成长人人都是产品经理·申悦··AI 生成
如何把你的工作经验，萃取成AI能执行的规则【附AI教练提示词】
作者基于给教培机构做AI工作坊的实操，提出从个人经验到AI可执行规则的五步法：找任务、讲案例、提规则、做验证、存方法。核心操作是让AI当访谈教练，围绕真实案例追问判断依据，整理出带来源标记的规则表，再用正常/边界/缺失样本做评测，最后换一份材料复用验证。文中附可复制教练提示词和教务、文案两个完整案例，适合想把隐性经验交给AI执行的一线业务人员。原文 ↗原文 ↗
核心观点
- ▍经验萃取应从一件最近做过的小事出发，拿着真实输入材料和最终成果让AI追问判断依据，而不是凭空总结抽象方法。
- ▍AI可以帮你整理规则，但不能替你制定规则或做决策；涉及规则冲突和条件不完备时，必须标记为待确认并交给有权确认的人。
- 01教务案例中，通过AI追问把「统计跟进名单」拆成出勤率低于75%、两次成绩下降10分及以上等可执行条件，并澄清取消课程不计入应到、点名记录缺失需先核实。
- 02规则表需区分制度规定、业务负责人确认的做法、个人经验和AI建议四种来源，并标明确认状态，防止来源混淆。
- 03验证时先用正常、边界、缺失四类小样本人工写好预期结果，再让AI处理并对比；例如出勤率等于75%不跟进、下降恰好10分要跟进，专门测试边界口径。
- 04一次结果改对不等于方法可复用，必须换一份同类材料再试一次，检查AI是否重新读取事实而非残留旧任务数据。
- 05最终成果保存为六项结构：任务、输入、规则、步骤、输出、人工确认项，并注明哪些固定复用、哪些每次必须重新提供。
反方 / 局限
- — 文章承认有些专业判断很难写成固定规则，此时只能让AI给出建议和备选方案，并保留原始问题、明确最终由人决定。
- — 验证通过不代表大规模可用，AI存在幻觉，单次测试不够；若换材料后仍需反复补充同样的要求，说明规则有遗漏，需回补任务说明。
14 分钟 · 5 卡片 · 14 资料
读原文 →前置背景
论证骨架
平行视角
未来推演
延伸追问