AI Adoption Specialist 做什么、市场需求 ($70K-$250K)、和 AI Engineer / AI PM 的区别
讲师用自己的真实案例走一遍完整流程：识别机会 → 选工具 → 跑试点 → 培训团队 → 管理变革 → 度量扩展
学员上手体验：用 ChatGPT / Claude 完成 3 个真实任务（邮件整理、会议摘要、数据分析）
Prompt Lab: hello-ai — 第一次和 AI 对话
现场 3 个任务练习：
1. 用 AI 整理一周的邮件摘要
2. 用 AI 总结一段会议录音
3. 用 AI 分析一份 CSV 销售数据
写一份 "AI 在我的工作中的 5 个应用机会" 清单
要求：每个机会标注当前耗时、AI 预计节省时间、用什么工具
这份清单会在 Week 5 的 AI Pilot 设计课中用到
ChatGPT: Custom Instructions 配置、GPT Store 使用、Advanced Data Analysis (Code Interpreter)、Canvas 协作编辑
Claude: Projects 功能、Artifacts 代码/文档生成、100K+ 长文档分析、结构化 JSON 输出
现场对比：同一个任务用两个工具做，分析各自优劣
Prompt Lab: clear-task — 任务清晰度练习
Prompt Lab: output-format — 控制输出格式
实操练习：
1. 用 ChatGPT 分析一份真实销售数据 CSV，生成图表和洞察
2. 用 Claude Projects 构建 "公司政策知识库"，上传 3 份文档后对话测试
1. 为你的岗位写一份 ChatGPT Custom Instructions，提交使用前后的输出对比
2. 用 Claude 分析一份 20 页 PDF 合同，标记风险条款，输出结构化报告
Microsoft Copilot: Word/Excel/PPT/Teams 集成演示
Google Gemini: Docs/Sheets/Slides 集成演示
AI 工具选型框架（Adoption 专属）：
帮公司选 ChatGPT Enterprise vs Claude Teams vs Copilot — 评估维度、对比矩阵、POC 方法
统一答疑 Week 1 所有问题
1. 用 Gemini 在 Google Sheets 中自然语言分析数据
2. 用 Copilot 在 Excel 中生成 Pivot Table
Prompt Lab: context-management — 高效管理上下文窗口
对比报告：同一个任务用 ChatGPT / Claude / Copilot 三个工具完成，写一份对比分析
包含：各工具的优势、劣势、适用场景、定价对比
这份报告的格式就是未来帮公司做工具选型的模板
角色设定、Few-shot Learning、Chain of Thought、结构化输出 (JSON/Markdown)、Prompt 模板库构建方法
现场对比：好 prompt vs 坏 prompt 的真实输出差异
讲师展示自己的 Prompt 模板库，讲解每条 prompt 的设计思路
Prompt Lab 10 个真实场景练习：
zero-shot · few-shot · role-playing · chain-of-thought · constraints · json-schema · business-writing · text-summarization · information-extraction
课上做 3-4 个核心 Lab，其余课后自学
建立一个 10 条 prompt 的个人模板库
每条标注：场景、变量、预期输出、使用的技巧 (few-shot / CoT 等)
这个模板库会在 Week 6 的 AI 培训设计课中作为教学素材
前 1h — AI 自动化：
Zapier AI Actions、Make.com AI modules、n8n AI Nodes
讲师现场搭建 Zapier workflow
后 1h — Email AI 管理：
多个邮箱统一绑定 → AI 分类 → 优先级排序 → 自动回复草稿 → 跨邮箱摘要
讲师演示自己的真实 Email 工作流
用 Zapier 搭建自动化流程：
"收到邮件 → AI 分类 → 更新 Google Sheet → 发 Slack 通知"
Prompt Lab: information-extraction — 从邮件中提取结构化信息
为你的日常工作设计 3 个自动化 workflow
每个包含：流程图、涉及的工具、预计节省时间
+ 配置好你的 Email AI 管理（至少绑定 2 个邮箱）
前 45min — Vibe Coding (Non-coder 版)：
Cursor 基础操作、用自然语言让 AI 写 Google Sheets 公式 / SQL 查询 / Python 脚本
中 45min — 会议 AI + 知识管理：
Otter.ai / Fireflies 会议记录、Notion AI 知识库搭建、AI 搜索 (Perplexity)
后 30min: 统一答疑 + Phase 1 总结复盘
Prompt Lab: code-generation — AI 写代码练习
Vibe Coding Lab: 用 Cursor 做一个简单数据 Dashboard
用 Otter.ai 转录 30 分钟模拟会议 → 生成结构化 notes (decisions, action items, owners)
1. 用 AI 写一个自动化报表脚本 (Google Apps Script 或 Python)，截图演示运行结果
2. 搭建一个团队 AI 知识库 demo (Notion AI 或 Claude Projects)，至少 10 篇文档
用 AI 生成广告文案 → 批量产出 A/B 变体 → 配合 Meta Advantage+ 投放优化
讲师展示自己/客户的真实 Facebook 广告数据 + ROI
AI 广告图生成：Midjourney prompt 技巧 + Canva AI Magic Studio 快速出图
Prompt Lab: business-writing — 商业文案写作
Prompt Lab: few-shot — 品牌风格模仿
Prompt Lab: constraints — 字数/格式约束
综合练习：为一个虚拟电商品牌创建一组 Facebook 广告（5 条文案变体 + 3 张 AI 生成图片 + 受众定位建议）
完整广告方案：
品牌定位 → 受众分析 → 5 条文案变体 → 3 张广告图 → 投放策略 → 预算建议
模板格式，未来帮客户做广告方案可以直接复用
用 AI 规划月度内容日历 → 生成文案 + hashtag → 批量生产 TikTok/Reels 脚本 → 发布时间优化
多平台适配：LinkedIn 专业调、Instagram 视觉调、TikTok hook 设计
Prompt Lab: role-playing — 不同平台语调切换
Prompt Lab: output-format — 日历/表格格式输出
综合练习：为一个品牌做一周社交内容（LinkedIn 3 条 + Instagram 5 条 + TikTok 脚本 2 条，含 hook 设计）
提交一个月的社交媒体内容日历
含：每条文案、hashtag、配图方向、发布时间建议、平台适配说明
Welcome 序列设计 → Nurture 邮件 → 促销邮件 → 针对不同 Segment 个性化 → Subject Line A/B 测试
讲真实案例：哪种 subject line 打开率最高、为什么
Prompt Lab: business-writing — 邮件写作
Prompt Lab: few-shot — 风格一致性
Prompt Lab: constraints — 字数/CTA 约束
综合练习：为一个 SaaS 产品设计 5 封 welcome email 序列（含 A/B 测试的 subject line）
完整 email marketing 方案：
序列设计 (5 封) + 文案 + segment 策略 + KPI 目标 (打开率/点击率)
关键词研究 (AI 辅助聚类) → 大纲生成 → AI 长文撰写 → 内链优化 → AI 检测与人工改写
为什么纯 AI 写的文章 Google 不收录、怎么改才行
Prompt Lab: chain-of-thought — 大纲生成（分步骤思考）
Prompt Lab: prompt-chaining — 多步长文写作
综合练习：选一个关键词，用 AI 完成从调研到终稿的全流程，产出一篇 2000 字 SEO 文章
交付可发布的 SEO 文章 + 关键词分析报告
含：目标关键词、搜索量、竞争度、文章大纲、终稿
学员带自己的品牌/产品来，讲师现场帮你用 AI 做广告方案
挑 3 份学员作业 live 点评（全班看）
学员提前在群里提问
讲师集中解答 Week 3 所有问题
不是 1v1，是集中 Q&A
"这周学的 Marketing 场景，如果你是 Adoption Specialist，你会怎么把它变成一个 Pilot 提案给 CMO？"
把场景学习拉回角色视角
AI 批量研究潜在客户 → 抓取公司信息/决策者/pain points → 生成个性化 cold email
讲师角色扮演 Sales Call：演示如何用 AI 准备 briefing、现场 pitch、生成 follow-up
学员现场写 3 封邮件，讲师 live 改
Prompt Lab: role-playing — 客户视角思考
Prompt Lab: information-extraction — 从网页提取客户信息
综合练习：给 10 个目标客户各写一封个性化 cold email（每封不同的 opening line 和 value prop）
完整 outreach 策略：
目标客户选择标准 → 10 个客户研究 → 10 封个性化邮件 → 跟进计划 (Day 3 / Day 7 / Day 14)
方案 A — 外部客服 Bot：
Chatbase / Intercom Fin — 基于 FAQ 构建 AI 客服，L1 自动处理，复杂问题转人工
方案 B — 内部知识库 Bot：
OpenClaw — 本地部署 AI Bot，上传公司文档做知识库，接 Slack/Teams/Discord，数据不出公司
Prompt Lab: system-prompt-design — 系统提示词设计
Prompt Lab: qa-system-design — Q&A 系统设计
Prompt Lab: hallucination-defense — 防幻觉
综合练习：
1. 用 Chatbase 为虚拟产品搭外部客服 Bot（上传 FAQ，10min 搞定）
2. 用 OpenClaw 搭内部知识库 Bot（接 Slack/Teams，上传公司文档）
提交：
1. 外部客服 Bot 链接 + 10 个测试 Q&A 对 + 准确率报告
2. 内部知识库 Bot 截图 + 测试 Q&A
3. 对比报告：哪个场景用哪个方案
AI 准备 call briefing → 会后自动生成 summary + action items → 更新 CRM → 生成 proposal 初稿
完整的 Sales AI 工作流：从 call 前到 call 后的全链路自动化
Prompt Lab: text-summarization — 会议纪要摘要
Prompt Lab: json-schema — 结构化输出 (action items)
综合练习：从一段模拟 sales call 录音中用 AI 提取 key points、action items，生成 follow-up email + proposal outline
提交全套 Sales 支持材料：
call prep briefing + call summary + follow-up email + proposal outline
模板化，以后每次 sales call 都能复用
批量分析 support tickets / NPS responses / App Store 评论 → 识别 recurring issues → sentiment 趋势 → 生成 insight 报告
怎么从 100 条杂乱评论中提炼出 3 个 actionable insights
Prompt Lab: classification — 分类标注（正面/负面/功能请求/bug）
Prompt Lab: information-extraction — 批量提取关键信息
综合练习：分析 100 条模拟客户评论，产出 insight 报告（top 5 问题 + sentiment 趋势 + 改进建议）
用真实数据（或更大的模拟数据集）完成完整的客户反馈分析报告
含：数据来源 + 分类方法 + top 5 问题 + 趋势图 + 改进建议 + 给产品团队的 memo
学员提交的 Cold Email 讲师逐封点评
OpenClaw Bot 问题排查
挑 3 份作业 live 点评
Week 4 所有问题集中解答
"Sales 部门用 AI 最容易踩什么坑？如果你是 Adoption Specialist，你要怎么设计 Pilot 让 VP Sales 买单？"
前 1h — 招聘全流程：
AI 写 inclusive JD → 批量筛选简历 → JD 匹配自动排名 → 生成结构化面试问题 → bias 检查
后 1h — 财务：
Claude Vision 读发票/收据照片 → 提取结构化数据 (金额/日期/类别/GST) → 自动记账条目
Prompt Lab: classification — 简历匹配打分
Prompt Lab: information-extraction — 发票数据提取
Prompt Lab: json-schema — 结构化 JSON 输出
综合练习：
1. 写 Marketing Manager JD → 筛选 20 份模拟简历 → Top 5 shortlist + 匹配分析
2. 用 Claude Vision 读取 5 张收据 → 提取数据 → 生成记账条目
1. 完整招聘 AI 方案：JD + 筛选标准 + shortlist + 面试问题 + bias 检查报告
2. 处理 10 张模拟发票，输出完整记账条目 + 月度费用汇总
SOP 自动生成： Scribe AI 录屏 → 自动生成步骤文档
周报自动化： Gamma AI 从 bullet points 生成 PPT
OpenClaw 团队自动化：
定时任务 (Cron 每周五自动汇总发到 Slack) → Multi-Agent 路由 (Marketing Bot / Sales Bot 各管各的)
Prompt Lab: prompt-chaining — 多步长文档生成
Prompt Lab: text-summarization — 周报摘要
综合练习：
1. 录制 5 分钟屏幕操作 → Scribe AI 生成 SOP
2. 用 Gamma AI 从 bullet points 生成周报 PPT
3. OpenClaw 搭定时周报 Bot + 配置 Multi-Agent
提交：
1. 一份 SOP 文档
2. 一份自动生成的周报 PPT
3. OpenClaw Bot 截图 (定时任务 + 消息平台连接)
4. 团队自动化方案（哪些流程可以自动化 + ROI 估算）
全课程转折点 — 从"用工具"到"帮公司用工具"
怎么设计一个 AI 试点项目：
选哪个部门 → 选什么场景 → 定什么 KPI → 怎么控制变量 → 4 周跑完 → 怎么汇报结果
讲师分享自己做 Pilot 的真实经验和踩坑
Phase 1-2 复盘：你现在会了哪些工具和场景，怎么组合成一个完整方案
现场练习：
用 Week 1 作业里写的 "5 个 AI 应用机会" 清单，选 1 个设计成 Pilot 方案
填写 Pilot 设计模板：
目标部门 + 场景 + 工具 + KPI + 时间线 + 预算 + 风险
完整 AI Pilot 提案 (1 页)：
部门 + 场景 + 工具选型 + 成功 KPI + 4 周计划 + 预算 + 预期 ROI
这份提案会在 Week 8 毕业项目中扩展成完整方案
后 30min: 统一答疑
AI 成熟度模型 (40min)：
Level 1 (个人探索) → Level 2 (部门试点) → Level 3 (标准化流程) → Level 4 (跨部门协同) → Level 5 (AI-Native 组织)
每级的特征、案例、常见问题
AI 就绪度评估 (40min)：
8 维度框架：Leadership Buy-in / Data Readiness / Technical Infrastructure / Talent & Skills / Process Documentation / Budget / Risk Tolerance / Compliance
学员现场对自己公司打分
AI 机会审计 (40min)：
"AI Shadow Day" 方法 — 跟踪一天工作流程标记 AI 机会
ROI Calculator 排序 — 哪个场景先做、为什么
新建 Lab: AI 就绪度评估 Lab
→ 场景式 Prompt Lab：输入公司信息，AI 引导你逐个维度评分
→ 自动生成就绪度报告
新建 Lab: AI 机会审计 Lab
→ 分析 5 个部门的工作流程描述
→ 识别 Top 10 AI 场景
→ 用 ROI Calculator 排序
为自己的公司/客户完成：
1. AI 成熟度定位（现在哪级 → 目标哪级）
2. 完整就绪度评估报告（8 维度打分 + 每个维度的具体发现 + 改进建议）
3. AI 机会审计报告（Top 10 场景 + ROI 排序）
全课程互动性最强的一课
ADKAR 模型 (1h)：
Awareness → Desire → Knowledge → Ability → Reinforcement
处理阻力的策略、常见阻力类型及回应话术
AI Champion 网络概念
利益相关者管理 (45min)：
CEO 关心战略、CFO 关心 ROI、IT 关心安全、Legal 关心合规
每个角色的沟通策略和话术模板
角色扮演 (45min)：
讲师扮演 CFO 拒绝你的 AI 预算申请，你怎么说服？
学员轮流上场 pitch
现场 Workshop 练习：
1. 利益相关者地图：画出你公司的关键 stakeholder + 每人的立场/关切
2. 角色扮演：
场景 1: 向 CTO 推荐 OpenClaw 部署
场景 2: 向 HR Director 推荐 AI 筛选简历
场景 3: 向 CFO pitch AI 投资预算
写一份变革沟通计划：
1. 利益相关者分析表（每个角色的立场/关切/沟通策略）
2. 沟通策略（什么时候、对谁、说什么）
3. 阻力应对方案（预判 3 个可能的阻力 + 回应）
4. 时间线
AI 培训项目设计 (1h)：
分层培训：AI Literacy → Tool Training → Advanced
AI Champion Program：选拔标准、培训内容、激励机制、汇报机制
"AI Fridays" 实验机制
内部 Prompt Library 建设（复用 Week 2 的模板库）
AI 预算与商业案例 (30min)：
怎么写一份让 CFO 5 分钟就批的 AI 投资提案
ROI 计算模型 + 真实案例数据
统一答疑 (30min)
小组讨论：每组为不同部门 (Marketing / Sales / HR) 设计针对性的 AI 培训大纲
现场练习：用 AI 生成一份 AI 投资提案初稿
Prompt Lab: business-writing — 提案文档写作
1. 为一个 50 人部门设计 4 周 AI 培训计划
含：课表 + 培训材料 + 考核方式 + Champion 选拔标准
2. 写一份 AI 投资提案（1-2 页）
含：问题描述 + 方案 + 预算 + 预期 ROI + 时间线
AI 使用政策 (1h)：
Acceptable Use Policy 模板 — 批准工具列表、数据分类表 (Public/Internal/Confidential/Restricted)、disclosure 要求、人工审核规则
合规 + 伦理 (1h)：
GDPR / Australian Privacy Act 实操注意事项
AI 供应商评估 checklist（SOC 2、数据驻留、训练数据政策）
AI 伦理案例讨论 — 3 个 AI 出错的真实案例（法律/招聘/医疗）
新建 Lab: AI 使用政策 Lab
→ 场景式 Prompt Lab：填写政策模板 → AI 检查条目覆盖度 → 生成完整 Policy 文档
现场练习：对 3 个 AI 工具 (ChatGPT/Claude/Copilot) 做供应商安全评估对比
Prompt Lab: prompt-injection-defense — AI 安全
1. 提交完整的 AI 使用政策文档（可直接用于真实公司）
2. 对 3 个工具的 供应商安全评估对比报告
3. 写一份 AI 风险清单：你的业务中 AI 可能出错的 5 个场景 + 预防措施
OpenClaw 作为组织级 AI 基础设施：
→ 为什么选 OpenClaw：本地部署、数据不出公司、开源免费 (307K Stars)
→ 架构：Canvas 白板 + Voice Wake + 49 内置 Skills + 3200+ 社区 Skills
→ 21+ 消息平台：Slack / Teams / Discord / WhatsApp / Telegram
→ 多 Agent 路由：Marketing / Sales / HR 各配专属 AI Agent
→ MCP 集成：13000+ MCP Server 连接外部工具
安全： ClawHavoc 事件回顾 + 沙箱机制 + 数据主权
选型决策： OpenClaw vs ChatGPT Enterprise vs 自建，什么公司用什么方案
讲师 Live Demo + 学员跟做：
1. 安装 OpenClaw (Docker 一键部署)
2. 连接 LLM (OpenAI/Claude/Ollama 本地模型)
3. 接入 Slack 或 Teams → 团队直接在聊天里问 AI
4. 上传公司 wiki/handbook → AI 变成公司知识库
5. 配置 Cron 定时任务：每周一自动发团队待办摘要
6. 设置 Multi-Agent：Marketing Bot + Sales Bot + Ops Bot
为你的公司/团队设计 OpenClaw 部署方案：
→ 选择哪些消息平台？
→ 配几个 Agent？各负责什么？
→ 上传哪些文档做知识库？
→ 设置哪些自动化任务？
→ 安全和合规怎么处理？
提交：部署方案文档 + 截图证明跑通了
AI 采纳 KPI + Dashboard (45min)：
采纳率、活跃用户数、任务完成时间、AI 辅助产出质量、成本节省
怎么设计一个 AI 采纳 Dashboard
规模化 + 失败案例 (30min)：
Pilot → Department → Organization 扩展路径
2-3 个真实 AI 采纳失败案例：某银行强推 AI 导致员工集体反弹、某零售商 AI 客服准确率太低被下架
分析失败原因、教训、怎么避免
Sustaining Adoption — 防回退 (15min)：
定期 AI 使用报告、季度 Prompt Library 更新、新员工 AI Onboarding Checklist、采纳率下降时的重新激活策略
向高层汇报 (30min)：
AI 月报/季报怎么做，管理层看什么指标，怎么讲故事让 CTO/CEO 觉得钱花得值
现场练习：
1. 设计 AI 采纳 Dashboard（选 5 个 KPI + 数据来源 + 汇报频率）
2. 写一份 AI 进展月报（给 CTO 看的 1 页摘要）
Prompt Lab: cost-optimization — AI 成本优化
1. AI 采纳 Dashboard 设计文档（5 KPI + 数据源 + 汇报频率）
2. 从 Pilot 到全公司推广的路线图（时间线 + 里程碑 + 风险）
3. 一份 AI 进展月报模板（可直接给管理层用）
后 30min: 统一答疑 + 毕业项目选题 Briefing 预告
毕业项目要求讲解：
为一家真实公司（自己的）或虚拟公司制定完整的 AI 采纳方案
方案必须包含：
现状评估 → AI 机会审计 → 优先级排序 → 实施路线图 → 预算 → 治理框架 → 培训计划 → ROI 预估
评分标准：
可行性 30% + AI 工具运用 25% + 变革策略 25% + 演示能力 20%
讲师展示 2-3 个优秀案例（往期或模拟）
每人 2 分钟说自己的选题方向
讲师给即时反馈：
- 范围太大/太小？
- 选的公司/部门是否适合？
- 数据能不能拿到？
- 建议聚焦的方向
项目 brief (1 页)：
公司背景 + 当前 AI 成熟度 + 目标 + 范围 + 时间线
用 Week 5 的 Pilot 提案作为基础扩展
每人 20 分钟 1v1
讲师/助教看方案进度
不是答疑，是深度指导：
- 方案逻辑是否通顺？
- 有没有遗漏关键板块？
- ROI 计算是否合理？
- 变革策略是否可行？
方案文档检查清单：
☐ 现状评估（成熟度 + 就绪度）
☐ 机会审计（Top 5 场景 + ROI 排序）
☐ 工具选型（为什么选这个工具）
☐ 实施路线图（Phase 1-3）
☐ 预算（工具成本 + 培训成本）
☐ 治理框架（政策 + 合规）
☐ 培训计划（分层 + Champion）
☐ ROI 预估（量化指标）
完整方案文档 (10-15 页) 初稿
Check-in 后根据讲师反馈修改
周四 Peer Review 前完成终稿
锻炼"评审别人 AI 方案"的能力
Adoption Specialist 日常工作就是要评估其他部门的 AI 方案
讲师发放评审 Checklist：
- 方案是否解决了真实业务问题？
- 工具选型是否合理？
- ROI 计算是否可信？
- 变革策略是否考虑了阻力？
- 有没有遗漏的风险？
学员两两配对
每人 30 分钟看对方的方案
用 Checklist 给对方写书面反馈
然后 10 分钟面对面讨论反馈
助教旁听每组，补充专业意见
1. 给对方的书面评审反馈（用 Checklist 格式）
2. 根据对方的反馈修改自己的方案
3. Demo Day 前最后一次修改机会
晚上完成方案终稿 + 制作演示 Deck（用 Gamma AI / Copilot PPT）
每人 10 分钟展示 + 5 分钟 Q&A
(P3 模式)
展示内容：
- 公司背景 + 现状评估
- AI 机会审计结果
- 实施方案 + 路线图
- 预算 + ROI 预估
- 风险和应对
用 AI 制作的 Deck 本身就是能力展示
讲师评审 + 打分 + 书面反馈
评分维度：
方案可行性 30%
AI 工具运用 25%
变革策略 25%
演示能力 20%
每位学员收到一份书面评审反馈
完成所有 Module + 毕业项目 Demo Day
→ 颁发 JR Academy AI Adoption Specialist 电子证书
后续支持：
→ 加入 Alumni 社群
→ Career Coaching (Premium)
→ Job Referral 推荐
→ 持续学习资源更新
| 维度 | Google AI | Andrew Ng | Harvard | JR Academy |
|---|---|---|---|---|
| 价格 | ~$50 | ~$50 | ~$2,800 | $799 |
| 时长 | 10h | 6h | 7 周 | 8 周 · 44h 直播 |
| 业务场景 | 0 | 0 | 部分理论 | 48 个实操 |
| Lab 实操 | ✗ | ✗ | ✗ | 22+ Labs |
| Adoption 专属 | ✗ | ✗ | ✗ | 7 个专属模块 |
| 老师互动 | ✗ | ✗ | 有限 | 每周 3 次直播 |
| 中文教学 | ✗ | ✗ | ✗ | ✓ |
| OpenClaw 部署 | ✗ | ✗ | ✗ | ✓ |
| 职业支持 | ✗ | ✗ | ✗ | 证书 + 推荐 |
/imagine luxury modern kitchen, bright natural light, staging style --ar 16:9 生成理想化场景图，用于朋友圈和 listing 首图/blend 混合空房实拍 + 目标风格参考图，生成更贴合实际空间的 staging 效果