现有流程与本次开发范围
通用教程很难对应个人岗位、手头资料和具体工作目标。
需要解决
- 学员的技术基础、行业资料和目标差异很大，统一进度不适用。
- 工具更新快，练习重点放在可以迁移的方法上。
- 把练习变成可复用方法，还需要持续复盘、验证和维护。
必须守住
- 使用学员自己的真实任务进行练习。
- 每一阶段都形成可以继续使用的成果。
- 涉及客户和企业资料时先确认公开与使用边界。
DECISION / 设计判断
每次学习都产出可以继续使用的提示词、工作流或小工具。
CASE 04 / ONE-TO-ONE AI TRAINING
AI 学习实践
从真实任务出发，留下可复用的提示词、工作流与工具实践。
- 项目状态
- 原型
- 证据等级
- 观察结果
- 我的角色
- 学习路径、场景练习、工具实践
- 项目方
- 个人实践 · 公开展示
- 时间 / 周期
- 2026
01
EXECUTIVE BRIEF / 项目摘要
BUSINESS GOAL
把 AI 学习转化为可用的工作方法和小工具。
围绕个人工作场景记录 AI 学习，从基础使用到工作流与小工具练习。
原型观察结果AI 学习 / 工作流实践
02
CONTEXT / 项目背景
03
RESPONSIBILITY / 责任边界
OWNED / 我负责
- 学习路径
- 场景练习
- 方法整理
- 小工具实践
04
AI BOUNDARY / 系统责任
AI RESPONSIBILITY
AI 负责理解与生成建议
- 协助整理资料
- 提供初步方案
- 帮助生成可验证原型
DETERMINISTIC CONTROL
程序和人负责边界与最终确认
- 目标与输入边界
- 人工复核
- 测试与验收标准
- 客户与企业资料使用边界
05
SYSTEM / 系统架构
把 AI、数据、确定性规则和人工复核组成一条完整路径。
架构说明信息从哪里来、AI 在哪里介入，以及关键结果如何被检查。
- 01ARCHITECTURE
真实任务
用实际工作目标、资料和限制定义练习。
- 02ARCHITECTURE
方法拆解
区分信息整理、AI 建议、程序规则与人工确认。
- 03ARCHITECTURE
小工具
把高频步骤整理成可反复使用的页面或轻量应用。
- 04ARCHITECTURE
复盘
检查实际使用中的偏差，更新方法和下一步。
USER FLOW / 主要使用路径
从真实任务出发记录练习，先建立 AI 基础，再逐步整理个人工作流和小工具。
- 01BASICS
AI 基础使用
掌握提问、上下文、资料整理、结果检查与常用 AI 工具。
- 02TOOLS
学会开发自己的小工具
围绕重复工作搭建个人工作流、自动化或轻量应用。
- 03PRACTICE
把方法用于真实任务
把练习中的提示词和步骤整理成可以复用、检查和更新的小工具。
- 04REVIEW
复盘并更新
检查实际使用效果，调整方法、功能和下一阶段学习计划。
06
DECISIONS / 关键取舍
KEY DECISIONS
为了让系统可用，我做了这些判断。
- 先定义任务和完成标准，再选择工具。
- 每个练习都要留下可重复使用的产出。
TRADE-OFFS
明确放弃什么，和选择什么同样重要。
- 宁可缩小范围完成验证，也不在一次练习中堆叠过多工具。
08
VALIDATION / 产出与验证
DELIVERABLES
系统最终优化了什么
- 01个人 AI 使用方法
- 02岗位场景提示词与工作流
- 03可运行的小工具
- 04可复用的练习方法
QUALITATIVE OUTCOMES
当前可验证结果
实践产出练习留下提示词、工作流或可运行小工具观察结果
个人实践记录与公开项目 · 定性观察，不代表统一学习效果
页面使用匿名化或样例资料；指标、反馈与证据仅用于展示研究方法。
09
ROLLOUT / 当前边界
CURRENT STATUS
原型 · 观察结果
本案例只展示已明确的产品结构、系统能力与可核对证据。
10 / DESIGNER NOTE / 个人复盘
“学习记录帮助自己带着具体问题独立完成作品。”
AI TrainingOne-to-OneWorkflowApp Building