AI赋能供应链

课程背景

供应链日常运营中，需求波动、库存积压、采购延期等场景高度重复且数据密集，业务人员大量时间消耗在数据比对、异常筛查和手动整理报告上。与此同时，AI Agent和Workflow工具已从“技术部门专属”走向“业务人员可配置”，但多数供应链从业者缺乏将业务痛点转化为AI可执行指令的系统方法。

本次课程应业务部门需求，在两天时间内，以Dify平台为载体，聚焦业务人员无需写代码即可设计AI助手与自动化流程的能力培养，帮助团队快速形成可演示、可评估的AI应用构思，为后续规模化落地打基础。

课程收益

认知层面

理解AI Agent与Workflow在供应链场景中的适用边界，能准确判断“哪些问题适合用AI解决”

掌握供应链数据安全红线意识，明确Dummy Data的使用规范

技能层面

能将业务抱怨转化为结构化的User Story和AI可识别的Prompt指令

能独立在Dify平台上配置一个简单的供应链Agent（如Forecast版本比对）

能基于模板搭建一个简单的自动化Workflow（如库存预警或PO异常监控）

能读懂Agent/Workflow输出，并将其转化为面向管理层的一页纸行动摘要

成果层面

每位学员带走一份完整的“AI应用构思书”（含痛点、User Story、Agent草案、Workflow草图、预期收益）

形成一个可在培训环境中运行验证的Agent原型 + 一个Workflow原型

明确下一步可向技术团队提出的“真实场景落地需求”清单

课程大纲

第一天：AI基础认知与Agent设计实践

模块一：认知破冰——AI在供应链中的角色与边界

第1节：供应链业务人员的AI机会地图

供应链中高频、规则明确、重复性高的场景识别（需求比对、库存预警、PO跟踪）

AI能做什么、不能做什么：区分“增强判断”与“替代决策”

两天课程能带走什么：一个痛点、一个故事、一个Agent草稿、一个Workflow草图

第2节：Dify平台全景认知

Dify是什么：对话能力（类似ChatGNPT）+ 流程编排能力（类似Power Automate）的组合定位

讲师演示：登录预置环境、浏览Agent模板库、查看Dummy Data数据集

学员实操：完成首次登录、切换界面语言、熟悉主控制台三大区域（对话/工作流/数据）

第3节：供应链数据安全红线

什么是Dummy Data：完全虚构的产品名（如Product_A）、虚构供应商（如Vendor_X）、虚构数值

禁止行为的逐条解读：不得上传真实Forecast、库存、BOM、订单、邮件、截图

签署承诺书 + 环境隔离说明 + 培训结束后数据自动清理机制

模块二：从业务痛点走向AI指令——Prompt与User Story

第1节：把业务抱怨翻译成AI听得懂的话

糟糕的指令：“帮我分析一下需求” → 好的指令：“对比2026年8月版与7月版Forecast，找出差异最大的Top 10 SKU”

指令四要素：对象（哪个数据）、动作（比较/分类/提取）、范围（时间/数量/层级）、输出格式（列表/摘要/表格）

学员练习：给出一段业务抱怨原文，三人一组改写成清晰指令

第2节：User Story写法——业务与AI的契约

标准格式：“作为[角色]，我希望[做什么]，从而[达成什么价值]”

供应链示例拆解：As a Demand Planner, I want AI to compare forecast versions, so that I can spot demand shifts earlier.

学员练习：将自己选的业务痛点写成一个User Story，组内互评是否明确、可衡量

第3节：从User Story到Agent输入输出定义

输入定义：Agent需要什么数据（如两个版本的Forecast Excel表头结构）

输出定义：Agent要返回什么（差异摘要 + Top变化清单 + 一句话行动建议）

约束条件：只能使用提供的Dummy Data、不访问外部系统、不调用真实API

模块三：动手搭建第一个供应链Agent——Forecast Version Analysis

第1节：基于模板创建Agent

讲师演示：从预设模板复制一个“Forecast Comparator”Agent

学员实操：填写Agent名称、描述、系统提示词（System Prompt）

关键技巧：在系统提示词中限定“你只能使用我提供的Dummy Data，不得编造数据”

第2节：配置输入变量与测试数据

上传培训方提供的两份Dummy Forecast文件（2026-07版与2026-08版）

定义输入参数：版本A路径、版本B路径、Top N数量（默认10）

学员实操：逐项填写配置，讲师巡回检查常见错误（路径写错、格式不匹配）

第3节：运行Agent并解读输出

执行第一次对话测试：“请比较两个版本的变化”

解读输出三部分：差异摘要（整体变化方向）、Top Increase / Top Decrease SKU清单、风险提示

学员调整：根据输出质量优化系统提示词中的“输出格式要求”，重新运行对比效果

模块四：从Agent输出到管理建议——输出质量与业务语言转化

第1节：识别Agent输出的“信号”与“噪声”

信号：差异超过±20%的SKU、连续两个月方向一致的品类

噪声：数值波动在±2%以内且绝对量很小的变化

学员练习：在Agent输出的30个变化SKU中，筛选出真正值得关注的5个

第2节：把数据结论翻译成管理摘要

格式模板：“本期重点关注[品类/产品]，变化方向为[上升/下降]，幅度[XX%]，建议[具体行动]”

示例：从“SKU_A +35%”转化为“Product_A需求明显走强，建议提前与供应商确认产能”

学员实操：基于自己的Agent输出，写一段150字以内的管理摘要

第3节：当天复盘与问题收敛

小组内分享各自的Agent配置亮点和踩坑经验

讲师集中答疑：配置问题、输出质量问题、数据理解问题

布置当天作业：完善自己的User Story和Agent设计草案，第二天带入Workflow环节

第二天：Workflow编排与综合场景演练

模块五：理解Workflow——从单次问答到自动化流程

第1节：Workflow思维——当“问一次”变成“持续跑”

Agent vs Workflow区别：Agent是“你问它答”，Workflow是“设定条件自动触发后续动作”

供应链典型Workflow场景：库存低于阈值 → 自动发提醒 → 生成补货建议

讲师演示：一个简单的PO Alert Workflow（监控Dummy PO数据中的延期行）

第2节：Workflow的三大构件——触发、判断、动作

触发方式：手动触发 / 定时触发 / 数据更新触发（本次培训仅用手动+模拟定时）

判断节点：IF库存<安全库存 THEN 生成警报 ELSE 保持静默

动作节点：输出提醒消息、生成摘要报告、模拟发送通知（不连接真实邮件）

第3节：在Dify中搭建第一个Workflow草图

学员实操：基于预设模板，拖拽配置三个节点（数据输入 → 条件判断 → 结果输出）

使用Dummy Inventory Data测试：找出库存低于安全线的SKU

输出形式：风险SKU清单 + 每条标注短缺数量 + 建议补货量

模块六：第二个案例实战——Inventory Health或PO Alert

第1节：案例选择与场景确认

每组二选一：Inventory Health（库存健康扫描）或 PO Alert（采购订单异常监控）

定义各自的User Story和预期输出格式

讲师分发对应的Dummy Data（库存表 或 PO表）及字段说明

第2节：配置Workflow节点与测试

依照第一天的Agent经验，完成Workflow的输入定义、判断逻辑配置、输出格式设定

运行测试：至少执行两轮，第一轮看输出结构，第二轮微调判断阈值

常见调优点：安全库存百分比阈值、延期天数判定标准、输出排序方式

第3节：输出业务可用的行动清单

将Workflow输出转化为“异常清单 + 影响说明 + 跟进建议”三段式

示例：PO#123延期7天 → 影响产线X备料 → 建议今日联系供应商确认新交期

组内互评：看对方的行动建议是否具体、是否可执行

模块七：AI推理模块——让Workflow自己“选路”

第1节：什么是“引导式推理”（Guided Reasoning）

概念简化：AI先判断“这是什么类型的风险”，再决定调用哪个Workflow

供应链场景：输入一段业务描述，AI识别是“需求风险”“库存风险”还是“供应风险”

讲师演示：一个简化版推理节点，根据关键词（“Forecast”“库存”“PO”）输出风险类型标签

第2节：配置一个简单的“路由Workflow”

搭建一个三层结构：输入文本 → 风险类型判断 → 分支输出（推荐对应Workflow）

学员实操：用预设的推理模板，测试3段不同业务描述的路由准确性

输出形式：“识别为[库存风险]，建议运行Inventory Health Workflow”

第3节：路由结果 + 具体Workflow输出的串联演示

讲师完整演示：从一段业务描述输入 → 路由判断 → 自动调取对应Workflow → 输出最终管理摘要

讨论环节：这种“先判断再执行”在实际工作中可能的应用场景

明确边界：本次仅为演示概念，不涉及真实多Agent编排或系统联动

模块八：综合演练、成果整理与后续路径

第1节：两天成果整合——形成一份“AI应用构思书”

每位学员整合：业务痛点 + User Story + Agent设计草案 + Workflow草图 + 管理摘要示例

使用培训方提供的模板文档，填入自己的内容

格式要求：一页纸，五大板块清晰，语言面向业务主管

第2节：小组内成果路演（每组8分钟）

每组推选一个代表，用一页纸展示自己的AI应用构思

其他组提问：业务价值是否清晰？数据依赖是否明确？输出是否可操作？

讲师逐一点评，重点评价“业务问题到AI方案的转化逻辑”是否通顺

第3节：课程总结与下一步建议

回顾两天关键收获：从痛点→指令→Agent→Workflow→行动建议的完整路径

明确本次不包含但可后续拓展的方向：真实系统连接、多Agent协作、Control Tower