这些是带教过程中现场想出来的类比和真实案例，比干讲定义有效得多。它们不是操作步骤，穿插进正课章节会显得生硬，所以单独收在这里，讲课时可以挑着用，写PPT也可以直接抄。原始出处：《7.18第一次培训·完整总结与案例库》。
一、类比素材库
类比：LLM = 一张白纸但脑子好用的清华应届生
"你可以理解成他是清华毕业的刚毕业的大学生，一张白纸，但头脑足够好用。模型不断升级，就是把它从清华升级到了哈佛。但前提是这个大脑你怎么去用，把它用到哪里去。"
延伸讲法：
- Prompt = 交代任务的清晰度——"这个清华大学生，你问题说不清楚，他也不知道怎么回答你"
- RAG = 给这个大学生塞一本你公司的专属资料——他刚入职，不知道公司的产品、制度，得靠资料库现学
- Agent = 大学生有了手和脚——原来只能"说"，现在能"做"（发邮件、查库存、下单）
- 微调 = 从小培养这个大学生的说话习惯——不是给资料，是从底层调整他的"性格"（比如用去年的日记去微调，让AI说话风格像自己）
类比：AI视频生成 = "抽卡"
设计师/摄影师的说法："我现在有个小剧本了，这个剧本生成的效果是不可控的，是概率。我抽十次中一次满意，就基于这个范本再去优化。"
延伸数据：AI视频目前占整个token消耗量的50%+（52%-54%）——因为"抽卡"式生产天然是高消耗的，一条能用的结果背后是大量废弃的尝试。
案例：为什么"跑分第一"不等于"好用"
某大厂新上任的AI负责人，把评估逻辑从"跑分导向"改成"实际业务测试用户反应度"。原来的逻辑是"我跑分更牛逼所以我的AI更好"，新负责人认为跑分不代表符合你的场景，一定要自己实验。
配套素材：某公司内部AI评估会议上，有人主张用"业务人工评分"，领导却坚持用"AI回答与检索资料的相似度"作为标准，学员敏锐地指出"这个标准感觉大家都差不多"。这段对话本身就是一个很好的面试追问素材：检索到的资料 ≠ 回答没有幻觉，两者是两件事，评估维度选错了会掩盖真实问题。
案例：模型语料的"文化适配"差异
"DeepSeek和Gemini出汇报材料，DeepSeek更好，因为DeepSeek的语料是大量中国汇报场景——它知道怎么'跪舔'老板。Gemini没有那么'跪舔'。"
这是讲"中美大模型差距不只是技术参数，还有语料的场景适配"最生动的例子，比讲benchmark分数更有说服力。
案例：七匹狼给销售配"AI小盒子"
一家鞋服公司花几千万给所有销售配了个带麦克风的AI小盒子，自动记录跟客户的对话，作为CRM系统的数据源。销售场景是目前企业最愿意花钱的AI应用领域之一。
商业逻辑类比：健身教练定价 = AI下沉市场逻辑
一个教练收费400元，服务很细致；另一个教练收250元，只是"数个数"。99%的人会选250元的那个，只有1%-2%的人会为专业付400元。
延伸到AI内容创作的讨论：面对"AI生成内容是工业垃圾、劣币驱逐良币"这类抵触情绪，可以这样回应——这和拼多多的逻辑一样，你可以看不上，但下沉市场的真实需求和商业规模是存在的，不能用精英审美否定它的存在。这段讨论适合作为培训里的"价值观开放讨论"环节，不需要给出统一答案。
黑色幽默素材：牛马没有"量化痛苦"
"下雨天牛马还会自己找地方休息，人还得去上班。"——配合"token没有情绪，可以被无限压榨"的讨论。可以作为课堂调节气氛的素材，也隐含一个严肃议题：AI额度治理正在变成新的"绩效指标"，未来可能出现"用AI用得好不好"本身就是KPI。
二、给学员的求职/职业建议
这部分的底层逻辑可以复用到任何"技术背景不深、想往AI应用方向走"的学员身上：
不要往纯技术方向卷——纯自研（Python+LangChain这类）门槛最高、招聘量最小，且大厂校招生已经占了80%-90%的名额，社招要求非常资深。应用型AI岗位的需求量是纯技术岗的9倍（"10%纯技术，90%是应用"），这才是现实的路径。
英语是隐藏的效率杠杆——建议直接用英文向AI提问，因为中文问题要先翻译成英文再处理，回复准确度会打折扣，且英文语料库本身更丰富。
面试要同时展现"AI理解"+"业务场景理解"，缺一不可——纯懂技术的人做不了落地，因为不知道该用在哪；纯懂业务不懂AI边界的人提不出可行方案。找JD时要先弄清楚这个岗位/部门的真实痛点是什么，面试时能聊到点子上，成功率会高很多。
个人项目必须"改造成自己的场景"才是真正属于自己的——直接照搬带教项目去面试，一问细节容易被问穿。
审美是AI替代不了的红利区——C端场景（图片、视频、PPT配色）AI能批量生产，但"是否符合老板/市场的审美"仍然需要人判断。懂审美的人在AI时代反而更吃香，这条建议对任何背景的学员都成立，不限于技术方向。
面对老板要"看人下菜"——年轻/激进的老板，展现"我已经深入研究、做过部署"；年纪大、传统的老板，要展现愿景和耐心（"给他画饼"），不要用同一套话术套所有面试官。
三、行业分层认知（口语化速记版）
阶段1（22-23年）：个人用AI写文档，5小时变2小时——个人提效
阶段2（24-25年）：AI嵌入具体流程节点（比如飞书自动推送报表）——场景嵌入
阶段3（现在，少数厉害团队）：从"加功能"变成"流程闭环"——比如门店巡查从50小时变5小时
阶段4（最前沿）：更复杂的资源投入，客服是目前跑得最快的领域（人力成本高+知识库标准化程度高）
阶段5（愿景）：原生组织与商业模式重构——1000人的业务盘子，100人就能撑住
行业速度差异： 互联网/新零售 > 智能制造硬件（安克、大疆这类） > MCN/自媒体（人效极致导向，变化最快） > 传统制造业/国央企（数据安全顾虑重，速度最慢）。新兴中小企业反而可能比大公司船小好调头，"没有历史包袱"是一种优势，不是只有大公司才能做好AI。
延伸阅读（未并入本课程正课，保留原样）
企业端AI应用现状、企业级系统全貌这两份，以及核心概念与工具生态、RAG入门案例这两份原始版（内容已经分别改写进了第1章和第2章，这里留的是没有改写过的完整原文），一起收进了附录D，跟操作手册的重合度不高，这次重构没有拆进正课章节，需要时可以直接查阅，未来也可以考虑单独拆成"进阶篇"。
还有两份没有搬进课程重构文件夹，仍以原始形式留在 AI培训 根目录下：
- 整理-1(汇总) —— 两天学习的总纲，概念+实操+企业视角+求职方法论的合订本
- 模拟面试题库 · 三层追问版 —— 六大模块、三层追问的完整面试题库