技能介绍

东南亚制造业 AI 培训的落地难题

许多制造企业在引入 AI 时，常把培训简化为几堂公开课或通用教程。但不同岗位面对的真实约束完全不同：一线操作工需要掌握特定工具的操作与异常识别，IT 管理员更关心数据管道与模型部署，管理层则要评估业务价值与投资回报。若缺乏结构化路径，培训很容易沦为“看过但不会做”的形式主义。此外，在越南、泰国、印尼等工厂集中的区域，语言习惯、等级观念、集体荣誉感以及数据合规要求也会影响培训的实际接受度。

四阶段「学练赛用」与确定性生成

该技能将培训拆为 学、练、赛、用 四个阶段，并将每个阶段映射到 CEISD 核心能力（如情境判断、责任承担、证据链表达）。它不是单纯套模板，而是先收集工厂名称、类型（电子、汽车、纺织、食品、通用组装）、企业规模、所在地、参训角色与人数、学员水平、AI 就绪度 L1–L4、培训目标、重点场景、周期、语言和预算等参数，再执行校验：参训人数不少于 5 人，周期限制在 30–180 天，就绪度与周期需匹配（例如 L1 建议 120 天，L4 建议 60 天）。

随后调用 scripts/training_plan_generator.py 做确定性计算：按就绪度分配四阶段天数与日期边界，生成结构化 Markdown 初稿，并可选输出 .ics 日历与 gantt.csv 甘特图数据。脚本仅依赖标准库，便于在受管 Python 环境中复现。

本地化、角色路径与交付边界

生成器会在第二阶段进行 enrichment：结合 references/adaptation_rules.md 补充工厂类型专属场景与认证（如电子的 PCB 焊点检测、汽车的焊接质量追溯、纺织的面料瑕疵识别、食品的 X 光异物检测、通用组装的装配质检），并按管理、一线操作、IT、工程师等角色拆分差异化主题、形式与考核产出。同时进行语言与区域适配：越南语输出搭配越南盾，英语输出搭配 USD，中文输出可使用人民币或 USD；文化层面会考虑等级观念、宗教节日、面子文化以及当地补贴与数据本地化政策。

最终计划包含项目概况、总体架构、详细阶段计划、配套机制、本地化适配、风险与应对、KPI 与下一步行动清单八个模块。需要注意的是，该技能产出的是可执行培训方案而非课程内容本身，适用前提是用户能提供准确的工厂类型、就绪度与角色信息；若输入参数缺失或就绪度评估失真，结果的可落地性会明显下降。