如果想要提升团队的 AI 应用能力,给各个团队开展 AI 培训并搭建 AI 应用案例,课代表觉得如何开始?如何策划?过程中这个培训最重要的是什么?
提问
先别急着排课,先把一两个高频任务做成可复用的 context 资产,再让培训围绕“用起来、沉淀下来”展开;最重要的不是讲完知识,而是让能力留在文件里而不是人脑里。
从真实任务和资产起步,而不是从课程表起步
AI推演立正把企业培训的交付物描述为一套存在 Git 仓库里的资产:规则文件、技能库、记忆模板、架构配置,并强调“培训结束是起点,不是终点”,员工会忘、会走,文件不会1。他给个人成长的建议也是“不要等准备好了才开始”,先找一个今天就能交给 AI 的任务,在做的过程中学2。所以策划顺序可以是:先选一两个团队里高频、结果可验证的任务,让参与者当场用 AI 做一遍,再把过程中有效的提示、规则、案例整理成文件。这是 AI 基于原文的应用推演,不是原文给出的固定流程。
培训重点应放在 context 和判断分工上
立正认为 AI 工具效果高度依赖输入 context 的质量,同样模型给模糊指令和给清晰规格、历史数据、用户反馈,产出差别很大;他把这称为 Context Architecture,包含谁产生和维护 context、context 如何流转、用什么工具链三层3。在具体任务上,他主张确定性的事交给程序,模糊和需要上下文的事交给 AI,最终判断留给人,人的反馈再回到 skill 和评估里形成闭环4。因此培训内容的重心不是工具操作,而是教人怎么给背景、怎么把一次成功沉淀成可复用的 skill、怎么判断哪些环节该留给人。
案例要能积累复利,而不是一次性演示
AI推演立正提到,用 agent 的方式比聊天方式能积累复利,重要实现方式就是通过文件:让 AI 把做完的事总结成 Markdown 或 Skill 存下来,乱了再让 AI 整理5。他还说,这类 context 资产可以搬到任何新工具里,不绑定厂商或模型版本,别的培训投入会随员工流动和工具换代贬值,这种投入不会1。落到案例搭建上,可以要求每个案例都留下可复用的规则文件和成功/失败样例,而不是只留一份演示稿;这是 AI 的应用建议,原文只提供了资产化的理由。
材料主要讲个人成长和企业培训的理念,没有给出完整的培训排期、课时或考核方案;《从焦虑到上手》5是对话转录,部分段落说话人未确认,只采用了明确归属立正的片段。
回到5份原文
说明培训应交付可留在仓库里的 context 资产,以及资产不随人和工具贬值。
给出“先找一个任务做起来、在使用中升级”的起步方式。
解释 context 质量为何决定 AI 效果,并给出 Context Architecture 的三层框架。
提供程序、AI、人三方分工和反馈闭环的具体案例,可用于设计案例内容。
可回到原文核对这部分判断