知识付费课程怎么设计：用 AI 排大纲

课程做出来卖不动，多数人先改营销，其实该先让 AI 帮你查课程本身：它讲了一门知识，还是解决了一个具体问题？买家付费买的是"解决问题"，不是"听完一门课"。从学完能做出什么倒推大纲，是用 AI 排课程大纲的正确入口。这类提问在 DeepSeek、豆包、通义这类对话工具里都适用。

卖不动，先查解决的问题够不够具体

"教你学摄影"太宽，"教你用手机拍出能发朋友圈的产品图"才是一个具体问题。问题越具体，需要它的人越容易找到你，你也越容易讲透——宽课题的门槛在于，观众自己都不知道该不该留下来。

自检方法：写下你的课程标题，问一句"学完的人能拿它做成什么"。答不上来，或者答案是"了解更多知识"，课程就还停在知识层面，没到解决方案层面。这一关不过，大纲排得再漂亮也救不了销量。

从「学完能做出什么」倒推大纲

倒推的顺序是：先写下学完能做出的具体产出，再列出做出它需要的知识模块，最后排讲解顺序。每一节都在服务最终产出，这是大纲不跑题的唯一保障。

以"用手机拍产品图"为例：最终产出是一组合格的产品图，需要的模块是布光、取景、后期，顺序是先能拍清楚，再能拍好看，最后能稳定复现。反过来排——先讲相机原理再讲审美——学员会在前两节流失，因为他们看不到内容和产出的关系。

判断标准：任意抽一节课，问"删掉它，最终产出是否还成立"。成立就删。一节课如果服务不了任何产出，它讲的是知识，不是课程。

每节课配一个能拿走的成果

只讲不练的课程，学员听完就忘。每节课配一个小练习或小产出，学员当场感到"今天学的东西用上了"，完课率和口碑都从这里来。

成果要小到一节课内能完成：一段话、一张图、一次实操记录。太大的产出会变成负担，学员开头就被卡住，反而放弃。配套的判断标准：学员的时间主要花在练上，而不是看上一节四十五分钟的课，动手时间应当接近一半。

定价跟着交付形式走

录播、直播、社群陪跑，三种交付的成本结构完全不同。录播是一次生产、反复售卖，边际成本低，适合标准化程度高的技能课；直播有明确的时间成本，适合需要现场互动和反馈的内容；社群陪跑最重，答疑、作业批改、进度跟进都占人力，适合需要持续督促的转型类课程。

顺序不能反：先想清楚你能提供什么交付、能承担多少人力，再定价格。先定价再想办法交付，常见的结果是交付缩水、差评增多，退款的学员比学完的多。

大纲排完，先小规模验证再放大

AI 排的大纲是纸面推演，它没见过你的学员。验证的最低成本动作：拿大纲里最有代表性的一节，做一次公开试讲或免费直播，观察完播、提问和反馈。三件事能被验证——问题是否具体、顺序是否合理、产出是否可完成。

验证不过，改大纲，不要改营销。这个阶段改一堂课的结构，代价是几个小时；上线后改，代价是全部物料加口碑。让 AI 参与迭代的方式和排大纲一样：把试讲的反馈原样喂给它，让它按反馈重排，而不是让它凭空再出一版。

三种交付形式的匹配对照

用法：先确定自己能承担哪一行的成本结构，再抄那一行的定价思路。反过来先定价再凑交付，是课程烂尾的常见起点。

它排不了的两样东西

边界要清楚。AI 不知道你的真实教学资源：你能拍多少示范、能不能连麦答疑、有没有助教，这些它都不知道，排出来的大纲可能超出你的交付能力。把资源清单先给它，它排的大纲才落在你够得着的范围内。

它也不知道你的学员是谁。目标人群的基础、常见卡点、付费动机，来自你的调研和试讲，不来自模型。让 AI 排骨架可以，这一节是否成立只能人判断——顺序、深度、练习难度，三样都需要真实学员反馈来校准。

大纲自检四步

• 写下"学完能做出什么"，答不上具体产出就先别排大纲
• 倒推知识模块和顺序，删掉服务不了产出的每一节
• 每节课配一个一节课内能完成的小成果
• 先定交付形式和人力上限，再定价格

三个常被问到的问题

• 学员基础差异大，一锅炖还是分开做？：先看差异是否影响最终产出。不影响，用"前置补充材料"解决——给基础弱的学员一份预习包；影响产出，就分成两档，各配各的练习。不要试图用一节课同时服务两种基础，两边都讲不透。
• 大纲排好了，开头讲什么最稳？：讲一个最小完整产出，让学员在开篇就做出一个能拿出手的小东西，哪怕粗糙。开篇建立的是"我能学会"的信心，这个信心比任何单一知识点都影响完课率。
• AI 排的大纲总是很全，怎么砍？：用产出倒砍，不要用重要性砍。把大纲拿远一点问"这个产出必须包含它吗"，两轮下来通常能砍掉三成。剩下砍不掉的，是进阶模块，放进阶课，不要塞进主课凑厚度。

大纲只是课程的其中一步。商品标题的关键词布局直接决定课程被不被搜到，和课程标题是同一套写法；上线后的差评和退款，售后归因的思路可以照搬来查课程本身的问题；一个周期的课程跑完，复盘的选题总结法帮你把学员反馈沉淀成下一版的选题依据。