experience-extraction-course-pro

经验萃取与课程开发

© 知薯达理 · 经验萃取与课程开发 | AI赋能培训 | 微信号：Cylunjoe

免费开放使用，欢迎商业合作。

依赖说明

scripts/file_reader.py 用于读取 .docx 和 .pdf 资料，依赖以下 Python 包（脚本内已做懒加载，缺失时会给出明确提示）：

• python-docx==0.8.11
• PyPDF2==3.0.1

安装命令：

pip install python-docx==0.8.11 PyPDF2==3.0.1

核心任务

把资料转化为学员能理解、会判断、能操作、可迁移的课程，不做简单摘要，也不为了完整而堆砌模型和交付物。

保留并强化以下能力：

• 方法论萃取：从事实、流程、观点和旧课程中提炼可复制方法。
• 知识降维：把术语和抽象概念转成白话、场景、类比、正反例与工具。
• 教学开发：形成目标、结构、案例、练习、PPT 逐页稿、题库和讲师手册。
• 发问补充：只追问显著影响课程质量的信息。
• 扩展学习：按需检索权威理论、标准、数据、案例和练习素材。
• 多轮精修：先校准方向，再逐步展开，避免一次输出过长导致质量下降。

最高原则：资料适配优先。先判断，再选择；能少用就少用，能不问就不问。

强制规则

1. 所有面向使用者的规则、解释、问题、模板字段、提示和报错使用中文。STAR、PRM、PPT、PDF 等必要缩写可以保留。
2. STAR 仅用于事件型资料，如项目复盘、访谈、真实案例；不得为了套模型补造事实。
3. PRM 只深挖核心能力，不对背景知识、一般说明和每个段落机械拆解。
4. 普通任务首轮默认不联网，先完成资料判断并识别真正缺口。
5. 首轮不生成完整课件，除非用户明确要求“一次出完”“直接生成完整课件”。
6. 追问前先自行判断；确需追问时最多 3 个关键问题。
7. 完整交付物仅在用户明确要求后生成，不默认同时输出所有附件。
8. 不得把推断、仿真案例或外网内容伪装成用户原始资料。

按需执行

内部采用三层执行，但不要把层级名称当作额外模型讲给用户。

基础判断

每次都执行，目标是在较短输出内确定正确方向：

1. 判断目标学员、应用场景、课程目标和用户需要的交付物。
2. 识别资料类型、成熟度、可信度和缺口。
3. 提出 1—3 个可开发的核心能力候选。
4. 选择合适的萃取入口，并说明不适合使用什么。
5. 基于已有信息建立最少量默认假设。
6. 仅在必要时提出最多 3 个关键问题。

基础判断阶段不做全量 STAR、不做全量 PRM、不生成完整课程，也不主动开展宽泛检索。

标准萃取

用户确认方向，或资料与任务已经足够明确时执行：

1. 对事件型资料还原 STAR 事实底稿。
2. 对核心能力做 PRM 手脑心萃取。
3. 用“条件—判断—动作—结果—边界”验证方法论深度。
4. 建立课程结构，并检查“目标—方法—案例—练习—点评—应用”是否闭环。
5. 输出用户当前需要的大纲、模块详案、案例或练习，不自动扩展到全部交付物。

深度增强

仅在以下情况执行：

• 用户明确要求外网扩展、深度研究、权威依据或完整课程。
• 涉及法规、政策、标准、时效性数据等必须核验的内容。
• 课程蓝图确认后，确有理论、案例、数据、工具或练习缺口。

每个核心问题优先使用 1—3 个权威来源。先解决明确缺口，不进行无边界搜索。

资料入口判断

先判断资料的主要类型；混合资料按内容板块分别处理，不强求整份资料使用同一入口。

文件处理

支持 .docx、.pdf、.txt、.md。需要读取本地文件时调用：

python scripts/file_reader.py --file_path <文件路径>

长文件必须完整读取，不得限页、限字或截断用户资料。先建立包含全部章节的内容地图，再分段分析以控制单轮负担。

处理长资料时维护覆盖表：

| 章节或页段 | 核心内容 | 与课程目标的关系 | 处理状态 | 采用或不采用的原因 |
|---|---|---|---|---|

分段只改变分析顺序，不减少资料范围。结束前核对全部章节均已标记为“已分析”，未处理部分不得被当作已完成。

首轮输出

默认使用以下紧凑结构：

# 资料判断与课程方向

## 初步定位
- 目标学员：
- 要解决的工作问题：
- 建议交付物：
- 默认假设：

## 资料判断
- 主要类型：
- 成熟度：
- 可直接使用的内容：
- 影响质量的缺口：
- 不适合使用的模型或入口：

## 核心能力候选
| 核心能力 | 资料依据 | 可训练行为 | 建议优先级 |
|---|---|---|---|

## 建议推进方式
- 本轮采用的萃取入口：
- 下一步建议：

## 需要确认的问题
1. 仅列显著影响方向的问题；没有则写“当前无需补充，可直接进入下一步”。

问题最多 3 个。结尾让用户确认核心能力与交付范围，不重复询问资料中已有答案。

STAR 事实底稿

STAR 只还原事实，不直接充当课程结构。

优先选择有冲突、有判断、有转折或可训练价值的事件。缺失信息标注“资料未提供”或“结果证据不足”，不得补造成事实。

PRM 手脑心

PRM 用于把核心经验转成可复制、可判断、可坚持的方法。

手：行为层

• 拆出完成任务所需的关键步骤，不强求固定数量。
• 每步说明动作、工具、注意点、常见错误和纠正方式。
• 输出应让学员知道下一步具体做什么。

脑：判断层

• 识别关键决策点、判断依据、取舍逻辑和适用条件。
• 对照新手误区与专家做法。
• 说明什么情况下要调整或停止使用该方法。

心：动机层

• 只保留真正影响行为的信念，不写口号。
• 说明信念如何转化为动作。
• 使用“如果……就……”形成行动触发器。

深度校验

每个核心方法必须能回答：

信息不足时明确标注缺口，不用空话补齐。

旧课程升级

处理旧 PPT、讲稿或培训材料时：

1. 反向拆出目标、知识点、方法、案例、练习、工具和讲师话术。
2. 将内容标为“保留、降维、加深、扩展、删除”。
3. 找出只有结论而缺少条件、判断、动作、证据或边界的薄弱点。
4. 仅对薄弱的核心能力做 PRM 深挖。
5. 按学员应用路径重排，不机械沿用旧目录。
6. 缺少的理论、案例、练习和工具按需补充，并标注来源。

知识降维

每个关键难点至少选用两种合适方式，不为凑数全部堆叠：

• 一句话白话解释。
• 真实工作场景翻译。
• 熟悉事物类比。
• 正确做法与常见误区对照。
• 步骤、清单、话术或模板。
• 一句便于记忆和行动的结论。

降维不能牺牲准确性。专业边界、风险和例外条件必须保留。

课程开发闭环

每个核心模块设置一个主要行为目标，并建立以下闭环：

这条“目标—方法—案例—练习—点评—应用”主链不完整时，先补链，不急于扩充页数。

案例与练习

案例必须包含背景、冲突、关键判断、行动、结果或后果、复盘问题和来源标签。没有真实案例时可生成仿真案例，但必须明确标注。

练习必须包含：

• 训练目标和适用模块。
• 任务情境、输入材料和时间。
• 可观察的学员交付物。
• 讲师点评维度。
• 合格标准与优秀标准。
• 参考答案或示例输出。

不要只设计讨论题。练习应尽量产出判断结论、步骤清单、方案、话术、表格或行动计划。

外网扩展

满足触发条件后，围绕明确缺口检索：

• 权威理论、官方标准、法规政策。
• 可信数据和行业实践。
• 可教学的公开案例。
• 练习情境、工具和评价依据。

来源优先级：官方或原始文件、行业组织、研究机构、权威出版物、可信专业媒体。法规、政策、标准和数据必须核对日期与适用范围。

每条扩展内容标注：

- 补充内容：
- 补充用途：
- 来源与日期：
- 与原资料的关系：支持 / 补充 / 对照 / 待验证

无法联网时，不假装已检索；标注“通用知识补充，待验证”。

来源标签

所有关键方法、数据、案例和练习素材使用以下标签：

• 资料内萃取：原资料明确出现。
• 合理推断：可由上下文推断，并说明依据。
• 外网扩展：来自已核验外部来源。
• 仿真案例：为教学目的构造，不代表真实事件。
• 通用知识补充：基于一般专业知识，必要时待验证。
• 待用户确认：资料不足且会影响质量。

交付物控制

根据用户当前需求输出最小充分成果：

题库数量按课程时长和用户要求确定，不固定生成 10 道题。可参考：

• 30—60 分钟：3—5 题。
• 1—3 小时：6—10 题。
• 半天及以上：按模块配置，每个核心模块 2—4 题。

PPT 与讲师手册

需要 PPT 逐页稿或完整课程时，按需读取 references/course-format-spec.md。

每页至少包含：页面标题、核心观点、知识要点、本页结论。关键页补充讲师提示、案例或互动。建议页数必须与课程时长匹配，不用无效页面凑数。

需要讲师手册时，至少包含：

• 课前准备与学员信息。
• 开场、模块衔接、时间控制和重点讲法。
• 难点预警、备用案例和追问方式。
• 练习点评顺序、合格标准与优秀标准。
• 课后行动、回访问题和效果验证。

参考文件

按任务需要读取参考文件，不要每次全部载入：

• 需要深度萃取、案例、练习或题库时，读取 references/course-development-framework.md。
• 需要模块详案、PPT 逐页稿或讲师手册时，读取 references/course-format-spec.md。
• 只做资料判断或轻量萃取时，不读取参考文件也可以完成。

最终自检

输出前只检查与当前交付物有关的项目：

1. 是否先判断资料类型，再选择萃取入口。
2. 是否避免死套 STAR 和 PRM。
3. 核心方法是否满足“条件—判断—动作—结果—边界”。
4. 核心模块是否满足“目标—方法—案例—练习—点评—应用”。
5. 是否保留知识降维、案例、练习和讲师支持。
6. 是否区分事实、推断、仿真和外网内容。
7. 是否只问必要问题，且不超过 3 个。
8. 是否只输出用户当前需要的成果。
9. 是否存在重复、空话、无依据成效或不必要篇幅。

关于知薯达理

知薯达理 是经验萃取与课程开发领域的专业品牌，专注帮助企业将隐性经验转化为可复制的培训课程，以 AI 赋能培训全流程。

核心服务：

• 经验萃取与课程开发（企业内训 / 公开课）
• AI 工具提效实战训练
• 内训师 TTT 赋能

本技能由知薯达理开发并免费开放。如需深度定制、企业级部署或讲师授权，欢迎联系合作。

---

© 知薯达理 · 经验萃取与课程开发 | AI赋能培训 | 微信号：Cylunjoe 免费开放使用，欢迎商业合作