用 AI 把學到的東西變成教材:知識管理四階段工作流

用 AI 把學到的東西變成教材:知識管理四階段工作流

這篇文章整理了知識管理四階段工作流——沉澱、內化、體系化、複製,每個階段都附可直接複製的提示詞與一次完整實例。適合上完課、讀完書卻發現知識教不出來的講師與知識工作者閱讀。

很多講師和知識工作者都有同一個倉庫問題:上過的課、讀過的書、存下來的文章堆成山,真的要備一堂課時,卻發現這些東西「拿不出來」。不是忘了,是它們從來沒有被加工成可以教的形狀。

我自己當資安講師這幾年,最大的體會是:

我的經驗:會做和會教之間,隔著一條完整的加工鏈。知識不會自己變成教材,它需要經過四個階段——沉澱、內化、體系化、複製。少一個階段,你站上台就會發現自己只能照念筆記。

這套方法萃取自我的內部教學筆記,原本是一份對應知識管理 L3 到 L6 的提示詞工具包,以下是我把它調整成「教材產出導向」之後的完整流程,每個階段都附上可以直接抄的提示詞,最後再帶你走一遍我自己真實跑過的一次完整流程。

階段一:沉澱——先讓知識不丟失

教材的原料是你平常吸收的東西。這個階段只做一件事:任何有價值的輸入,當天就摘要、分類、入庫。

我固定用這段提示詞處理長文章或課程逐字稿:

我看到一篇內容,想要快速保存重點。請幫我:
1. 用 3-5 句話總結核心內容
2. 提取 5-10 個關鍵概念
3. 建議 3 個適合的分類標籤
【內容】[貼上內容]
請用繁體中文、台灣用語回覆。

重點不是摘要本身,是那三個分類標籤——半年後你備課時,靠的就是它們。如果你還沒有分類系統,先請 AI 幫你設計一個兩到三層、不超過二十個分類的架構,原則是互斥、完整、一眼知道該放哪。

進階一點,當你累積了一整批待整理的標題,不要一筆一筆處理。我會把標題清單貼給 AI,要它一次輸出表格:「編號、標題、建議分類、3 個關鍵字、重要度(1 到 5 星)」。五星是現在就要用的,三星有用但不急,一星知道就好。這張表跑完,你立刻看出哪十筆是這季該優先消化的素材,而不是被一百筆收藏壓垮。

階段二:內化——確認你真的懂

沒內化的知識教出去會穿幫,學員一追問就破功。我用費曼學習法搭配 AI 來自我檢測:

我正在學習一個概念,請用費曼學習法測試我的理解。
【概念】[名稱]
【我的理解】[用自己的話解釋]
請你扮演完全不懂這個領域的初學者,提出 5 個問題挑戰我。
然後指出我的解釋哪裡「不夠簡單」、哪裡「不夠準確」,
最後給我一個用最簡單語言寫的版本。

這一步對講師特別重要:AI 扮演的初學者,就是你未來教室裡的學員。

重點:它問倒你的地方,就是你上課會被問倒的地方。先在這裡補洞,比在台上補便宜得多。

內化還有一個延伸動作:做「二次筆記」。把原始筆記丟給 AI,要它產出兩個版本——一個是 200 字內、只有大綱的「10 秒掃視版」,一個是 500 字內、每個觀點配一兩句解釋的「3 分鐘閱讀版」。這會逼你把兩千字壓成骨架。壓得出來代表你抓到結構;捨不得刪,往往就是還沒讀懂。

階段三:體系化——把多個來源整合成你的框架

教材最忌諱「東抄一段、西抄一段」。學員要的不是你轉述三位老師的說法,而是你消化之後的整合框架。我的做法是把不同來源的方法丟給 AI 找共性:

我學習了多位老師關於「[主題]」的方法,想整合成自己的框架。
【方法A】[簡述]【方法B】[簡述]【方法C】[簡述]
請幫我:
1. 找出這些方法的核心共識與通用流程
2. 分析差異:是互補還是對立?
3. 設計一個整合版框架,標註各部分來源
4. 說明什麼場景該用哪個版本

整合出來的框架要通過一個檢核:你能不能在三分鐘內,不看筆記把它畫在白板上?畫不出來,就還不是你的體系,回到階段二。

這個階段還有兩個進階版本。一個是「概念庫」:當三位老師其實在講同一件事、只是名詞不同,就請 AI 判斷它們是相同、部分重疊還是根本不同,幫你取一個「自己的名稱」、寫一條標準定義、附同義詞對照表,統一術語才不會自己把學員講混。另一個是「決策樹」:手上有好幾個方法可選時,要 AI 用「如果……那麼……」把選擇邏輯畫成樹狀,再給三個場景示範該選哪一個。教材裡有了這棵樹,學員才知道「什麼時候用哪招」。

階段四:複製——產出真正能教的教材

前三個階段是備料,這一階段才是做菜。把你的框架丟進這段提示詞:

我想把我的方法製作成培訓教程,讓沒有經驗的人也能學會。
【我的方法】[描述]
【目標學員】[背景、能力、常見困難]
請設計:
1. 課程大綱:3-7 個模組,每個模組的學習目標與時間
2. 每個模組包含:核心概念(What)、重要性(Why)、
   操作步驟(How,拆成 3-5 步)、新手常犯的錯、1-2 個練習
3. 每個模組的 3-5 個自檢問題
4. 預判學員會問的 5-10 個問題與標準答案

AI 產出的初稿不能直接用,但它解決了教材設計最痛的兩件事:結構完整性(你不會漏掉 Why 或練習設計)和盲點預判(FAQ 那段常常列出你根本沒想過的學員問題)。你的工作是往裡面填自己的案例和實戰經驗——這部分 AI 給不了,也正是你的教材跟別人不一樣的地方。

教材成形後,我還會多跑一個「品質自檢清單」提示詞:要 AI 針對「一份好教材」列出 5 到 10 個評價維度與檢查問題。這張清單之後每做一份新教材都能重複用,等於把品質標準也系統化了。

流程總覽

flowchart TD A["輸入:課程、書、文章"] --> B["階段一 沉澱:摘要、分類、入庫"] B --> C["階段二 內化:費曼檢測"] C --> D{"被 AI 問倒了嗎?"} D -->|是| E["補洞後重講一次"] E --> C D -->|否| F["階段三 體系化:整合框架"] F --> G{"三分鐘能徒手畫上白板?"} G -->|否| C G -->|是| H["階段四 複製:AI 產教程初稿"] H --> I["填入自己的案例與經驗"] I --> J["品質自檢清單過關"]

一次完整的實例 walkthrough

講流程不如走一遍。假設我要把「用提示詞做職涯定位訪談」做成一個 30 分鐘的教學模組,原料是我寫過的一篇長文加上兩位前輩的方法。

階段一沉澱:我把長文貼進摘要提示詞,AI 回三句話總結(核心是「讓 AI 扮演職涯顧問,用結構化提問逼出隱性優勢」)、八個關鍵概念、三個標籤(AI 職涯、提示詞設計、自我盤點)。入庫,標重要度五星。

階段二內化:我用費曼提示詞,把「為什麼訪談式提問比直接問『我適合什麼工作』更有效」講給 AI 聽。它扮演新手問我:「那我怎麼知道 AI 問的問題是不是亂問?」這一題我當下答得不漂亮——這就是訊號,代表我教的時候一定會被問到「怎麼確保 AI 不是瞎問」。我補了一段「先餵 AI 三個約束:你的產業、你過去最有成就感的三件事、你最不想做的事」,洞才補起來。

階段三體系化:我把自己的方法、前輩 A 的「優勢盤點四問」、前輩 B 的「故事訪談法」丟進整合提示詞。AI 找出三者的共識是「先挖事實再下結論」,差異是 A 偏量化、B 偏敘事,互補不對立。整合出來的框架變成三步:盤事實 → 找模式 → 寫定位語句。我在白板上三分鐘畫得出來,過關。

階段四複製:整合框架丟進教程提示詞,AI 吐出三個模組(事實盤點、模式辨識、定位輸出),每個都有 What/Why/How/練習,還在 FAQ 列了一題我沒想過的——「如果我過去經歷很單薄,這套還適用嗎?」我立刻意識到要加一個「社會新鮮人簡化版」。最後把自己做過的一個學員案例填進去,這模組就從 AI 草稿變成只有我能教的東西。

整趟下來大約兩小時,產出一份補過盲點、有真實案例的教學模組草稿。AI 省掉的是結構和盲點預判的力氣,沒省掉的是我的判斷和故事。

常見翻車與 FAQ

把這套流程教給身邊的人之後,我整理出幾個最常見的翻車點:

四階段檢核表

每次要把一個主題做成教材,我會過一遍這張表:

四關全過,這份教材才算站得住。

最後提醒一句:AI 在這條流程裡是加工機,不是原料庫。它能加速整理、補你的結構盲點,但教材的靈魂——你的案例、你的失敗經驗、你對學員卡點的判斷——只能來自你自己。如果你想把這套流程跟課程設計、學員體驗設計接起來,系統性地走一遍,這正是我在 AI 教學設計這條線上持續整理的方向,歡迎跟著後續的文章一起練。