作者给教培机构做了一场AI实战工作坊，带着学员从梳理业务场景到拆解任务、提炼规则，再到用AI生成成果。六个组做出了经营看板、咨询报告等成果。核心问题只有一个：怎么把脑子里的经验交给AI。

这篇文章，我就结合自己做组织经验萃取的思路，分享一套个人和团队都可以尝试的方法，并附上一段AI教练提示词。你可以让AI充当访谈教练，先向你提问，帮助你回顾真实案例、说出判断依据，再把确认过的做法整理下来，再交给AI，让它按萃取出的要求执行任务，最后沉淀成Skill，真正做到“授AI以渔”。

我把这个过程整理成了一个五步法，分别是：

找任务、讲案例、提规则、做验证、存方法。

01 找任务：选一件最近做过的工作

经验萃取最好从一件小事开始。

比如：每周整理客户跟进记录、审核一篇业务文案、汇总几个部门的数据，或者检查一份提交上来的材料。

先拿出两样东西：当时使用的原始材料，以及你最后处理过的结果。

然后回答：

这份结果是给谁看的？对方拿到以后，能基于我给的结果做什么？

这两个问题很重要。同样一份分析，给自己看、给领导决策、给客户解释，需要呈现的内容一定是不同的。

你可以先用这样的话术描述你的任务：

我需要根据哪些资料，完成哪项工作，交出怎样的结果，给谁看。

举个例子，如果你是一名教育机构的教务人员，就可以这么描述自己的工作：

我每周要根据学生的到课记录和两次练习成绩，整理需要跟进的学生名单，交给负责该班的班主任安排沟通。

这就是个可以讲清楚的任务。你不用急着给AI发指令，而是先看看自己平时是怎样做判断的。

02 讲案例：拿着例子，让AI追问你的判断

凭空总结自己的经验，那一定很难，但如果让你看见具体内容，很容易就能把判断思路表达出来。

所以，不妨把AI当作你的经验萃取教练，不断对你刨根问底。还是刚刚的教务例子，就可以这样追问：

AI教练：上次你整理待跟进的学生名单，会重点看哪些信息？

教务人员：先看出勤情况，再看成绩变化。

AI教练：请拿出一条你认为需要跟进的记录，告诉我，为什么你会选中这个学生？

教务人员：因为他最近四次课只来了两次，需要联系家长了解情况。

AI教练：你的判断依据，是缺席次数，还是出勤比例？所有学生都是这个跟进标准么？还是针对这名学生的个别判断？

教务人员：这是我们教务组的规定：出勤率低于75%需要跟进。

AI教练：那取消的课程算不算出勤率？如果有一次课没有点名记录，又怎样处理？

教务人员：课程取消不算出勤率。缺点名记录要先核实，不能直接算缺勤。

……

你看，经过这几轮对话，原来你让AI出跟进名单，可能就只有一句模糊的“统计要跟进的学员名单”，现在，是可以把“是否跟进”，拆成几个具体的判断条件。

这样的追问过程，可以由人来做，也可以给AI下指令，让它围绕四类问题持续向你提问：

1）你做判断前，会收集哪些资料？

找到实际使用的字段、原文或信息。

2）你会依据资料中的哪些信息作判断？

说清判断条件和来源。

3）判断之后你会怎样处理？

是计算、分类、修改、补资料，还是转给其他人确认？

4）出问题怎么办？哪些情况不能照这个办法处理？

找出边界、例外和信息不足的情形。

不必一口气全回答完。可以每次对着一条记录或一段内容，慢慢把判断说清楚。

写文稿、做方案、准备沟通话术，也能用同样的方法。

拿出一份初稿和你的修改版，让AI问你：

• 这句话为什么删掉？
• 你补充这项信息，是为了帮助读者作出什么判断？
• 这个修改要求，对下一份同类材料也适用吗？

例如，你删掉了一段没有依据的效果描述，补上了具体服务内容。经过确认，可以提炼出一条要求：

介绍服务时，优先写资料中能核实的具体内容；缺少依据的效果结论不写。

接着再确认：这条要求适用于以后同类稿件，还是只用在当下的这个任务里。

但把旧价格改成新价格，属于本次事实更新。应该保存的方法是每次读取当前资料中的价格，而不是把这一次的数字永久写进规则。

总之，把修改前后的差异解释清楚，就有机会从一份改好的文档中，提炼出一套可复用的规则。

03 提规则：把判断整理成规则，并标明依据

追问结束后，可以让AI帮助把这次对话过程，整理成可执行的规则，要求AI理清楚：

在什么情况下，依据什么，怎样处理，以及遇到例外怎么办。

还是那条教务案例。假设业务人员确认了成绩下降的处理要求，就可以形成这样的规则表：

这份表中，规则的来源和状态尤为重要。要区分清楚，哪些规则是公司规定，哪些是部门要求，哪些是个人经验，甚至也可以引入AI建议。但这些信息不能混在一起。

尤其涉及规则冲突、条件不完备时，要列为“待确认”，交给有权确认的人处理。

AI可以帮你整理规则，但不能帮你制定规则、决策规则。

当然，有些专业判断确实很难写成固定规则，这时候可以让AI根据上下文给出一些建议和备选方案，但务必也要保留原始问题，并明确最终由谁作决定。

04 做验证：先检查资料质量，再用小样本验证规则

规则写出来后，先不要直接就让它处理全部资料。

首先确认，AI实际读到了哪些内容。可以给它这样的一条指令：

先不要生成最终成果。请列出你实际读到的资料、各自用途和关键字段，指出未读取或无法确认的部分，并展示一条记录或一段原文供我核对。

把文件或链接交给AI，先检查它是否读到了你希望它处理的完整信息。尤其对一些难识别的：图片、表格、视频，AI是否能理解它们的意思。

确认AI已经正确读取到所需资料后，可以先用少量样本试跑。从几条自己能核对的记录开始，写下按照已确认的规则，应该得到的正确结果，再让AI处理。

仍然使用前面的教务案例，提前做好这样一张表：

选这几条记录，是为了检查不同情况下（正常、边界、缺失）的处理是否符合要求。

之后，用AI依次处理四个样本，把结果填入表格最后一列，再和人工预期结果做对比，这样发现问题后，就能具体指出错在哪里、依据是哪条规则。这就是做AI项目最关键的一步：评测。

内容类任务同样可以这样检查，重点看事实出处、必要信息覆盖面、以及使用者拿到后能否开展后续工作。

例如，让AI写一段课程宣传文案，可以先约定：课程事实必须来自提供的资料，内容要包含家长需要了解的关键信息，不补充没有依据的效果承诺。生成后，先核对课时、费用、教师等信息，再对照之前的成功样例，检查结构和表达是否适合实际使用。

当然，你也可以把检查工作交给AI，但你自己还是要最终确认检查结果是否符合核验标准。

到这里，核验通过了，就可以开始大规模运用了么？别急，AI存在幻觉，所以只测一次是不够的。

第一轮修改好后，还要换一份同类材料再试一次。可以新建任务或对话，给它提供前面整理并确认的任务说明、规则和一套新资料。

比如教务案例中，可以换一批学生记录，检查AI是否仍按相同口径处理出勤、成绩和缺失信息。

再比如写课程宣传文案，可以换一门课程，检查它是否重新读取了教师、日期和费用，同时遵守已经确认的表达要求。

遇到规则没覆盖的情况，也要看它有没有列出待确认事项，而不是自行脑补处理办法。

换一份材料后，如果AI仍能按已确认的规则完成任务，才算达到初步复用标准。如果这个过程中，还需要你反复补充同样的要求，就把这些遗漏项补充到任务说明中，再继续验证。

记住：把一次结果改对，与形成可复用的方法，是两个需要分别检查的目标。

05 存方法：保存方法，再决定封装方式

经过验证后，可以使用如下的六项结构：

任务、输入、规则、步骤、输出、人工确认项。

把这些有效方法保存成一份简洁的工作说明，还要说明：下次做同类工作时，该如何复用这套方法。

以前面的教务任务为例，我们已经确认了出勤率怎么算、什么情况该跟进一个学生，以及统计结果出来后如何检查。这些要求就可以整理进任务说明，下次整理学生跟进名单时接着用。

但下一次的名单，要根据新的出勤点名记录和成绩表重新生成。因此，任务说明中，可以增加这样的要求：

每次执行前，先确认本次统计的时间范围，以及需要使用的出勤点名记录和成绩表。按照已确认的规则重新计算。

这样一来，下次使用时，你只需提供本次材料，告知统计范围，再让AI按照保存的方法执行即可。当然，业务规则发生调整时，也要同步更新方法说明。

这份说明可以先作为文档或任务模板保存。如果你的企业支持使用WorkBuddy这类AI办公助手，就可以把当前资料与这份说明一起交给它。如果类似工作会高频反复出现，就再封装成Skill。不过，封装只是保存和调用的方法，是否可靠，还要通过实际任务去检查。

做到这里，你留下来的就不只是一段能生成内容的提示词，还包括了规则的依据和检查的方法。

可直接复制：业务经验萃取教练提示词

下面这段提示词，可以放进你常用的AI对话工具，然后准备一项熟悉的工作，以及一批允许使用的脱敏材料，开始试着进行访谈和经验萃取吧。

业务经验萃取教练提示词（可直接复制）

你是我的业务经验萃取教练。请通过逐步提问，帮助我把一项熟悉的工作，整理成有依据、能检查、能复用的任务说明和业务规则。

现在先做访谈，不要直接替我完成业务任务，也不要凭常识编造我们公司的做法。

【对话方式】

1. 每次最多问两个具体问题，等我回答后再继续，不要一次给出长问卷。

2. 优先围绕我最近做过的一次工作、实际材料、历史成果或修改记录提问。

3. 如果我说得模糊，请让我举一个具体例子，或指出材料里的一处内容，不要反复要求我总结抽象方法。

4. 已经明确的信息不要重复询问。每完成一个阶段，简短总结当前结论和仍需确认的问题。

5. 如果我不知道某项规则，记录为待确认，并问清应由谁确认。不要替我选择，也不要无限追问。

6. 如果当前任务太大，请帮助我缩小到一份材料、一批记录或一项具体成果，并征求我的确认。

【第一阶段：还原真实工作】

帮助我讲清：

– 最近一次做这项工作的具体经过。

– 谁需要结果，拿到后要完成什么动作。

– 当时使用的材料，以及最后交出的成果。

– 哪个环节最重复、最费时间或最容易出错。

根据回答，形成一句具体任务描述，请我确认。

【第二阶段：围绕样例提取判断】

请我选择一条实际记录、一段内容或一份修改前后的材料，逐步追问：

– 我先看哪里？

– 我依据哪些信息作判断？

– 判断后具体怎样处理？

– 遇到什么情况，不能照这个办法处理？

根据任务类型选择追问方式：

– 数据、核对、筛选类：关注字段含义、统计口径、边界、缺失和异常。

– 内容、沟通、方案类：关注认可样例、修改前后差异，以及我为什么这样修改。

– 专业判断类：确认AI可以准备哪些依据，哪些决定必须由人完成。

不要从一个例子直接推断普遍规则。

请确认它是长期做法、仅适用于某类情况，还是本次特例。

分析修改时，区分：

事实纠正、业务规则补充、执行错误、需求变化和表达偏好。

不要把本次日期、价格、人员信息等固定成永久规则。

【第三阶段：整理并确认规则】

把已经讨论的内容整理成简短规则表，包含：

规则编号、适用条件、处理方法、例外处理、依据、确认状态。

区分：

– 制度或已有文件规定；

– 业务负责人确认的做法；

– 我个人的经验；

– 你提出但尚未确认的建议。

引用我提供的依据；没有依据时如实标记。

存在冲突时保留分歧，不自行选择。

请我确认关键规则。

未确认且影响执行的内容，列为待补事项。

【第四阶段：准备验证】

如果需要读取资料，先说明你实际读到了哪些内容，

指出未读取、无法访问或含义不清的部分。

不要声称已经读取你无法访问的链接、附件或文件。

先请我提供或确认少量样本的预期结果，再进行测试。

数据类尽量包含正常、边界和缺失情况；

内容类明确必须包含、不能出现和需要人工判断的要求。

具备读取与执行能力、且得到我确认后，再试跑。

不具备能力时，只提供验证步骤，不虚构运行结果。

教学用的虚构样例必须明确标注。

出现差异时，协助判断原因：

输入读取、任务目标、规则遗漏、执行错误或输出形式。

修正后，帮助我设计一次换样本验证：

换一份同类材料，检查方法是否成立，以及是否残留旧任务的事实。

如果没有实际进行验证，请标为未验证。

【第五阶段：形成可保存的成果】

根据确认结果，输出：

1. 六项任务说明：任务、输入、规则、步骤、输出、人工确认。

2. 规则表：保留依据、适用范围和确认状态。

3. 检查样例与实际验证记录，区分已测试和未测试。

4. 待确认事项、确认人，以及下一步需要补充的材料。

注明哪些要求可以固定复用，哪些信息每次必须重新提供。

不要因为整理成文档或Skill，就声称已经稳定可用。

如果我中途说“先整理当前版本”，请输出现有成果并标明缺口，

不必等所有问题都有答案。

现在开始，只问我两个问题：

第一，我想梳理哪项最近亲自做过的工作？

第二，我能否提供当时的一份输入材料和一份结果，

或者先口述最近一次处理过程？

第一次练习，不必追求整理完整的岗位经验。先提炼出几条候选规则，再逐步完善。

在企业里，很多工作之所以依赖熟手，是因为他知道哪些信息重要、什么时候需要特殊处理、以及结果做成什么样才能交给别人。想把这些脑子里的判断整理出来，不是件容易的事，既需要材料、追问、确认，也要实际验证。

AI能帮我们把这段过程做得更有条理。但业务人员仍要负责提供经验和确认判断，AI辅助提问、整理和执行，再由双方围绕真实结果持续调优，才是最佳实践方式。