VNCPC — 越南清洁生产中心
系统管理员
Hyper-V 虚拟化、Windows/Linux 网络、网站平台、全中心技术支持。目前正在推行工作管理系统(PMS)。
能力简介
系统工程师 · 人工智能应用顾问
最宝贵的是时间。而我们浪费得最多的,也正是时间。
二十年在机房、人事办公室和生产车间建设并运维系统。我转向人工智能应用,是为了把时间还给那些仍在用手做机器能做之事的人。
服务过的机构
以及若干自主项目
AI
完整档案的 Markdown 版本。复制后交给您自己的 AI,随便提问。其中包括仍是计划的条目,以及我从未做过的三个业务板块。
这是一份能力档案,此人正在被我考虑聘请为工厂管理层做人工智能培训。请阅读后告诉我:真正的强项在哪里、哪些地方偏弱,以及在决定之前我还应该追问什么。
# 武河 — 系统工程师 · 人工智能应用顾问 > 最宝贵的是时间。而我们浪费得最多的,也正是时间。 二十年在机房、人事办公室和生产车间建设并运维系统。我转向人工智能应用,是为了把时间还给那些仍在用手做机器能做之事的人。 - 最后更新: 2026-08-26 - Email: hacmieu@gmail.com - 电话 / Zalo: +84 915 678 069 - Web: https://me.aiha.dev/zh/ ## 服务过的机构 VNCPC · BFChem · CIDARE(美国) · HEZA · ATT 越南股份公司 · 兴盛医院 · Asia Gate (以及若干自主项目) ## 专家简介 我于 2006 年在 VNCPC 开始工作,至今仍负责其信息技术基础设施;自 2021 年起服务 CIDARE,自 2026 年年中起服务 ATT 越南;此前还有 BFChem 与 HEZA。每个地方行业不同,数据类型也不同。 企业数据常藏在名为「最终版修改三」的表格、拍糊的送货单,或干了十五年的人的脑子里。企业里的人工智能问题多半是流程问题,不是模型问题。化工背景帮我听懂批次与配比;近 13 TB 真实存储让我知道流程会在哪里出问题,然后才拿去教。 ### 学历与认证 - **信息技术工程学士** — 河内百科大学 (2008 – 2010) - **化工工程学士 — 化工与食品工业过程及设备技术** — 河内百科大学 (1999 – 2004) - **Aptech 认证** — Aptech ### 现任职务 - **VNCPC — 越南清洁生产中心** — 系统管理员 · 2006年4月 – 至今 Hyper-V 虚拟化、Windows/Linux 网络、网站平台、全中心技术支持。目前正在推行工作管理系统(PMS)。 - **CIDARE, Inc.(美国)** — 系统管理员与解决方案架构师 · 2021年7月 – 至今 面向房产税估价的地块评估平台。远程管理 OVH 与 Wasabi 基础设施;协助建立通往美国马萨诸塞州波士顿周边各城镇基础设施的 VPN 连接以开展工作。 - **ATT 越南股份公司** — 系统与数字化顾问 · 2026年5月 – 至今 运营审计与数字化咨询。为不支持附件上传的会计系统开发了单据补充工具。 - **BFChem** — 系统管理员 · 2010年1月 – 2026年5月 Microsoft 365、Hyper-V、Windows Server / Ubuntu / Debian 基础设施。技术文档版本管理。 - **HEZA.gov.vn** — 系统管理员 · 2025年4月 – 2026年8月 运维 Heza.gov.vn 与 Hezaworks.vn。使用本地部署模型完成简历与岗位匹配。 - **独立顾问** — 基础设施与 DevOps 顾问 · 2011 – 至今 活动目录迁移至 Samba4、以 Terraform 在 Proxmox 上部署 Kubernetes 集群、企业信息化基础设施审计。 ## 人工智能应用能力 ### 从杂乱中提取数据 把单据照片、随意命名的表格、会议录音和散文式报告变成有结构的数据。每个字段保留来源,出错时还能追回原文。 `越南语文字识别` · `带溯源的结构化提取` · `录音转会议纪要` ### 为审批流程减去纸张 完整流程引擎我在 CIDARE 运行。国内先从轻量开始:用二维码报修,系统再通过邮件、Zalo 或 Telegram 通知负责人。先拿掉机器旁的本子,不必先换整套系统。 `Django 流程引擎` · `二维码 + Zalo / Telegram 通知` · `Teable / 低代码` ### 现场作业数字化 仓库、车间或车上并不总有信号。应用在断网时仍能记录,在设备上识别越南语,扫描资产二维码,有网后再同步。 `离线优先` · `二维码资产标识` · `端侧文字识别` ### 数据治理与人工智能的安全使用 数据送到哪里,要先回答。我已在本地架设并试跑语言模型。若必须用外部服务,敏感部分先遮蔽再外发。文字识别也可在手机上运行。 `本地部署的大语言模型` · `数据外发前脱敏` · `端侧文字识别` ### 技术基础 Proxmox VE · Docker · Django / DRF · PostgreSQL · Celery / Redis · Teable · Nextcloud · JuiceFS · MinIO / Wasabi S3 · Samba4 AD · Ansible / AWX · Terraform · Cloudflare · Python · Node.js · HTMX · React Native / Expo · PyTorch · Nginx · WordPress ## 已交付的人工智能与自动化项目 _每一条都注明所属机构与真实状态。属于客户的技术细节已略去。_ ### 1. 从原始打卡数据自动生成考勤与工资表 | | | |---|---| | 机构 | 生产工厂 | | 实际项目 | 人事行政 | | Status | **已交付** | **背景:** 人脸识别考勤机只记录刷卡次数,无法区分上班与下班。十二小时轮班使记录跨日重叠。人事部门每月把记录全部打印出来,再为约一百人手工录入。 **做法:** 在写下第一行代码之前,计工规则先与人事部门和软件合作方用业务语言敲定:夜班 20:00 至 05:00 计一个标准工;05:00 至 08:00 计三小时加班、系数 1.5;周日与法定假日全天按加班计;加班与标准工时是否满勤相互独立。系统直接从原始表格生成标准考勤表与加班表。 **成果:** 每月的手工录入就此消失。更重要的是,计工规则从一个人的脑中,变成了一份可以讨论、可以修订的文档。 **收回了什么:** 约一百人的每月手工录入就此取消。 **从您的位置看:** 如果您在人事部门:不必再把考勤表打印出来,逐人重新敲一遍。 ### 2. 通过 Zalo 向一百余名员工发放工资条 | | | |---|---| | 机构 | 生产工厂 | | 实际项目 | 人事行政 | | Status | **已交付** | **背景:** 纸质工资条既费工又不保密,而通过 Zalo 批量群发会触发反垃圾拦截。 **做法:** 以随机化的发送间隔模拟人工发送的节奏,并在发出之前先做一道姓名比对。 **成果:** 工资条准确送达本人、对应当月,且无需打印。 **收回了什么:** 不必再逐张打印和分发工资条。 **从您的位置看:** 如果您负责发工资:不必再打印、折叠,然后一张张送到人手里。 ### 3. 二维码资产管理与一键式台账 | | | |---|---| | 机构 | 兴盛医院 | | 实际项目 | 仓储与资产 | | Status | **运行中** | **背景:** 数千台设备,使用与报修记录写在放置于机器旁的纸质本上。历史无法检索,也说不清哪些设备故障最频繁。 **做法:** 在 Teable 上构建以「设备」与「日志」两张核心表为基础的系统。每台机器贴一枚编码了网址的二维码;用手机相机扫码即可直接打开记录界面。界面遵循「一个按钮解决全部」:使用者无需选择单据类型,系统依据上下文自行判断。提交的故障单会自动通过电子邮件、Zalo 或 Telegram 送达负责人。 **成果:** 约八百台设备已录入系统。履历可即时查询,故障数据也积累到足以开启预防性维护的讨论。 **收回了什么:** 八百台设备的履历即时可查,不必再翻本子。 **从您的位置看:** 如果您负责设备:用手机扫码,而不是写在机器旁的本子上。 ### 4. 断网也能使用的现场采集应用 | | | |---|---| | 机构 | Asia Gate | | 实际项目 | 仓储与运输 | | Status | **实施中** | **背景:** 记录发生在仓库、车间和路上,信号并不可靠。强制使用网页表单会丢数据,继续用纸则要二次录入。 **做法:** 移动应用拍摄现场照片,在每个路段记录里程数与集装箱温度,并将数据发送至中央数据库。数据先存于设备,随后再同步至服务器。带声调的越南语文字识别在手机上完成,照片因此从不上云。扫描二维码将记录绑定到正确的资产。 **成果:** 无信号处也能采集。已提交的单据不可更改,为后续核对提供依据。 **收回了什么:** 即使现场没有信号,数据也能送达。 **从您的位置看:** 如果您在现场作业:拍完照就结束,不必写在纸上、晚上回来再录入。 ### 5. 带不可篡改审计日志的生产流程引擎 | | | |---|---| | 机构 | CIDARE | | 实际项目 | 生产运营 | | Status | **运行中** | **背景:** 一份档案要经过数十道环节。有的须等多个分支全部完成,有的只需其中之一。谁在何时做了什么、改了什么,无从追溯。 **做法:** 基于 Django 构建的流程引擎,包含档案数据模型、通过后台任务队列实现的「与/或」分支合流逻辑、只增不改的干预日志,以及按角色与阶段划分的多层权限。 **成果:** 所有变更均可追溯。内部人员与外部客户看到的是彼此隔离的数据区域。 **收回了什么:** 生产档案的每一处变更都能追溯到人与时间。 ### 6. CIDARE Snapshot — 从云对象存储中取回数据 | | | |---|---| | 机构 | CIDARE | | 实际项目 | 基础设施与数据 | | Status | **运行中** | **背景:** 文档库在云对象存储上超过十二 TB。取回一个旧文件,意味着在数十万个对象中翻找,而没有任何检索路径。一次索引损坏事故还使许多文件无法打开。 **做法:** Snapshot 直接通过数据库检索并取回云存储中的数据,而不必浏览对象存储。其下是三层:面向使用者的熟悉文档界面、用于快速访问的中间文件系统层,以及位于底层的低成本对象存储,并配有独立的元数据缓存。230,805 条记录的迁移分批执行,由状态数据库全程跟踪,每批验证通过后才启动下一批。 **成果:** 取回旧文件只需一次查询,而非人工翻找。事故后数据全部恢复,且每条记录都知道自己成功还是失败。 **收回了什么:** 旧文件一次查询即可取回,存储成本重新受控。 ### 7. 以时间节点管控出口运输链 | | | |---|---| | 机构 | Asia Gate | | 实际项目 | 采购与物流 | | Status | **咨询进行中** | **背景:** 一批出口货物要经过众多手续:派车、两轮证件查验、装货、原产地证、抽样检验、过磅、检疫,以及边境两侧的通关。任一节点延误都会拖累整批货,但往往事后才发觉。 **做法:** 整条链路在低代码平台上建模为控制节点,将合同与车头、司机、集装箱及年检有效期关联起来。移动应用在每个节点拍照,自动提取坐标与温度,回传至中央数据库。依据累积数据为下一节点设定时间阈值,超限即触发红色预警。 **成果:** 从「出事之后再报告」转为「出事之前先预警」。设定的目标是把一次出口周期压缩到七天。 **收回了什么:** 在货物真正延误之前就知道它要延误。 **从您的位置看:** 如果您开车或调度:在每个路段拍照,坐标与温度由系统自动采集。 ### 8. 动态审批与电子签名平台 | | | |---|---| | 机构 | ATT 越南 | | 实际项目 | 财务与法务 | | Status | **仅完成设计** | **背景:** 需要多级签批的文件仍要打印、手签、扫描、再邮件发送。无人知道文件正压在谁的桌上。 **做法:** 签批流程可配置,签署人取自内部通讯录,文件保留在既有文档库中且不改变其标识。签名遵循 PAdES 标准,附 RFC 3161 时间戳,证书由与企业用户目录绑定的内部证书颁发机构签发。 **成果:** 设计已完成。落地正在等待基础设施,因为该公司正在搬迁。 **收回了什么:** 文件可远程签署,并始终显示卡在谁那里。该项尚未运行。 ### 9. 具备版本与生命周期管控的文档库 | | | |---|---| | 机构 | 兴盛医院 | | 实际项目 | 配方与技术文档 | | Status | **仅完成设计** | **背景:** 技术文档、作业规程与表单散落在个人电脑和共享盘中。谁也不敢确定手上这份是不是最新版。 **做法:** 依照 OAIS 数字归档模型设置三层存储:原始接收区、待审隔离区、正式区。分类体系将领域与标签分开,一份文档可带多个标签,但只属于一个领域。对象存储启用版本管理,永久删除前保留九十天。 **成果:** 设计已完成,尚未落地。较为简单的技术文档版本管理,则确实在 BFChem 实际运行过。 **收回了什么:** 正式版本有且只有一份,误删仍可找回。该项尚未运行。 ### 10. 基于人工智能的简历与岗位匹配 | | | |---|---| | 机构 | HEZA | | 实际项目 | 销售与招聘 | | Status | **已交付(基础版)** | **背景:** 招聘门户收到的是自由格式的简历,而每家雇主的岗位描述写法各异。人工筛选做不过来,关键词筛选又会仅因用词不同而漏掉合适的人。 **做法:** 一个本地部署的大语言模型以语义而非关键词重合来匹配简历与岗位描述,再对契合度评分。由于模型在内部运行,候选人简历从不发往外部服务。 **成果:** 招聘方拿到一份可先行查阅的候选名单。这是基础版实现,尚不是一套完整的评分系统。 **收回了什么:** 附带理由的候选名单,且简历从不离开公司。 ### 11. W×Q×T 工作规划与评分框架 | | | |---|---| | 机构 | VNCPC | | 实际项目 | 经营管理 | | Status | **实施中** | **背景:** 各部门的周报以散文写就,各有各的风格。全部读完就没时间做别的,草草浏览又抓不住重点。 **做法:** 工作从工作量、质量、时效三个维度评分,背后配一条流水线:自然书写的报告经人工智能提取为结构化数据,写入数据库,最终呈现为看板。写报告的人无需改变任何书写习惯。 **成果:** 管理层看的是看板,而不是十页文字。该框架的设计目标是可跨机构复用,目前正在进入 PMS 工作管理系统。 **收回了什么:** 周报变成看板,而无人需要改变书写习惯。 **从您的位置看:** 如果您写周报:照旧写您的,提取交给机器。 ### 12. 多角色人工智能协作的多模板网站生产流程 | | | |---|---| | 机构 | VNCPC、HEZA | | 实际项目 | 市场与传播 | | Status | **已交付** | **背景:** 一个网站需要多套页面模板,而公司没有自己的设计与开发团队。文章在发布前还须按一套标准审核,随后翻译成其他语种。 **做法:** 一条纪律严明的流水线,其中每个人工智能模型只担一个角色:一个负责设计,一个评审设计,一个编写代码,一道审查流程校验代码,最后才提交版本。在内容方面,文章先按标准审核,通过后才交给人工智能翻译。登录、支付等敏感功能采用成熟组件,而非自行编写。 **成果:** 这也正是我讲授的方法:人工智能不是一个万能助手,而是一组各司其职的角色,被放置在一个仍由人掌控的流程的正确位置上。 **收回了什么:** 十二套以上模板建成,无需聘请设计团队。 ### 13. 带人名校验的半自动会议纪要 | | | |---|---| | 机构 | VNCPC | | 实际项目 | 经营与会议 | | Status | **半自动** | **背景:** 手写纪要既慢又容易把人名和单位写错。自动转写工具则频繁听错越南语专有名词。 **做法:** 转写从两路来源并行进行以便交叉核对,随后将人名与项目名称与组织的权威人员名册比对,之后才生成纪要。最终版本是一个排版好的网页,直接发送给合作方。 **成果:** 会议当天即可发出纪要,人名与项目名称准确无误。转写环节仍保留一道人工复核。 **收回了什么:** 纪要在会议当天发出,而不是到周末。 **从您的位置看:** 如果您记纪要:机器先转写,您复核修改,而不必从头敲起。 ### 14. 在选定之前先评估十个低代码平台 | | | |---|---| | 机构 | 自主项目 | | 实际项目 | 经营与工具选型 | | Status | **已完成** | **背景:** 企业希望在没有开发团队的情况下自建内部应用。市场上数十个平台的宣传几乎一模一样;一旦选错,往往要到一年后才会显现。 **做法:** 标准在打开任何产品之前就已定下:整套数据结构必须能通过接口创建、响应速度须满足使用、权限须细化到数据行、能够维持单一事实来源、许可证须允许商业使用。随后才安装并试用了 Directus、Teable、NocoBase、NocoDB 等若干平台,对照同一张标准表评估。 **成果:** 最终选定的平台有充分理由可以解释,而不是取决于哪一个讨论度最高。 **收回了什么:** 选定平台有理由可讲,而不是买回来才知道。 ## 培训方法 工具几年一换,企业的问题还在。课堂上,学员学会看见问题、拆开问题,并判断哪一部分可以交给机器。 > **先流程,后工具。** > > 在问该买哪种人工智能之前,先找到最耗工时的流程,看哪一步机器能代做。先选工具再懂流程,很容易买回没人用的软件。 ### 四条原则 **01. 用自己的问题来学** — 每个部门提交一到两项当前最耗工时的重复性工作。那就是教案。不讲「假设有一家公司」这类空泛例子。 **02. 先懂边界,再学技巧** — 人工智能危险的地方不在于它做不到,而在于它会非常自信地做错。学员需要识别机器在编造,并养成签字前先核验的习惯。 **03. 公司数据不外流** — 明确划分哪些数据可以交给公共工具,哪些必须在内部处理。在这一点上,基础设施的经验给出的答案,与内容工作的经验截然不同。 **04. 走出教室要有能跑的东西** — 验收标准是:每个部门至少有一项小流程已实现自动化并真正投入使用——而不是一份写得漂亮的笔记。 ### 我推进一项工作的方式 1. **计划** — 在动系统之前先确定范围与验收标准。 2. **调查** — 用真实数据测量现状,不轻信口头描述。 3. **修复** — 小批量推进,在建立信心之前让旧做法并行运行。 4. **验证** — 上一批验证通过后才进行下一批;完成后清理临时痕迹。 ### 业务范围,以及我在各板块实际做到的程度 _下表标明哪些板块背后有真实的工作,哪些还没有。没做过并不代表做不了——只是我尚未遇到具体的问题。现在说明,好过做到一半才被发现。_ | 板块 | 可纳入培训的内容 | 已完成 | |---|---|---| | 采购 | 从报价单与合同中提取数据、供应商比对、交付节点跟踪 | **尚无项目** | | 仓储 | 二维码资产标识、手机盘点、无需打字的出入库台账 | **部分——兴盛医院、Asia Gate** | | 生产 | 班次报告标准化、时间偏差预警、工序级追溯——前提是已有采集系统 | **尚无项目** | | 配方 | 技术文档版本管理、配比查询、正式版本管控 | **已完成——BFChem** | | 人事行政 | 考勤、薪资核算、工资条发放、内部审批 | **参与过** | | 财务 | 为不支持附件的会计系统补充单据 | **已完成——ATT 越南** | | 销售 | 商机筛选与评分、方案文案撰写、客户跟进 | **尚无项目** | | 市场与传播 | 带质量管控的多语种内容生产、多角色人工智能流水线 | **已完成——VNCPC、HEZA** | ### 实施形式 - **培训对象:** 八个业务板块的正副主管 - **地点:** 工厂现场面授 - **语言:** 越南语授课。资料可另行提供英文或中文版本 - **前期准备:** 课前调研各部门的实际问题,据此定制教案 - **交付成果:** 每个部门带走一项已自动化的流程,并附可自行维护的操作文档 - **课后:** 继续提供咨询,把这些流程迁移到正式系统上 _以上为建议方案。最终范围将按贵公司的实际需求调整。_ ## 联系方式 若贵公司的各位主管已列出希望解决的问题清单,敬请一并发来——这样的方案会比任何预先打包的培训课程具体得多。 - **姓名:** 武河 (Vu Ha) - **电子邮箱:** hacmieu@gmail.com - **电话 / Zalo:** +84 915 678 069 - **网站:** aiha.dev - **所在地:** 越南河内市北慈廉郡春顶坊 --- _个人能力简介。更新于 2026 年 8 月。 项目描述已作客户去标识化处理。_
01
一名系统工程师为何来讲人工智能
我于 2006 年在 VNCPC 开始工作,至今仍负责其信息技术基础设施;自 2021 年起服务 CIDARE,自 2026 年年中起服务 ATT 越南;此前还有 BFChem 与 HEZA。每个地方行业不同,数据类型也不同。
企业数据常藏在名为「最终版修改三」的表格、拍糊的送货单,或干了十五年的人的脑子里。企业里的人工智能问题多半是流程问题,不是模型问题。化工背景帮我听懂批次与配比;近 13 TB 真实存储让我知道流程会在哪里出问题,然后才拿去教。
系统管理员
Hyper-V 虚拟化、Windows/Linux 网络、网站平台、全中心技术支持。目前正在推行工作管理系统(PMS)。
系统管理员与解决方案架构师
面向房产税估价的地块评估平台。远程管理 OVH 与 Wasabi 基础设施;协助建立通往美国马萨诸塞州波士顿周边各城镇基础设施的 VPN 连接以开展工作。
系统与数字化顾问
运营审计与数字化咨询。为不支持附件上传的会计系统开发了单据补充工具。
系统管理员
Microsoft 365、Hyper-V、Windows Server / Ubuntu / Debian 基础设施。技术文档版本管理。
系统管理员
运维 Heza.gov.vn 与 Hezaworks.vn。使用本地部署模型完成简历与岗位匹配。
基础设施与 DevOps 顾问
活动目录迁移至 Samba4、以 Terraform 在 Proxmox 上部署 Kubernetes 集群、企业信息化基础设施审计。
02
四类既能交付也能讲授的工作
把单据照片、随意命名的表格、会议录音和散文式报告变成有结构的数据。每个字段保留来源,出错时还能追回原文。
完整流程引擎我在 CIDARE 运行。国内先从轻量开始:用二维码报修,系统再通过邮件、Zalo 或 Telegram 通知负责人。先拿掉机器旁的本子,不必先换整套系统。
仓库、车间或车上并不总有信号。应用在断网时仍能记录,在设备上识别越南语,扫描资产二维码,有网后再同步。
数据送到哪里,要先回答。我已在本地架设并试跑语言模型。若必须用外部服务,敏感部分先遮蔽再外发。文字识别也可在手机上运行。
03
按部门归类,方便各位主管找到自己的部分
收回了什么 约一百人的每月手工录入就此取消。
从您的位置看 如果您在人事部门:不必再把考勤表打印出来,逐人重新敲一遍。
背景
人脸识别考勤机只记录刷卡次数,无法区分上班与下班。十二小时轮班使记录跨日重叠。人事部门每月把记录全部打印出来,再为约一百人手工录入。
做法
在写下第一行代码之前,计工规则先与人事部门和软件合作方用业务语言敲定:夜班 20:00 至 05:00 计一个标准工;05:00 至 08:00 计三小时加班、系数 1.5;周日与法定假日全天按加班计;加班与标准工时是否满勤相互独立。系统直接从原始表格生成标准考勤表与加班表。
成果
每月的手工录入就此消失。更重要的是,计工规则从一个人的脑中,变成了一份可以讨论、可以修订的文档。
收回了什么 不必再逐张打印和分发工资条。
从您的位置看 如果您负责发工资:不必再打印、折叠,然后一张张送到人手里。
背景
纸质工资条既费工又不保密,而通过 Zalo 批量群发会触发反垃圾拦截。
做法
以随机化的发送间隔模拟人工发送的节奏,并在发出之前先做一道姓名比对。
成果
工资条准确送达本人、对应当月,且无需打印。
收回了什么 八百台设备的履历即时可查,不必再翻本子。
从您的位置看 如果您负责设备:用手机扫码,而不是写在机器旁的本子上。
背景
数千台设备,使用与报修记录写在放置于机器旁的纸质本上。历史无法检索,也说不清哪些设备故障最频繁。
做法
在 Teable 上构建以「设备」与「日志」两张核心表为基础的系统。每台机器贴一枚编码了网址的二维码;用手机相机扫码即可直接打开记录界面。界面遵循「一个按钮解决全部」:使用者无需选择单据类型,系统依据上下文自行判断。提交的故障单会自动通过电子邮件、Zalo 或 Telegram 送达负责人。
成果
约八百台设备已录入系统。履历可即时查询,故障数据也积累到足以开启预防性维护的讨论。
收回了什么 即使现场没有信号,数据也能送达。
从您的位置看 如果您在现场作业:拍完照就结束,不必写在纸上、晚上回来再录入。
背景
记录发生在仓库、车间和路上,信号并不可靠。强制使用网页表单会丢数据,继续用纸则要二次录入。
做法
移动应用拍摄现场照片,在每个路段记录里程数与集装箱温度,并将数据发送至中央数据库。数据先存于设备,随后再同步至服务器。带声调的越南语文字识别在手机上完成,照片因此从不上云。扫描二维码将记录绑定到正确的资产。
成果
无信号处也能采集。已提交的单据不可更改,为后续核对提供依据。
收回了什么 生产档案的每一处变更都能追溯到人与时间。
背景
一份档案要经过数十道环节。有的须等多个分支全部完成,有的只需其中之一。谁在何时做了什么、改了什么,无从追溯。
做法
基于 Django 构建的流程引擎,包含档案数据模型、通过后台任务队列实现的「与/或」分支合流逻辑、只增不改的干预日志,以及按角色与阶段划分的多层权限。
成果
所有变更均可追溯。内部人员与外部客户看到的是彼此隔离的数据区域。
收回了什么 旧文件一次查询即可取回,存储成本重新受控。
背景
文档库在云对象存储上超过十二 TB。取回一个旧文件,意味着在数十万个对象中翻找,而没有任何检索路径。一次索引损坏事故还使许多文件无法打开。
做法
Snapshot 直接通过数据库检索并取回云存储中的数据,而不必浏览对象存储。其下是三层:面向使用者的熟悉文档界面、用于快速访问的中间文件系统层,以及位于底层的低成本对象存储,并配有独立的元数据缓存。230,805 条记录的迁移分批执行,由状态数据库全程跟踪,每批验证通过后才启动下一批。
成果
取回旧文件只需一次查询,而非人工翻找。事故后数据全部恢复,且每条记录都知道自己成功还是失败。
收回了什么 在货物真正延误之前就知道它要延误。
从您的位置看 如果您开车或调度:在每个路段拍照,坐标与温度由系统自动采集。
背景
一批出口货物要经过众多手续:派车、两轮证件查验、装货、原产地证、抽样检验、过磅、检疫,以及边境两侧的通关。任一节点延误都会拖累整批货,但往往事后才发觉。
做法
整条链路在低代码平台上建模为控制节点,将合同与车头、司机、集装箱及年检有效期关联起来。移动应用在每个节点拍照,自动提取坐标与温度,回传至中央数据库。依据累积数据为下一节点设定时间阈值,超限即触发红色预警。
成果
从「出事之后再报告」转为「出事之前先预警」。设定的目标是把一次出口周期压缩到七天。
收回了什么 文件可远程签署,并始终显示卡在谁那里。该项尚未运行。
背景
需要多级签批的文件仍要打印、手签、扫描、再邮件发送。无人知道文件正压在谁的桌上。
做法
签批流程可配置,签署人取自内部通讯录,文件保留在既有文档库中且不改变其标识。签名遵循 PAdES 标准,附 RFC 3161 时间戳,证书由与企业用户目录绑定的内部证书颁发机构签发。
成果
设计已完成。落地正在等待基础设施,因为该公司正在搬迁。
收回了什么 正式版本有且只有一份,误删仍可找回。该项尚未运行。
背景
技术文档、作业规程与表单散落在个人电脑和共享盘中。谁也不敢确定手上这份是不是最新版。
做法
依照 OAIS 数字归档模型设置三层存储:原始接收区、待审隔离区、正式区。分类体系将领域与标签分开,一份文档可带多个标签,但只属于一个领域。对象存储启用版本管理,永久删除前保留九十天。
成果
设计已完成,尚未落地。较为简单的技术文档版本管理,则确实在 BFChem 实际运行过。
收回了什么 附带理由的候选名单,且简历从不离开公司。
背景
招聘门户收到的是自由格式的简历,而每家雇主的岗位描述写法各异。人工筛选做不过来,关键词筛选又会仅因用词不同而漏掉合适的人。
做法
一个本地部署的大语言模型以语义而非关键词重合来匹配简历与岗位描述,再对契合度评分。由于模型在内部运行,候选人简历从不发往外部服务。
成果
招聘方拿到一份可先行查阅的候选名单。这是基础版实现,尚不是一套完整的评分系统。
收回了什么 周报变成看板,而无人需要改变书写习惯。
从您的位置看 如果您写周报:照旧写您的,提取交给机器。
背景
各部门的周报以散文写就,各有各的风格。全部读完就没时间做别的,草草浏览又抓不住重点。
做法
工作从工作量、质量、时效三个维度评分,背后配一条流水线:自然书写的报告经人工智能提取为结构化数据,写入数据库,最终呈现为看板。写报告的人无需改变任何书写习惯。
成果
管理层看的是看板,而不是十页文字。该框架的设计目标是可跨机构复用,目前正在进入 PMS 工作管理系统。
收回了什么 十二套以上模板建成,无需聘请设计团队。
背景
一个网站需要多套页面模板,而公司没有自己的设计与开发团队。文章在发布前还须按一套标准审核,随后翻译成其他语种。
做法
一条纪律严明的流水线,其中每个人工智能模型只担一个角色:一个负责设计,一个评审设计,一个编写代码,一道审查流程校验代码,最后才提交版本。在内容方面,文章先按标准审核,通过后才交给人工智能翻译。登录、支付等敏感功能采用成熟组件,而非自行编写。
成果
这也正是我讲授的方法:人工智能不是一个万能助手,而是一组各司其职的角色,被放置在一个仍由人掌控的流程的正确位置上。
收回了什么 纪要在会议当天发出,而不是到周末。
从您的位置看 如果您记纪要:机器先转写,您复核修改,而不必从头敲起。
背景
手写纪要既慢又容易把人名和单位写错。自动转写工具则频繁听错越南语专有名词。
做法
转写从两路来源并行进行以便交叉核对,随后将人名与项目名称与组织的权威人员名册比对,之后才生成纪要。最终版本是一个排版好的网页,直接发送给合作方。
成果
会议当天即可发出纪要,人名与项目名称准确无误。转写环节仍保留一道人工复核。
收回了什么 选定平台有理由可讲,而不是买回来才知道。
背景
企业希望在没有开发团队的情况下自建内部应用。市场上数十个平台的宣传几乎一模一样;一旦选错,往往要到一年后才会显现。
做法
标准在打开任何产品之前就已定下:整套数据结构必须能通过接口创建、响应速度须满足使用、权限须细化到数据行、能够维持单一事实来源、许可证须允许商业使用。随后才安装并试用了 Directus、Teable、NocoBase、NocoDB 等若干平台,对照同一张标准表评估。
成果
最终选定的平台有充分理由可以解释,而不是取决于哪一个讨论度最高。
每一条都注明所属机构与真实状态。属于客户的技术细节已略去。
04
面向部门正副主管,在工厂现场授课
工具几年一换,企业的问题还在。课堂上,学员学会看见问题、拆开问题,并判断哪一部分可以交给机器。
先流程,后工具。
每个部门提交一到两项当前最耗工时的重复性工作。那就是教案。不讲「假设有一家公司」这类空泛例子。
人工智能危险的地方不在于它做不到,而在于它会非常自信地做错。学员需要识别机器在编造,并养成签字前先核验的习惯。
明确划分哪些数据可以交给公共工具,哪些必须在内部处理。在这一点上,基础设施的经验给出的答案,与内容工作的经验截然不同。
验收标准是:每个部门至少有一项小流程已实现自动化并真正投入使用——而不是一份写得漂亮的笔记。
这四个步骤既适用于基础设施项目,也适用于部门里的一个小流程。学员将用同一套框架完成自己的练习。
计划
在动系统之前先确定范围与验收标准。
调查
用真实数据测量现状,不轻信口头描述。
修复
小批量推进,在建立信心之前让旧做法并行运行。
验证
上一批验证通过后才进行下一批;完成后清理临时痕迹。
下表标明哪些板块背后有真实的工作,哪些还没有。没做过并不代表做不了——只是我尚未遇到具体的问题。现在说明,好过做到一半才被发现。
| 板块 | 可纳入培训的内容 | 已完成 |
|---|---|---|
| 采购 | 从报价单与合同中提取数据、供应商比对、交付节点跟踪 | 尚无项目 |
| 仓储 | 二维码资产标识、手机盘点、无需打字的出入库台账 | 部分——兴盛医院、Asia Gate |
| 生产 | 班次报告标准化、时间偏差预警、工序级追溯——前提是已有采集系统 | 尚无项目 |
| 配方 | 技术文档版本管理、配比查询、正式版本管控 | 已完成——BFChem |
| 人事行政 | 考勤、薪资核算、工资条发放、内部审批 | 参与过 |
| 财务 | 为不支持附件的会计系统补充单据 | 已完成——ATT 越南 |
| 销售 | 商机筛选与评分、方案文案撰写、客户跟进 | 尚无项目 |
| 市场与传播 | 带质量管控的多语种内容生产、多角色人工智能流水线 | 已完成——VNCPC、HEZA |
培训对象
八个业务板块的正副主管
地点
工厂现场面授
语言
越南语授课。资料可另行提供英文或中文版本
前期准备
课前调研各部门的实际问题,据此定制教案
交付成果
每个部门带走一项已自动化的流程,并附可自行维护的操作文档
课后
继续提供咨询,把这些流程迁移到正式系统上
以上为建议方案。最终范围将按贵公司的实际需求调整。