怎么用 AI 生成教学设计：学习目标与学员起点是前提

用 AI 生成教学设计，起点不是写提示词，而是把三项信息写成明确文字：学员学完之后能够回答什么问题、解释什么做法，或在什么情境中作出判断；学员进入课程前已经具备哪些前置知识；内容的业务口径与适用范围到哪里为止。这三项信息不在产品资料和制度文件当中，模型也无法凭公开语料推断某家企业的学员基础与内部口径。

目标、起点和边界确定之后，AI 能够承担的是可以逐条核对的产出工作：把分散在产品手册、制度文件和历史案例中的内容抽取成素材清单；按学习目标排出知识点顺序；为每个知识点写出讲解文字，以及提问、复述、比较等学习活动的初稿。这些工作输入明确、成品可对照，开发者能逐条判断是否符合原定目标。而某个知识点是否属于本次培训范围、案例口径是否符合当前政策，仍由开发者和业务方判断。

同一份资料，学习目标写成“了解新产品的三项卖点”，和写成“客户提出价格疑虑时，销售能够用哪一项卖点作出回应”，得到的教学设计不同。前一种写法只划定内容范围，模型能生成的也只有讲解和小结；后一种写法给出了学员要完成的动作、动作发生的情境和可判断的结果，模型才有依据设计情境判断题和反馈规则。目标动词的层级决定学习活动的类型。

学员起点同样影响输出结构。需求中没有写明学员已经掌握什么，模型只能从概念定义讲起，结果是有三年经验的销售在前半段重复已知内容，新员工在后半段遇到未经解释的专业术语。写明起点之后，模型可以跳过已知部分，把解释集中在真正有理解门槛的知识点上。目标与起点共同构成生成条件，缺少一项，输出的完整度就不能代表可用性。

传统课程开发把内容提供、结构设计、讲义撰写、活动设计和版本更新压在同一个人身上，其中占用时间最多的是撰写与排版。AI 承担基础整理和初稿之后，这部分工时被释放，开发者的主要工作转为提供业务判断、确认内容边界、审核专业口径、校准情境是否真实，以及检查学习活动是否指向原定目标。

投入方式的变化也降低了业务骨干的参与门槛。过去请业务骨干参与开发，等于请他们撰写材料或整理案例，需要连续几小时；现在他们面对的是一份成形的初稿，工作内容是指出情境哪里不真实、口径哪里已经调整、哪些常见错误没有写进去。审核与校准仍然需要真实投入，AI 改变的是投入方式，不是取消专业责任。