一、大模型与 AI Coding 技术新进展

1、开训仪式

(1) 培训目标与日程总览

(2) 学员分组与破冰

2、“自动化软件工厂”演示

(1) 现场演示：讲师在飞书中发两句话描述需求

(2) AI Agent 自动接收需求→拆解任务→生成代码→测试→发布上线

(3) 全程无人工干预，几分钟内完成

3、大模型新进展与行业趋势

(1) 前沿模型演进：Claude 4.6 Sonnet/Opus、GPT-5系列（含o3）、DeepSeek V3/R1、Qwen 3.5等

(2) 关键技术突破：长上下文窗口、推理型模型、多模态能力

(3) AI Coding 专用模型评测（SWE-Bench）与实际表现

(4) 行业趋势：从 Copilot 到 Agentic Coding，从辅助到自主

(5) Vibe Coding 核心理念：自然语言描述意图 → AI 写码 → 执行 → 观察 → 迭代

二、Vibe Coding 初体验：本地网页海报

1、Claude Code安装与配置

(1) 环境检查、安装 Claude Code

(2) 模型选择、API Key 配置、首次启动与基本交互

(3) 权限设置与安全提示的含义

(4) 讲师巡回确保每位学员环境就绪

2、本地网页海报实操

(1) 实操任务：用自然语言描述一张“公司运动会”活动宣传海报

(2) Claude Code 自动生成 HTML/CSS 代码，浏览器打开查看效果

(3) 迭代优化：“标题再大一点”“背景加渐变”“加个二维码”

(4) 过程中环境报错？让 Claude Code 帮你把电脑配好

(5) 对比体验：HTML 海报 vs 文生图海报（像素级控制 vs 随机性）

3、总结

(1) 各组快速展示海报作品

(2) 讨论：Prompt 精准度如何影响产出质量

三、Vibe Coding 辅助数据分析与运营决策

1、数据分析全流程演示

(1) 完整演示：从原始 Excel 到分析报告 + 图表 + 决策建议

(2) 展示 Claude Code 如何自主读取 Excel、写 Python、安装库、执行脚本

(3) 重点观察：AI 不仅做分析，还能结合业务上下文给出运营建议

2、Excel 数据分析实操

(1) 实操场景：一套模拟客户持仓数据（已脱敏）

(2) Prompt 练习：“帮我把这个 Excel 按区域汇总，算每个区域的客户数和平均消费”

(3) AI 自动写 Python 脚本并执行，学员检查输出结果

(4) 数据清洗实操：缺失值、格式不统一、重复数据的 AI 处理

(5) 生成图表：柱状图、饼图、折线图，用自然语言调整配色和样式

(6) 迭代练习：用业务语言修正 AI（“A客户应该在华东不是华南”）

3、AI运营决策建议

(1) 在数据分析基础上，让 AI 结合业务背景给出运营建议

(2) 示例：“根据分析结果，哪些区域该加大投入？给出理由”

(3) 讨论：AI 建议的参考价值与局限性，人类判断仍是核心

四、从线上系统取数与交互式分析

1、跨系统取数全流程演示

(1) 演示：用 Claude Code 自动从飞书多维表格和 CRM 拉取数据

(2) AI 智能判断需要哪些字段、自动拼接两个数据源

(3) 实时生成跨系统分析报告

(4) 讲解关键概念：API 是什么？用通俗类比解释（“点菜窗口”）

2、交互式数据分析实操

(1) 实操：学员使用模拟数据体验跨系统取数

(2) 自然语言交互式分析：“上个月新增客户购买产品的分布是什么样的？”

(3) AI 实时查询、计算、出图，支持追问、下钻、切片

(4) 体验“对话式 BI”的工作方式

(5) 说明：学员使用讲师预配置的模拟接口，降低环境卡壳风险

3、总结与作业布置

(1) 今日四章内容回顾

(2) 金融数据安全红线提醒

(3) 布置课后作业：各组自选一个贴近实际工作的场景，用 Vibe Coding 方式完成一个可运行的作品。可选方向：① 制作一个数据分析看板（带图表和交互）；② 构建一个内部小工具（客户记录管理、合规检查清单等）；③ 制作一套专业视觉作品（活动海报、数据信息图等）。要求：综合运用 Day 1 所学工具与方法，第二天将进行分组展示与讲评。

(4) Q&A 环节

五、服务端概念与自动化软件工厂揭秘

1、回顾与答疑

(1) 就前一天课程内容进行回顾并总结

2、服务端/云端概念

(1) 本地电脑 vs 云端服务器（“家里做饭 vs 餐厅后厨”）

(2) 为什么需要服务端？—— 7×24 在线、多人协作、对接外部系统

(3) 前端 / 后端 / 数据库（前台/后厨/仓库）

(4) 用智能体将代码部署到云端服务器

3、“自动化软件工厂”揭秘

(1) 回顾第一章的演示：现在揭开背后的技术架构

(2) OpenClaw 平台介绍：AI Agent 如何接收飞书消息、解析需求、生成代码、测试、部署

(3) 架构简述：消息入口 → AI 模型层 → Skill/工具层 → 代码执行环境 → 发布

(4) 与学员已学的 Claude Code 的关系：本地 vs 云端的差异与互补

4、安全性考量

(1) 金融场景下的特殊安全要求

(2) 数据脱敏与合规红线：哪些数据绝对不能传给 AI

(3) 权限最小化原则、操作日志与审计追溯

(4) 提示词注入攻击风险与防范

六、小组作业完善与进阶实战

1、作业完善

(1) 各组迭代优化作业作品

(2) 讲师巡回指导：Prompt 优化、任务拆解、错误处理

(3) 鼓励组间交流与经验分享

(4) 继续完善作品，准备评比

(5) 讲师重点指导：界面美化、功能完善、边界测试

(6) 提前完成的小组：进阶挑战题（添加动画效果、接入新数据源、构建多页面应用等）

(7) 进阶挑战题：① 给作品加上动画效果或过渡动畈；② 接入一个新的数据源（如其他飞书表格）；③ 将单页面应用扩展为多页面导航；④ 尝试用 Claude Code 写一个自动化脚本解决日常工作中的重复性任务。

七、成果展示、讲评与课程总结

1、各组成果展示

(1) 各组演示作业成果（8–10分钟/组）

(2) 展示内容：作品演示 + Prompt 策略分享 + 踩坑与解决经验

(3) 其他组提问与讨论

2、讲师综合讲评

(1) 各组作品亮点与可优化方向

(2) 评比维度：创意性、完成度、Prompt 质量、迭代能力、实用价值

(3) Vibe Coding 最佳实践总结：什么场景适合、什么场景慎用

3、课程总结与展望

(1) 两天学习要点回顾

(2) AI 办公安全合规总结（金融行业特别提醒）

(3) Vibe Coding 在日常工作中的应用场景展望

(4) 后续学习资源与路径推荐

(5) 结训证书发放与 Q&A

八、金融行业 AI 应用安全与合规须知

1、合规红线

(1) ⚠ 禁止向任何 AI 工具上传客户敏感信息、交易数据、持仓信息等核心业务数据

(2) ⚠ 向云端 AI 传输数据前，必须完成脱敏与合规评估

(3) ⚠ AI 生成的对外发布内容，必须经过人工审核后方可发出

(4) ⚠ 不得将 AI 生成的投资建议直接提供给客户

(5) ⚠ 未经合规审批，禁止 AI 接触交易、持仓等核心系统

2、Vibe Coding 专项安全提醒

(1) Claude Code 生成的代码会在本地执行，注意不要让 AI 操作敏感目录或删除重要文件

(2) 每次执行代码前，Claude Code 会请求授权，不确定时应拒绝并询问讲师

(3) 实操中仅使用脱敏模拟数据，学习过程不建议使用真实客户数据

(4) 云端部署场景需特别关注：提示词注入风险、权限最小化、操作日志完整留存

(5) 所有 AI 操作应保留记录，满足审计追溯要求