当面对全新任务时，如何通过AI协作实现73%的高完课率？本文揭示了一个产品经理跨界教育领域的实战方法论——从需求调研到功能定义，从产品制作到交付落地，全程借助AI压缩协作成本、优化课件设计、沉淀可复用资产。这套将陌生领域产品化的思维框架，或许能为你解锁更多跨界可能。

上周，一个朋友看到我做的一份交付文档，问我：

“你是怎么做到的？我完全不知道从哪里开始。”

当时我没有教育经验，也没有服务交付经验。但我用一个下午完成了启动方案，第一课完课率 73.26%。我当时参考到的行业均值，大概在 20-30%。

这件事让我很想复盘一个问题：面对一个完全新的任务，普通人到底可以怎么和 AI 协作？

现在回头看，我不是因为懂教育才做成了这件事。

更准确地说，我是把它当成一个产品来做。所以整个思路和我平时做产品、做项目的方式差不多：

• 需求调研：围绕市场趋势、用户需求、能力可达性，先界定任务边界。
• 功能定义：基于目标和需求，定出训练营的服务边界和框架。
• 产品制作：制定课件和授课模式，尽量保证完课率和参与率。
• 交付：基于服务框架，用尽可能低的人力服务成本完成训练营交付。

一、用 AI 压缩组织协作成本

在把事情拿出来让团队一起推进之前，我需要先把它和 AI 充分讨论清楚。

这一步很重要，因为它能极大节约后面的协作成本。

AI 先帮我把整个服务流程构建出来，还补了很多参考细节。

到这一步，这件事已经不再是一个模糊主题了。

原来我脑子里只有“要做一个训练营”，但现在，人、事、物都被拆清楚了：谁负责什么，学员会经历什么，交付物是什么，数据怎么沉淀，后续怎么分析。

不仅如此，在细节上，它还给我做了一个数据服务台。

这个服务台里的按钮可以点击，数据也能直接打通后台多维表格。

点击按钮后，可以直接进入填表问卷。

问卷数据会沉淀到后台，后续可以一键进行数据分析。

它还给团队里每个负责人都准备了新手素材包。

连我的初始课件，它也先写了一个版本。

这件事解决的不是“有没有文档”这么简单，而是解决了每个人后期的启动成本。

后面团队三个人一起推进时，每个人都对自己的板块很清楚。

因为 AI 已经把事情拆得足够细，我们不是从一团模糊想法开始协作，而是从一套已经被拆开的任务结构开始推进。

二、AI 写出了比我强的课件：完课率 73%

从 0 开始写课件，其实很痛苦。

尤其是我没有给别人上课的经验。对着空白文档时，我完全没思路：应该先讲什么？哪里要解释原理？哪里要让用户跟着做？最后又怎么判断他们有没有学会？

后来我发现，一份能用的课件，至少要回答几个问题：

第一，先讲原理。不能一上来就让用户跟着点按钮，而是要解释为什么要这么做。

第二，给出工作流。把整件事拆成一条可复用路径。

第三，让用户跟着做。截图、Prompt、链接和操作步骤都要放在能直接执行的位置。

第四，要有 Review。做完之后，用户知道怎么检查，而不是凭感觉判断好坏。

第五，要有作业。交付物、及格线和优秀完成标准都要说清楚。

我召唤 AI 的过程，大概是这样。

AI 直接给了我一份最终可以继续打磨和交付的文档。

可以看到，课件细节基本是按照讲课结构来展开的。

最后还是拿结果说话。

• 第一课参与人数：完课率 73.26%。
• 第二课参与人数：完课率 44.19%。
• 第三课参与人数：完课率 44.19%。

这不代表 AI 写课件就一定比人强，也不代表每个训练营都能复制这个结果。

但至少在这次项目里，它确实帮我从“完全不知道怎么开始”，走到了“能拿出一套可交付课件”。

部分学员成果预览。

后面也收到了一些感谢。

对我来说，这些反馈会让我觉得很受鼓舞，也更有动力继续把这件事做好。

三、AI 帮我把这次经验，变成永久可复用的资产

这次之后，我发现 AI 不只是帮我做出了启动方案和交付材料。

它还可以帮我快速梳理和提炼，把一次经验变成以后还能复用的资产。

中间有很多小细节，哪里不对，直接评论就好了，AI 会继续帮我解决。

比如我让它帮我优化画板的问题。

优化后，它会根据我的要求重新画图。

我的工具栈其实很简单：

Codex + 飞书 CLI + Notion MCP。

四、我真正复用的，是这套启动逻辑

我的提示词逻辑，也可以整理成一个最小结构：

我是[身份背景]

我要做[具体任务]

我完全不懂[领域]，

但我有[已有资源]

我的限制是[时间/人力/预算]

我参考了[竞品/案例]

我的验收标准是[MVP定义]

请帮我输出[具体交付物]

这次最有价值的地方，不是某一个具体 Prompt。

而是我意识到：面对一个陌生任务时，我可以先把自己的身份、任务、资源、限制和验收标准讲清楚，再让 AI 帮我把它拆成可以执行的东西。