ARTICLE · 1295190
不会编程,也能做软件、建模型?这堂课让制造业人看到了 AI 落地的新可能
不会编程,也能做软件、建模型?这堂课让制造业人看到了 AI 落地的新可能一家制造企业想做一套适合自己的管理软件。 生产部门说，要能看到订单进度；设备部门说，要有维修记录；管理者希望打开页面，就能知道现场哪些问题需要处理。 想法其实并不复杂。 但当大家坐下来讨论，往往会发现：真正困难的，是如何把业务需求讲清楚。 
懂现场的人，知道问题在哪里，却不一定会写程序；懂技术的人，能够开发软件，却需要时间理解企业的工艺、流程和管理习惯。 一次又一次沟通，一轮又一轮修改。软件还没有做出来，大家已经花了不少时间。 有没有一种新的方式？ 让熟悉业务的工程师和管理者，先借助 AI，把自己的想法做成一个看得见、能操作的雏形，再根据实际需求不断完善。 在 AI 工程师训练营第四期的第一堂课上，我们尝试的正是这件事。 这堂课的主题是： 《零代码基础编软件，零基础建模》 它的出发点很简单：让制造业人把自己对现场、流程和业务的理解，转化成可以看见、可以讨论、可以持续改进的工具和模型。 01 为什么我一直想让制造业人学会用 AI 做软件？ 
我是孔德高。长期在制造业现场工作，我见过太多这样的场景： 这些问题的背后，很多都藏着同一个原因： 懂业务的人手里有经验、有方法，却缺少把想法快速做成工具的手段。 过去，我们往往需要先整理需求，再交给软件开发人员。这个过程当然有它的价值，尤其是涉及复杂系统、数据安全和长期维护时，专业开发人员不可或缺。 但如果在正式开发之前，业务人员能够先用 AI 做出一个原型，让大家直接看到页面、按钮和业务流程，会发生什么？ 在课堂上，我跟大家说过，教大家零代码开发软件，目的不是让每个人都去取代 IT 人员。 我更希望大家获得一种能力：把自己最懂的业务，先讲清楚、做出来，再和专业人员更高效地协作。 这也是我一直强调的制造业 AI 落地思路：先从真实工作问题出发，让技术为业务服务。 02 从一句想法开始，做出第一个软件雏形 
第四期《AI工程师训练营》第一课，学员们没有只听概念，而是边学边动手。 
这些软件的复杂程度各不相同，但共同点很明确：先从一个自己真正需要解决的问题开始。 比如，一位学员提出要做初中英语学习工具。 在课堂交流中，我们没有一上来就讨论复杂的编程语言，而是先把需求拆开： 当需求逐渐清楚，AI 才更有可能给出接近目标的结果。 软件生成后，工作也没有结束。 页面不好看，可以继续调整；功能不顺手，可以把具体问题告诉 AI；点击没有反应，也可以截图，让 AI 协助排查，再由使用者重新测试。 这个过程本身，就是一场很好的训练： 学会描述问题，学会拆解需求，也学会检查结果。 零代码，首先要学会的是“把事情说清楚” 很多人觉得，使用 AI 做软件，就是输入一句“帮我做一个软件”，然后等待结果。 实际上，第一版能不能接近自己的需求，往往取决于你是否把关键条件讲清楚。 在课堂上，我向大家介绍了一个实用的思路： 背景 + 任务 + 约束 + 验收。 比如，你想做一个生产进度看板，可以先说明： 这些内容，AI 不一定天然知道，但长期在现场工作的人往往最清楚。 所以，制造业人的专业经验并不会因为 AI 的出现而变得不重要。相反，能不能把经验整理成清晰的规则，会越来越重要。 当然，一堂课做出的页面，很多时候仍然只是一个初步原型。如果未来需要多人使用、数据长期保存，或者涉及企业系统对接，还要进一步考虑数据库、权限、安全、测试和维护等问题。 真正要在企业稳定使用，仍然需要业务人员和技术人员共同把关。 03 从一张图到三维模型，让想法更容易被看见 
第一堂课的另一个重点，是零基础 AI 建模。 课程中，我们介绍了借助 AI 和开源三维软件 Blender 进行建模的思路，并演示了如何根据照片、图纸或文字描述，生成三维模型，再通过对话逐步修改。 对于制造企业来说，这项能力有什么价值？ 我们可以想象几个常见场景： 
课堂中，讲师还展示了利用照片生成物品模型的过程，并让学员尝试通过 AI 建立简单模型。有学员做出了篮球模型，随后继续讨论如何调整细节。 这让我印象很深。 以前，许多人一听到“三维建模”，第一反应是：软件太复杂，要学很久，我肯定做不了。 现在，借助 AI，我们可以先从描述和修改开始，逐渐理解模型是怎样形成的。 但这里也要说清楚：AI 生成的模型，适不适合用于生产，要看用途和精度要求。 用于方案展示、布局讨论和初步沟通，与用于加工制造、装配验证或安全设计，要求完全不同。照片可能存在角度和变形问题；尺寸、干涉、结构强度以及制造可行性，都需要专业人员复核。 AI 帮我们更快看到想法，专业经验决定这些想法能不能落地。 04 把知识积累起来，让 AI 更懂你的工作 
课堂上，我们还安排了一个容易被忽视的内容：知识库。 很多人使用 AI，习惯每次打开对话框，从头描述一遍自己的工作。 但对于制造企业来说，有价值的知识早就在日常工作中积累了下来： 如果这些资料经过筛选和整理，形成可以检索的知识库，AI 在协助工作时，就有机会参考更贴近业务的材料。 我在课程中分享了自己整理标准工时相关资料的做法：把文章、案例、课件等内容逐步积累起来，需要时再结合具体任务进行检索和使用。 这样做的意义，是让自己的知识更容易被找到、被整理、被继续使用。 当然，建设企业知识库前，也要先确认资料是否可以使用，涉及客户信息、研发资料、财务数据等内容时，应遵守企业的数据管理要求。AI 给出的结论，也需要结合原始资料和实际情况核对。 05 制造业 AI 落地，关键是让现场的人真正用起来 
过去一段时间，我持续围绕制造业和工业工程工作，研究、开发和应用 AI 工具。 从标准工时与动作分析，到精益物流、5S、工厂规划、设备管理，再到办公和质量管理，我一直在思考： 一项技术，怎样才能帮助现场人员解决实际问题？ 以标准工时为例，工程师熟悉作业现场，也知道哪些动作值得关注。但视频整理、动作记录、资料汇总和报告编制，往往需要投入不少时间。 如果 AI 能协助整理视频信息、提取分析线索、生成报告初稿，工程师就可以把更多精力放在核对关键动作、分析原因和设计改善方案上。 以工厂规划为例，一张三维示意图，可能帮助团队更早发现沟通中的分歧；但通道尺寸、设备边界、物流流向和安全要求，仍然需要结合真实条件确认。 以软件开发为例，AI 可以帮助业务人员快速做出原型；但业务规则是否正确，数据是否可靠，系统能否安全运行，仍需要认真验证。 我希望大家建立的，不是“把所有事情交给 AI”的习惯，而是一种新的工作方法： 遇到问题，先想清楚目标；借助 AI 做出初稿；再用专业经验检查、修改，直到它适合自己的工作。 这也是 AI 工程师训练营坚持实操的原因。 听懂一个概念很重要，但真正坐下来，做出一个页面、调整一次模型、解决一个报错，你才会知道 AI 能帮你做到哪里，自己又需要补充什么。 06 面向制造业的免费公益课，开放预约 
为了让更多企业和个人了解制造业 AI 的实际应用，我们推出： 制造业 AI 落地实战免费公益课 课程围绕制造企业常见的工作场景，设置了 12 个主题： 
企业及机构可根据自身需求预约相关主题。 具体课程安排、形式及预约方式，以沟通确认为准。 无论你是企业管理者、IE 工程师、生产管理人员、设备管理人员、质量管理人员，还是正在探索 AI 应用的个人，都可以从自己最熟悉的工作问题出发，寻找适合的切入点。 你不需要一开始就掌握所有技术。 先找到一个每天都在重复的问题，尝试让 AI 帮你做出第一版；再用你的经验，把它一步一步改好。 也许，一个工具的改变很小。 但当越来越多懂现场、懂业务的人开始动手，企业积累多年的经验，就有机会变成更多人用得上的方法。 欢迎有兴趣的个人、企业和机构联系孔德高老师，了解公益课程与预约安排。 
如果你认同让更多制造业人了解 AI 实战应用，欢迎自愿转发这篇文章。自愿转发文章的个人和企业，可优先报名公益课程；具体预约安排以沟通确认为准。
生产数据每天都在填，但管理者想看一个清晰的进度，仍然要找人汇总； 设备问题发生过很多次，维修记录也不少，却缺少一个方便查询和分析的工具； 生产计划反复调整，大家有经验、有判断，但很难把这些经验变成一套清晰的规则； 工厂规划要向领导、客户或团队沟通，可图纸摆在面前，不同岗位的人对同一张图的理解并不一样。
原来只能靠语言解释的需求，可以先摆到屏幕上； 原来要反复争论的功能，可以先做出来试一试； 哪些地方不符合现场，哪些规则没有考虑到，也能更早暴露出来。
有人想给孩子做一个英语学习工具，希望它能有单词学习、错题记录和复习功能； 有人从自己的工作出发，尝试制作大客户管理页面，希望把客户信息、跟进事项等内容放到一起； 也有人尝试制作记事工具，或者围绕生产管理做看板。
给哪个年龄段的孩子使用？ 需要哪些学习内容？ 是否需要错题本？ 是否需要记录学习进度？ 用户需要怎样上传自己的学习资料？
背景：企业生产什么产品，订单通常怎么流转； 任务：希望看板帮助谁了解哪些信息； 约束：数据来自哪里，哪些信息不能对外公开； 验收：输入一组测试数据后，希望看到什么结果。
新工厂规划时，二维布局图上有车间、通道、设备和功能区域。专业人员看得懂，但在跨部门沟通时，如果能先做出三维示意，空间关系可能更容易理解。 设计工位和工装时，可以先把工作台、物料箱、工具位置等做成概念模型，让团队提前讨论：员工操作是否方便？物料摆放是否合理？还需要补充什么？ 准备方案或客户沟通时，可以先制作结构示意、效果图或简单动画，让对方更直观地理解方案，再进入更细致的设计。
工艺文件和作业标准； 设备维护记录； 培训课件和改善案例； 企业内部的流程说明； 经过整理、允许使用的经验资料。
