用 AI 做课程大纲与讲义：完整方法

把一门课从想法做到能上课，最耗时的环节通常落在把散落的知识点整理成一条能走通的路径上，讲稿反而写得快。这件事 AI 做得比人快，前提是你先把边界说清楚：给谁讲、讲完能做什么、有多少时间。三句话说不清，拿到的大纲一定是「什么都有、什么都不深」的样子。

大纲垮掉，垮在边界没定

常见的大纲是这样来的：把教材目录抄一遍，每章配两页幻灯片，课时平均分配。看起来完整，上起来才发现问题——学员在第三节就跟不上，因为前面没铺垫；最后两节赶进度，重点内容十分钟带过。根源不在内容不够，在结构没有围绕「学员从哪来、要到哪去」来排。

三个约束必须先定。学员的前置水平决定从哪里起步，零基础和有经验的人需要的前置知识差一大截。学完能做什么决定终点，这句话要能被检验，比如「能独立做出一张带数据透视的销售报表」。总时长决定取舍，六节课和十六节课是两门不同的课，硬塞只会让每节都变浅。

五步，从三句话到大纲

第三步最容易被跳过。多数人拿到大纲就直接写讲稿，写到一半发现某节课和上一节重复，或者某个概念在用到时才第一次出现。把每节的目标动词先定下来——「能判断」「能改」「能独立做」——重复和缺口会立刻显形。

递进关系决定大纲是不是清单

知识点清单和课程大纲的区别，在于前后是否互为条件。好的顺序里，第二节用到的东西第一节已经给过；坏的顺序里，每个知识点都是孤岛，学完能背不能做。检验办法很直接：随便挑一节，问「学这节之前必须已经会什么」，答不上来就说明这一节挂空了。

让模型按「为什么—是什么—怎么用」展开每节，是给这个顺序加一层约束。先讲为什么，解决动机；再讲是什么，建立概念；最后讲怎么用，把概念落到操作。这个顺序对技能类课程几乎通用，对纯理论课要调整，把「怎么用」换成「怎么推」或「什么时候会失效」。

讲义要把结论展开成过程

大纲给的是「讲什么」，讲义给的是「怎么讲」。同一节内容，可以写成三段结论，也可以写成「先给一个反例，让学员猜哪里错了，再拆开讲原理」。后者信息量高得多，但需要模型知道学员已经会什么、这一步要花多少时间。

给模型三样输入再让它展开：本节目标、学员的已知、时间预算。要求它先出讲授顺序，你确认后再出逐字稿，稿子里标出「此处提问」「此处演示」「此处停顿」。这些标记能帮你判断节奏是不是太满，整段照读的讲稿通常讲不快，因为没留反应时间。材料太长时它会丢掉中段，这是上下文窗口的限制，宁可分节处理。

练习比讲解更能暴露设计漏洞

让模型按题型出题：场景题、改错题、判断题各来几道，附答案和解析。你审两件事——题目有没有歧义，答案对不对。歧义比错误更常见：一道题在出题人的理解里是唯一解，在学员的理解里可能有两种读法，考场上就成了争议。

练习更适合挂在真实工作场景上。「给一份有重复行的客户名单，要求去重并统计各区域数量」比「简述去重的三种方法」更能检验会不会用。难度要分层，前三题保底，中间两题要动脑，最后一道留给学得快的人。全卷同难度，测不出谁真的掌握了。

它不知道你的学员卡在哪

模型能给出通用的难点预判，比如「绝对引用新手容易错」，但它不知道你上一期班上具体卡在哪个函数、哪个操作。这类信息只在讲台上、在作业里，模型拿不到。课程里最值钱的部分——哪个环节要放慢、哪个例子能戳中这批人——只能由讲课的人补。

它还会编例子。让它举一个「某制造企业做库存优化」的案例，它给的公司名、数字、改善幅度多半是拼出来的，读着合理，查不到出处。这类补全和AI 幻觉同源：它在让文本完整，不在核对事实。例子必须换成本单位或公开可查的真实场景，这一步没有捷径。

还有两条现实约束。专业内容要专家审：涉及业务规则、合规要求、行业惯例的部分，模型的理解可能停在字面。材料要脱敏：内部制度、客户名单、未公开的经营数据，不要贴进公开工具。想让模型稳定按你的结构输出，提示词里把角色、受众、格式、禁忌一次写全，比反复纠正省事。

速查：一份课程包交出去前的五项检查

• 终点能不能验收：把「了解」换成「能做出什么」。
• 每节有没有唯一目标：一节只解决一个问题。
• 前后有没有依赖：抽一节问它需要什么前置。
• 例子是不是真的：公司名、数字、条款逐条核过。
• 练习有没有分层：保底题、动脑题、拔高题各就位。