   - 能做的：知识结构化、规则显性化、异常发现、决策辅助、经验复用、初稿生成
+   - 暂时做不到的：替代关键管理判断、独立承担对外承诺、在没有数据的地方凭空创造
+   - 一个公式：**企业 AI 价值 = 数据质量 × 业务理解 × AI 能力 × 组织协同**，任何一项为零，结果都为零
+
+4. **管理者最容易踩的三个坑**
+   - 把 AI 当"万能问答机器人"而不是"经营系统组件"
+   - 只给技术团队定 KPI，不给业务团队提需求
+   - 追求"大而全的 AI 平台"，忽略"小而美的闭环试点"
+
+**互动**：现场调研 — "贵司目前 AI 用在哪里？用得最满意和最不满意的是什么？"
+
+#### 模块二：AI 在不同职能的典型应用场景（约 120 分钟）
+
+**目标**：让各部门负责人看到"我这块也能用 AI"，并带走 2-3 个可启动场景。
+
+按制造业核心职能逐一展开，每个职能讲：痛点 → AI 能做什么 → 落地案例 → 行动建议。
+
+1. **生产**
+   - AI 辅助排产与瓶颈识别、设备效率异常归因、工艺参数优化建议
+   - 案例：从"老师傅经验"到"可复用的工艺规则库"
+
+2. **供应链**
+   - 需求预测与安全库存动态调整、供应商风险评估、交期异常预警
+   - 案例：餐饮连锁 90+ 店库存与成本断链检测 → 制造业物料齐套率预警
+
+3. **采购**
+   - 智能询价与比价、合同条款审查、供应商画像与分级
+   - 案例：AI 法务秘书 + 风险评估系统在供应商准入与合同风控的应用
+
+4. **质量**
+   - 质量异常根因分析、质量报告 AI 辅助生成、过程异常自动识别
+   - 案例：从"事后复盘"到"事中预警"的闭环质量管控
+
+5. **研发**
+   - 技术资料检索与知识图谱、专利分析、实验设计辅助、研发成本断链检测
+   - 案例：菜品工程与成本穿透分析 → 制造业研发成本治理
+
+6. **HR**
+   - AI 招聘面试、人才盘点与胜任力评估、培训路径推荐、HR 数据对话分析
+   - 案例：AI 招聘与人才评估系列项目，制造业技能人才评估
+
+7. **IT**
+   - AI 辅助运维、代码生成与审查、知识库与工单智能分发、内审与安全扫描
+   - 案例：全域内审平台、AI 安全扫描
+
+8. **财务**
+   - AI 自动记账与报表生成、业财一体化对账、成本异常检测、经营分析对话
+   - 案例：AI 智能财务 → 制造业成本核算与经营驾驶舱
+
+9. **法务**
+   - 合同审查、法律文书生成、合规风险预警、知识产权管理
+   - 案例：AI 法务秘书在合同条款审查中的应用
+
+**互动**：每个职能讲完，请对应部门负责人现场说一个"我最想用 AI 解决的问题"，讲师即时判断可行性与落地路径。
+
+#### 模块三：跨行业 AI 实践案例分享 — 从外行到资深的方法论论证（约 90 分钟）
+
+**目标**：用真实案例让管理者看到"一个懂方法论的人配合 AI，如何在陌生行业快速做到资深水平"，以及这对制造业意味着什么。
+
+1. **案例一：从外行到资深 — 汽车后市场大数据国家级试点项目（车脉 DIS）**
+   - 背景：非汽车行业出身，主导中国广电集团汽车大数据项目涉车企业侧平台设计与落地
+   - 覆盖范围：海南省首个省级试点，六类涉车企业（销售、维修、零部件、运输、租赁、报废回收）、数千辆车辆
+   - 核心架构："AI 大模型 + 区块链 + 数据要素化"三位一体，省级 / 企业级 / 车辆级三层管理框架
+   - 对制造企业的启示：和餐饮案例一样，证明"AI 让懂方法论的人在陌生行业快速达到资深水平"；数据要素化是制造业下一个增长点；企业侧落地才是关键——让企业在日常经营中自然沉淀数据，而不是额外增加负担
+
+2. **案例二：从完全外行到快速完成餐饮连锁企业运营态势感知系统（主讲案例）**
+   - 背景：非餐饮行业出身，如何在短时间内亲自上手完成覆盖 90+ 店、四级管理链路的数字化运营平台
+   - 关键方法：AI 掌握全行业最佳实践 + 逻辑推理 + 行业专家经验放大
+   - 系统全景：四级管理视角、闭环管理、自动分级、任务生成、经验标准化
+   - **对制造业的迁移**：制造业同样有"老师傅经验 + 分散数据"，同样的闭环方法论可直接套用
+   - 核心启示：**企业不需要等一个"既懂 AI 又懂工艺 10 年的人"，而要培养"懂工艺的会用 AI"和"懂 AI 的能进车间"两类人协同**
+   - 讲师视角：**我讲这个案例不是炫技，是想告诉各位——一个具备管理者思维、愿意亲自下场的人，配合 AI，可以在任何陌生行业快速达到资深水平。各位企业里的人本来就懂自己的行业，加上 AI，能力上限会高得多。**
+
+3. **案例三：某国际玩具品牌华东区域总代 50+ 门店 AI 经营提升计划**
+   - 制造 + 零售 + 供应链复合业态的 AI 经营改善
+   - 对制造企业的启示：从渠道数据反推生产与供应链决策
+
+4. **案例四：AI 驱动企业运营闭环管理方法论（通用框架）**
+   - 六环节闭环：资料获取 → 知识提取 → 运营指导 → 结果反馈 → 规则优化 → 实践沉淀
+   - 为什么这套方法论行业无关：数据、规则、执行、反馈、优化、沉淀是所有运营型企业的共性
+   - 制造业如何用这套框架做自己的第一个 AI 闭环试点
+
+#### 模块四：管理层如何推动 AI 落地及组织变革（约 75 分钟）
+
+**目标**：让管理者带走"下周一可以做什么"和"未来一年怎么排"。
+
+1. **AI 落地的三个层次与管理者角色**
+   - 工具层：用 AI 提效（个人级，1 个月内见效）
+   - 流程层：用 AI 改造业务流程（部门级，3-6 个月见效）
+   - 体系层：用 AI 重构运营管理体系（企业级，6-18 个月见效）
+   - 管理者在每一层应该做什么、不应该做什么
+
+2. **如何选第一个 AI 试点场景**
+   - 好试点的五个特征：边界清晰、数据可获得、结果可衡量、失败可承受、成功可复制
+   - 反面教材：为什么"做一个企业知识库"经常做成摆设
+
+3. **AI 落地的组织变革**
+   - 三个新角色：AI 产品负责人（业务侧）、AI 工程化负责人（技术侧）、AI 翻译官（兼懂两边）
+   - **最稀缺的是 AI 翻译官** — 不是行业专家，不是 AI 专家，是能把两者结合的人
+   - 如何在现有团队里识别和培养这种人
+   - KPI 设计：不要给 AI 项目定"技术指标"，要定"经营指标"
+
+4. **风险与治理**
+   - 数据安全：哪些数据能进 AI、哪些不能、怎么脱敏
+   - 决策边界：AI 建议 + 人工确认的分级授权机制
+   - 供应商管理：自研 vs 采购 vs 共建的取舍
+   - 避免"AI 焦虑"和"AI 冷淡"两种极端
+
+5. **一份可执行的 90 天行动清单**
+   - 第 1-30 天：选场景、盘数据、定指标、组小队
+   - 第 31-60 天：跑通一个最小闭环、验证经营价值
+   - 第 61-90 天：复盘、固化、推广到第二个场景
+
+#### 模块五：现场研讨与答疑（约 60 分钟）
+
+**形式**：分组研讨 + 集中答疑
+
+1. **分组研讨**：按职能分组，每组选一个本部门最想用 AI 解决的问题，讲师现场点评可行性与落地路径
+2. **集中答疑**：管理者关心的任何问题，不回避、不绕弯
+3. **讲师总结**：给企业留三句话
+   - AI 的最强能力是掌握全行业最佳实践和逻辑推理，用好它等于请了一支跨行业专家智库
+   - AI + 行业顶尖专家是真正的跃迁点，企业要投资"让专家会用 AI"
+   - 企业最该招的不是行业专家或 AI 专家，而是能把两者结合的 AI 翻译官
+
+---
+
+## 三、讲师可提供的后续服务
+
+- **线上需求沟通**：与客户管理层进行 1-2 次线上会议，对齐企业实际场景与培训重点
+- **定制化案例**：根据企业提供的行业、规模、痛点，补充 1-2 个定制化案例
+- **培训后辅导**：可提供培训后 30 天的线上答疑，支持企业落地第一个 AI 试点
+- **长期合作**：可就企业 AI 战略规划、试点场景设计、组织能力建设提供长期顾问服务
+
+---
+
+## 四、联系方式
+
+- 讲师：王立刚
+- 邮箱：freeak@163.com
+- 电话 / 微信：13601258410
+- 公众号：翮必说
+
+> 本简介可作为讲师候选材料提交客户，后续可按客户需求调整大纲重点与案例比例。

docs/邮件正文-制造业AI培训讲师推荐.md

@@ -0,0 +1,42 @@
+# 邮件正文（自荐版）
+
+**收件人**：mia.zhu@akkodis.com
+**主题**：AI培训讲师自荐 —《AI在企业管理中的应用场景》— 王立刚
+
+---
+
+朱老师您好，
+
+看到您在寻找制造业方向的AI培训讲师，我的背景与贵方需求高度匹配，特此自荐。讲师简介与培训大纲详见附件。
+
+我是王立刚，北航人机工程博士，飞翮智享创始人。长期专注AI在企业经营管理中的落地实践，不是讲概念的人，而是自己动手把AI做成经营系统的人。
+
+**为什么我适合这个项目**：
+
+1. **AI技术背景扎实，亲自下场做系统**：主导和参与超过60个AI落地项目，覆盖人力资源、餐饮连锁、汽车后市场、政务、金融、法务、风控等14个方向。每个项目都回答"省了多少钱、赚了多少钱、控住了什么风险"，不是PPT里的概念。
+
+2. **有汽车行业实践经验**：主导汽车后市场大数据国家级试点项目（车脉DIS）涉车企业侧平台的设计与落地，覆盖销售、维修、零部件、运输、租赁、报废回收六类涉车企业，对汽车产业链、数据要素化、经销商体系有实际理解。
+
+3. **能在陌生行业快速达到资深水平**：非餐饮行业出身，亲自上手完成了某餐饮连锁品牌运营态势感知系统（90+门店、四级管理链路、管理闭环）。这个案例证明的不是"我懂餐饮"，而是"一个具备管理者思维的人配合AI，可以在任何行业快速达到资深水平"——这正是我想讲给制造业管理者的核心能力。
+
+4. **面向管理层授课经验丰富**：曾面向人力资源服务公司老板、投后管理机构、零售区域总代、高校管理者等企业中高层做AI主题分享。授课风格从"利润、风险、组织能力"三个管理者最关心的维度切入，深入浅出，互动性强，不讲技术名词炫技。
+
+5. **有沉淀的方法论**：独立总结"AI驱动企业运营闭环管理方法论"（资料获取→知识提取→运营指导→结果反馈→规则优化→实践沉淀），行业无关，可直接用于制造业。
+
+**我的三个核心观点（贯穿培训全程）**：
+- AI的最强能力是对全行业最佳实践的深度掌握和逻辑推理能力
+- AI+行业顶尖专家将极大提升企业各方面能力
+- 企业需要的是能把AI和行业结合的人，而不是单纯行业专家或AI专家
+
+**附件**：《AI讲师简介与培训大纲-制造业方向.pdf》，包含完整讲师简介、两个参考案例、一天培训大纲（4模块+1研讨）、后续服务说明。
+
+**我的联系方式**：
+- 电话/微信：13601258410
+- 邮箱：freeak@163.com
+- 公众号：翮必说
+
+期待与您进一步沟通，也欢迎安排我与客户进行线上需求对接。
+
+顺祝商祺，
+
+王立刚