开课前准备
带着真实材料来，课程才会产生真实结果。
- 01 · 适合谁
- 适合准备把一项重复知识工作改造成第一条 AI 辅助流程的人。
- 02 · 准备什么
- 准备一个真实任务，以及几条真实输入和输出样例。
- 03 · 如何结课
- 另一位同事能够照着材料运行试验，并得出一致的通过或失败判断。
适用场景
出现下面任一情况，就从这门课开始。
不需要先证明自己属于某个水平。只要当前工作出现对应信号，就带着真实材料进入；完成信号由课程验收决定。
- 01✓
第一次把重复知识工作交给 AI
你有真实样例和现有人工流程，但任务边界仍写成“自动化整个过程”。
- 02✓
团队争论工具，却没定义成功
不同人对合格输出、不能做什么和谁来接手有不同理解。
- 03✓
准备投入开发，但还没有低成本证据
你需要先用少量案例判断价值、风险和最值得修正的失败。
课程里程碑
每一段都要留下可以复核的变化。
里程碑不是新的课文清单。它用来判断你是否把前后课次连成同一项工作：起点有真实材料，中段有成形产物，结课有别人能够重复的证据。
- 01 开始前↓
从一项真实、重复的知识工作取样。
收集当前流程、几条普通输入、两条难处理输入，以及人现在怎样判断和交接。不要先选模型，也不要把整个岗位写成一个任务。
起点证据：一组去除敏感信息的真实样例和现有处理步骤。 - 02 课程中段↓
把“想用 AI”改写成有边界的工作说明。
依次完成适用性判断、任务简报和数据边界图。另一位同事应能说清 AI 负责哪个动作、看见哪些字段、什么情况必须停下。
中段证据：矩阵、简报与数据边界使用同一个任务和同一套输入。 - 03 结课证明✓
让第二个人重跑一次 10 条案例试验。
案例同时覆盖普通、困难、混合诉求和不应处理的输入。不要解释你的意图，只交出材料，看对方能否得出相同的通过、修改或停止判断。
完成证据：复核者能复现实验，并指出下一轮最需要修正的失败。
- 01✓第 1 课
这项任务究竟适不适合使用 AI？
在选择模型或搭建流程之前，先从变化程度、可核验性、出错代价、数据边界和后备方案判断任务是否适合 AI。
本课产物 · 判断矩阵未完成进入本课 → - 02✓第 2 课
把一个 AI 想法写成可验证的任务简报
把模糊的 AI 功能想法，改写成一页任务简报：写清用户、输入、合格输出、证据、边界和失败后的处理方式。
本课产物 · 一页简报未完成进入本课 → - 03✓第 3 课
在 AI 读取输入前，先画清数据边界
把每个字段分配到允许、变换、隔离或排除路径，避免一条有用的工作流悄悄变成失控的数据传递。
本课产物 · 数据边界图未完成进入本课 → - 04✓第 4 课
扩大投入前，先做一次 10 条案例试验
用普通、困难、模糊和高风险案例组成一个足够小的测试集，把一次看起来不错的 Demo 变成可以复核的证据。
本课产物 · 试验表未完成进入本课 →
结课验收
另一位同事能够照着材料运行试验，并得出一致的通过或失败判断。
不是读完就结束。把各课产物放在一起，请另一位同事按上面的标准复核。