商业技能
专业选修课 · 2学分, 中国人民大学高礼金融科技双学位实验班, 2026
课程定位：面向中国人民大学高礼金融科技双学位实验班学生，以“大语言模型（LLM）+ 智能体（Agent）+ 商业与金融应用”为主线，强调从业务问题识别到智能体原型构建、效果评测与合规治理的完整实践过程。
课程简介
本课程围绕大语言模型（LLM）与智能体（Agent）在商业与金融场景中的应用展开，在智能体、强化学习、多智能体系统、商业数据分析和金融场景案例基础上，结合2025—2026年大模型与智能体的发展，讲授长上下文与多模态理解、推理模型、提示工程、工具调用、检索增强生成（RAG）、工作流自动化、代码与数据分析智能体，以及智能客服、营销、智能投顾、风控与合规治理等主题。
通过“理论学习 + 案例分析 + 工具实操 + 小组项目”，训练学生将AI能力转化为可验证的业务价值，同时关注准确性、成本、延迟、数据安全和业务风险。
学习目标
完成本课程后，学生应能够：
- 理解LLM、推理模型、多模态模型、RAG、工具调用与智能体系统的原理、适用范围及局限。
- 识别金融、零售、客服、市场分析和风控场景中的AI应用机会，完成需求拆解与流程设计。
- 使用AI工具完成数据分析、文档理解、报告生成、客户画像、策略比较和业务自动化原型。
- 设计智能体效果评测方案，兼顾成本、延迟、人工审核、数据安全与合规要求。
- 通过团队项目展示智能体作品，论证技术方案、业务价值与风险控制措施。
课程讲义
第一讲：商业技能与AI智能体
学生阅读版，涵盖大语言模型、工作流与智能体的基本概念，工具调用与RAG、金融与商业应用、效果评测、风险控制，以及课堂练习与课后学习。
八周教学安排
| 周次 | 主题 | 核心内容与实践任务 |
|---|---|---|
| 第1周 | 课程导论：商业技能与AI智能体 | LLM、Agent的商业价值、能力边界与风险；梳理一个金融或商业AI应用场景。 |
| 第2周 | 大模型最新进展与提示工程 | 长上下文、多模态、推理模型、工具型AI；角色设定、任务分解、结构化输出和少样本提示；比较主流工具的表现。 |
| 第3周 | RAG、企业知识管理与工具调用 | 文档切分、检索、重排序、引用溯源、知识库评测；函数调用与数据库、浏览器等工具接入；设计知识库问答或自动化方案。 |
| 第4周 | 商业数据分析、客户服务与营销智能体 | 财务、交易和用户行为数据处理；客户画像、智能客服、个性化推荐与服务质量评测；完成数据摘要及Agent方案。 |
| 第5周 | 期中项目方案汇报与智能风控 | 汇报项目需求、数据、技术路线、风险和价值；学习异常检测、信用评分、交易监控、合规审查与人工复核。 |
| 第6周 | 智能投顾、研报生成与文档智能 | 风险偏好、资产配置与投资建议边界；财报摘要、竞品分析、会议纪要及引用核验；提交AI辅助分析片段。 |
| 第7周 | 强化学习、多智能体协作与治理评测 | Q-learning、DQN和策略优化；Planner–Executor、Reviewer、Critic等协作模式；准确性、鲁棒性、幻觉、成本、延迟与安全评测。 |
| 第8周 | 项目打磨、期末展示与课程总结 | 展示智能体原型、业务方案及评测结果；综合考查技术实现、商业价值、合规意识、团队合作和表达能力。 |
项目式学习
课程前半程重点训练模型与智能体基础、提示工程、RAG、工具调用和商业数据处理；后半程围绕客服、营销、风险控制、智能投顾、研报生成、流程自动化与多智能体协作完成项目实践。
- 课堂练习：模型比较、提示词设计、知识库方案、数据摘要与业务流程设计。
- 期中方案汇报（第5周）：提出业务问题，说明数据来源、系统设计、风险控制和预期价值。
- 期末智能体作品（第8周）：提交可展示的智能体原型、业务方案或项目报告、演示材料及AI使用说明。
项目评价重视问题定义、数据与知识组织、智能体流程设计、评测指标、风险控制及商业表达。
考核方式
| 考核环节 | 成绩占比 |
|---|---|
| 课程作业 | 30% |
| 研讨交流与课堂表现 | 20% |
| 期中项目方案汇报 | 20% |
| 期末智能体作品与项目报告 | 30% |
| 合计 | 100% |
期末提交材料包括智能体作品、业务方案报告和演示材料，并需说明AI工具使用情况，遵守学术诚信规范。
负责任的AI应用
课程将科技向善、诚信合规、数据安全、金融风险意识和负责任创新贯穿各周案例与项目评审，重点讨论算法公平、个人隐私、模型幻觉、版权与学术诚信、金融消费者保护等问题。在自动化方案中重视人工复核、证据核验和责任边界。
推荐阅读：经典思维与前沿商业
阅读书目围绕“善于提问—识别真需求—清晰表达—理解技术—验证价值—审慎决策”组织。经典阅读重点训练底层思维，前沿阅读侧重2023—2025年AI商业实践与治理。推荐阅读不要求一次读完，可按项目主题选择精读。
一、经典阅读（5本）
1. 《创新，从提问开始：深度学习模式探秘》
核心内容：基于以色列教育与创新实践访谈，讨论提问、思辨、深度学习与创新文化之间的关系。
课程应用：为拟开发的AI商业产品提出5个可检验的问题，区分“技术功能”与“业务问题”。
2. 《真需求》
核心内容：从用户价值、共识与商业模式出发辨识需求，结合产业和产品案例讨论商业创新为何成立。
课程应用：开展用户访谈，形成“目标用户—关键痛点—现有替代方案—价值主张”需求画布。
3. 《费曼学习法：用输出倒逼输入》
核心内容：通过目标聚焦、知识理解、简明复述、查漏补缺和再次表达，提高学习与知识迁移能力。
课程应用：用3分钟向非技术听众解释RAG或Agent的工作流程，标记解释不清的环节并修订。
4. 《批判性思维》（Critical Thinking）
核心内容：训练辨别事实和观点、评估证据、识别逻辑谬误，以及进行归纳、演绎与论证。
课程应用：审查一份AI商业计划中的关键假设、数据证据和因果推断，形成“主张—证据—反例”表。
5. 《艾伦·图灵传：如谜的解谜者》（Alan Turing: The Enigma）
核心内容：介绍图灵在计算理论、密码分析和机器智能方面的探索及其时代背景，帮助理解AI的历史起点。
课程应用：讨论“机器能否思考”的概念与当代大模型的能力边界，区分计算、模仿与理解。
二、近年商业技能延伸阅读（8本）
以下采用原版书名与原版书目信息，避免不同中文译本书名、出版时间和ISBN混淆。英文书可选择原版或可靠的授权译本阅读。
6. Co-Intelligence: Living and Working with AI（AI协作）
核心内容：讨论把生成式AI用作协作者、教练和学习伙伴，同时辨识其局限。
课程应用：设计“人工独立完成／AI辅助完成”对照任务，比较质量、时间和核验成本。
7. AI Snake Oil: What Artificial Intelligence Can Do, What It Can’t, and How to Tell the Difference（AI能力辨识）
核心内容：区分真实有效的AI应用与证据不足的宣传，理解预测、生成与评测的能力边界。
课程应用：为一款“AI赋能”商业产品设计验证清单，提出基线模型、失败情形和证据要求。
8. The Coming Wave: Technology, Power, and the Twenty-First Century’s Greatest Dilemma（技术创新与治理）
核心内容：从技术扩散、权力结构与社会治理讨论AI及相关技术对组织和产业的影响。
课程应用：为金融智能体项目绘制“机会—风险—控制措施”矩阵。
9. The Friction Project（组织流程优化）
核心内容：识别影响组织效率的无效摩擦，讨论哪些流程应简化、哪些约束反而必要。
课程应用：绘制客服或审批流程图，识别可自动化节点及必须保留的人工复核节点。
10. The Geek Way: The Radical Mindset That Drives Extraordinary Results（团队协作与创新文化）
核心内容：讨论科技企业的实验、学习、协作与组织文化，以及如何持续改进工作方式。
课程应用：为小组Agent项目设计实验周期、角色分工、反馈与复盘机制。
11. The Thinking Machine: Jensen Huang, Nvidia, and the World's Most Coveted Microchip（技术战略与商业化）
核心内容：以英伟达的发展为线索，理解技术押注、软硬件生态、平台战略及AI产业竞争。
课程应用：分析从底层算力到行业应用的价值链，绘制AI应用的商业生态图。
12. Empire of AI: Dreams and Nightmares in Sam Altman’s OpenAI（AI产业与责任治理）
核心内容：以调查报道视角讨论AI产业竞争、资源投入、组织决策及社会影响；阅读时应结合其他资料交叉核验。
课程应用：讨论AI产品的成本、数据来源、劳动分工和治理责任。
13. The Nvidia Way（企业经营与竞争优势）
核心内容：分析英伟达的产品路线、领导方式、市场转型和战略决策，可与《The Thinking Machine》对读。
课程应用：比较两本企业案例叙事的证据、重点与战略解释，形成商业案例分析。
三、建议阅读与实践路径
| 阶段 | 推荐阅读 | 课堂产出 |
|---|---|---|
| 问题发现与需求识别（第1—2周） | 《创新，从提问开始》《真需求》 | 研究问题清单、用户访谈提纲、需求画布 |
| 理解与表达（第2—3周） | 《费曼学习法》《批判性思维》《艾伦·图灵传》 | 3分钟技术说明、证据核验表、技术边界讨论 |
| AI产品与流程设计（第3—5周） | Co-Intelligence、The Friction Project、The Geek Way | AI协作实验、流程改进图、项目迭代计划 |
| 商业模式与前沿治理（第5—8周） | The Thinking Machine、The Nvidia Way、AI Snake Oil、The Coming Wave、Empire of AI | 商业生态图、风险矩阵、项目价值评估报告 |
阅读建议：每组从经典阅读中精读至少1本、前沿阅读中选读至少1本，在期中方案或期末报告中引用其关键观点，并用真实数据、访谈或实验结果检验，不把畅销书观点直接等同于事实或因果证据。