本文定义面向公司混合职能同事的八讲 AI 通识课程，编号为第 0—7 讲。它说明课程目标、各讲关系和全局边界，并集中展示各讲定位。设计理由见 01-为什么这样设计课程。
1 课程概览
- 目标受众：公司内产品、运营、销售、市场、职能和管理等混合岗位，不假设具备编程、API、模型训练或命令行知识。
- 学员起点：多数人偶尔使用免费 AI 问答、搜索或改写功能，还不习惯把一项多步骤任务交给 AI 持续完成。
- 课程安排：共八讲，每讲约 60 分钟。讲解、案例、演示和讨论的时间按本讲目标安排，实践活动按需设置，不统一要求每讲布置作业。
- 内容层级：讲 → 章 → 节。「1」是一章，「1.1」「1.2」各是一节。先明确本讲定位，再确定章级结构和逐节内容概括；每节对应一页 PPT，允许用 Clicks 分步展示。
2 课程主线与阶段关系
第零讲通过能力展示激发好奇心，让学员理解整套课程为什么值得学习。第 1—4 讲逐步建立对模型回答、Agent 行动、协作环境与使用成本的认识；第 5—7 讲讨论专业能力、管理能力和知识广度为什么在 AI 时代值得持续发展。
七阶段描述人和 Agent 的分工怎样变化，可用来辅助思考工作方式，不是能力排名，也不决定讲次安排。同一个人在不同任务上可能处于不同阶段。
课程讲次与能力阶段不要求一一对应，不为匹配阶段调整课程。第四讲专门讨论 Token 经济学。阶段 4.5 代表希望学员逐渐领悟的认知转变，不设置对应课程、讲稿、章、节或额外教学任务。
3 课程目标与学习边界
课程希望帮助学员理解 AI 能做什么、不能做什么，以及使用时需要考虑的条件、成本和责任；认识如何营造适合 AI 协作的环境，为把部分繁琐工作委托出去、把精力留给更重要的事情提供依据。
同时，课程引导学员思考自身的发展：完成工作不等于能力同步增长，执行能力扩张也不代替专业判断、管理能力和持续拓宽视野。
第 0—4 讲以建立理解为主，通过案例、演示和必要的方法说明联系真实工作。第 5—7 讲着重论述相关能力为什么重要，个人实践或外部材料用于支持论述，不承诺在一讲内教会这些能力，也不考核掌握程度。
课程不以到达某一能力阶段作为统一结课标准，不统一要求提交一套实际运行的 AI 工作方案。希望学员逐渐改变实际工作方式，是长期期待，不等同于课堂即可证明的学习成果。
4 八讲课程结构
本讲定位与章、节内容的确认分别推进。第 1、2 讲保留现有章节和正文；其余讲次在本讲定位的基础上继续讨论章、节内容。下表状态不代表所有材料都已制作完成。
| 讲次 | 标题与讲稿入口 | 本讲作用 | 当前状态 |
|---|---|---|---|
| 0 | 魔法的国度 | 展示可能性，激发好奇心，交代课程安排与风险 | 封面、四章正文、课堂总结与 Q&A 已制作并发布 |
| 1 | AI 是这么说的 | 理解回答的来源、可靠性与采用责任 | 讲稿已确认 |
| 2 | 当 AI 有了两双手 | 理解 Agent 的行动方式、原理与控制取舍 | 封面、七页正文、两页过渡、课堂总结与 Q&A 已制作并发布 |
| 3 | 掟上今日子的备忘录 | 理解 Context，并认识适合 AI 协作的工作环境 | 本讲定位已明确；章、节内容待逐步确认 |
| 4 | Token 经济学 | 建立资源投入、Token 消耗与收费的成本常识 | 本讲定位已明确；章、节内容待逐步确认 |
| 5 | 文化工作者首先要有文化 | 理解专业能力及主动学习的重要性 | 本讲定位已明确；章、节内容待逐步确认 |
| 6 | 管理是 AI 时代的超能力 | 理解目标、委托、反馈与评估的管理价值 | 本讲定位已明确；章、节内容待逐步确认 |
| 7 | 未知的未知 | 理解知识广度及持续更新视野的重要性 | 本讲定位已明确；章、节内容待逐步确认 |
5 各讲定位
5.1 第 0 讲 · 魔法的国度
我们今天用自然语言向 AI 提出要求，让它写代码、生成画面、处理工作——这些体验，在二十年前的人看来，或许与魔法无异。第零讲以「魔法的国度」为入口，通过展示 AI 的能力，勾起学员的好奇心，让他们看见这个世界已经发生的变化，以及这些变化与自己工作的关系。
由此介绍整套课程的安排，说明后续各讲为什么值得学习：从理解 AI 的能力与边界、营造适合协作的环境，到认识使用成本，再到思考人在 AI 时代需要发展什么能力。
惊叹之外，也引出必要的风险意识：借助 AI 完成工作，不等于自己的能力同步增长；不了解 Token 消耗与计费方式，也可能迅速耗尽额度，或让费用超过实际收益。这些问题留到后续讲次展开。
本讲以激发兴趣、建立课程全貌为主，让学员带着好奇和问题进入后续课程，不展开具体原理与操作方法。
| 章 | 小节 | 内容范围 |
|---|---|---|
| 1 梦想机器 | 1.1 假如回到 20 年前 | 用二十年前与今天手机的反差引出「魔法的国度」：手机和它背后的计算机已经带来过一次《梦想机器》般的变化，魔法发生过一次。本节不出现 AI。 |
| 1.2 百花齐放的 AI 应用 | 一页铺开今天 AI 的七种用法：按标注改图、给照片配乐、照着分镜生成短片、走进生成的世界、一句话建三维模型、机器人收拾厨房、把任务交给电脑，再点明 LLM 是 AI 的一个分支，课程聚焦 LLM 接上工具之后替我们做事。 | |
| 2 让 AI 分担工作 | 2.1 销售人员的一周花在哪里 | 示范本章的方法：从销售人员一周的时间分配看 AI 能分担哪些工作、哪些仍由人完成，再展示一次 AI 寻找潜在客户的真实结果。 |
| 2.2 面试时，能问出多准的问题 | 用同样的方法看招聘，以面试前了解候选人上一家公司为例，展示讲师课前让 AI 完成的一份调研：看清那家公司，才问得出针对这个人的问题。 | |
| 2.3 求职者会怎样研究我们 | 把 2.2 反过来：求职者也能用同样的方法研究 Sunricher。展示一份以求职者视角、只用公开信息研究 Sunricher 的报告，留下「它写的我们，准不准」的问题，到 3.1 回答。求职者那边的现成工具以开源的 ASu-skills 为例。 | |
| 2.4 你最想把哪项工作交给 AI | 本章收尾：只有你能做的事留在你这边，准备工作交给 AI，交回成果。列出产品、运营、市场、行政和管理岗位（不含财务）各一项准备工作，让每位学员想到自己的那一项。不现场投票，也不逐项演示。 | |
| 3 咒语之外 | 3.1 判断对错的能力 | 回答 2.3 留下的「它写的 Sunricher，准不准」：讲师坦白自己看不出来，把问题交给在场做销售、产品的同事，请他们挑熟悉的一句说说看。判断对错，要靠做过这项工作的人，留给第五讲深入讨论。 |
| 3.2 使用 AI 的成本 | 交出去的工作两边都有代价：AI 那边，第二章三份报告连同重新调研和调整措辞，一共用了 7002 万 Token、约 2.9 小时，这算多吗、值不值，留给第四讲；你这边，交回的 75 页要读完、核对，省下的时间可能又花在读上，留给第六讲。所以交出去之前先问：这份报告真的需要吗，是不是为了用 AI 而用 AI。AI 那边再按八家 API 标价粗算一次，作为参照，标明调研实际按订阅使用、不按 Token 计费。 | |
| 4 魔法国度的地图 | 4.1 人与 AI 分工的七个阶段 | 本章是整套课程的概览。用七阶段环线图给出全景：主线「AI 能做的越来越多，判断和管理仍由人负责」的前半句对应第 1—4 讲「理解 AI」，后半句对应第 5—7 讲「发展人的能力」。对应的是主线和课程两组，不把单个阶段与讲次绑定，也不为阶段 4.5 单独安排教学内容。 |
| 4.2 每一讲要回答的问题 | 以书的目录逐讲展开：序是第零讲，上篇第 1—4 讲，下篇第 5—7 讲，每讲列出封面纸条上的问题和一句内容，并标出第四、五、六讲接住第三章的哪个问题。后记说出课程目标：不教按哪个按钮，而是把你不知道自己不知道的东西摆出来。 |
5.2 第 1 讲 · AI 是这么说的
本讲区分模型的预训练知识、当前 Context 与搜索获得的外部材料，引出大语言模型、Prompt、Context 和幻觉等基础概念。通过具体情境说明：回答流畅、有细节或带有来源，都不能自动保证结论正确。
从提问到采用，学员需要理解交代任务、补充材料和提供反馈的作用，并根据结果的用途与影响判断核查强度。AI 可以提供候选答案，是否采用、发布或执行，以及相应的责任，仍由人判断。
| 章 | 小节 | 内容范围 |
|---|---|---|
| 1 看起来很像真的 | 1.1 这个地址能直接用吗 | 通过公司地址的 AI 回答与原始材料，提出采用之前需要核对依据的问题。 |
| 1.2 一本正经编造的书单 | 用虚构书单案例引出幻觉（Hallucination），认识针对真实、可核查问题的回答也可能包含编造的事实。 | |
| 2 回答从哪里来 | 2.1 不搜索，它凭什么回答 | 认识大语言模型（LLM）与预训练知识，理解模型不搜索也能凭学过的规律续写，但不会自动核对训练原文。 |
| 2.2 联网搜索到底做了什么 | 区分搜索动作、找回的网页片段与模型生成的最终回答。 | |
| 3 把话交代清楚 | 3.1 同一个问题，三种回答 | 比较相同问题在不同材料下的回答，引出提示词（Prompt）与上下文（Context），说明提示词是上下文的一部分。 |
| 3.2 先说清你真正想做什么 | 用视频压缩案例区分真实目标与表面做法，说明目标、条件和限制怎样影响回答。 | |
| 3.3 不必追求一句完美咒语 | 结合不同任务理解补充材料、提供反馈与分步对话的作用，认识协作可以在对话中逐步调整。 | |
| 4 拿到回答之后 | 4.1 有来源链接就靠谱吗 | 检查来源与结论的关系，识别找错信源、脱离语境和过度推断。 |
| 4.2 这份回答要查到哪一步 | 根据结果的用途、后果及可撤回程度选择核查深度。 |
总结页「『AI 是这么说的』不是论据」不列入章节目录：回顾交代清楚、按影响核对与人的责任，推荐延伸阅读并邀请提问。
5.3 第 2 讲 · 当 AI 有了两双手
第二讲「当 AI 有了两双手」承接第一讲对模型与回答可靠性的认识，让学员看见：模型接上工具以后，可以从生成回答走向读取、处理和保存材料，连续推进一项工作。
本讲先展示工作方式的变化，再解释 Agent 是怎样由模型与工具协作的整体系统，以及工具调用和 Agent Loop 怎样把判断、行动与反馈连接起来。通过具体工作情境，帮助学员理解 AI 为什么能够根据新信息继续行动，而不必由人逐步搬运每一次结果。
行动能力扩大，也意味着判断偏差可能影响真实对象。本讲进一步讨论能力扩展与操作范围之间的取舍：工具和权限并非越多越好，有限授权也不能代替对结果的判断。
本讲以理解工作方式、运行原理和控制取舍为主，不展开工具配置教程；具体工作目录、Skill 与基础 Context 工程留到第三讲。
| 章 | 小节 | 内容范围 |
|---|---|---|
| 1 AI 开始接手一项工作 | 1.1 AI 在做，为什么你还走不开？ | 通过月报情境观察文件交接与业务判断，理解 AI 已经在做、人却仍需接续的工作环节。 |
| 1.2 这一次，让 Agent 把工作接下去 | 比较同一任务中 Agent 接续文件操作的工作方式，区分可交出的操作与仍需保留的判断。 | |
| 2 Agent 是怎样工作的 | 2.1 Deep Research，已经是一个 Agent 了 | 通过资料研究过程观察 Agent 如何根据新信息继续行动。 |
| 2.2 为什么它没有停下来回答？ | 理解模型、工具调用与 Agent Loop 怎样连接判断、行动和反馈，以及停止不等于任务完成。 | |
| 3 当 Agent 能做的事情越来越多 | 3.1 接上工具，模型能做什么？ | 通过会前材料情境认识工具如何连接文件、网页和消息，以及操作范围怎样扩展。 |
| 3.2 会操作，就会正确行动吗？ | 通过附件外发情境区分操作成功与遵守要求，认识行动偏差如何影响真实对象。 | |
| 3.3 我们实际需要怎样的 Agent？ | 通过客户回复草稿讨论有限授权：保留有用能力，在关键承诺和外发前由人判断。 |
5.4 第 3 讲 · 掟上今日子的备忘录
第三讲借用西尾维新小说《掟上今日子的备忘录》的人物设定，以「忘却侦探」掟上今日子为贯穿故事：她保有推理的本领，却一睡着就会忘掉当天的一切，所以原则上只接当天能破的案子。如果一项工作需要好几天，需要为她准备哪些信息，她又怎样利用这些信息了解任务、找到资料、遵循方法并接续进展？故事情节由课程自编，不要求学员读过原作。
围绕这一过程，解释一次会话开始时上下文（Context）中有哪些内容，以及工作过程中如何获取和补充信息，引出会话（Session）、上下文窗口（Context Window）、工作区（Workspace）、技能（Skill）、记忆（Memory）等概念及其相互关系。
在此基础上，以本课程的制作目录为实例，介绍基础的上下文工程（Context Engineering）：怎样组织工作资料、说明和可复用的方法，让 AI 能够找到所需信息、理解工作要求，并在新的会话中继续推进任务。
本讲希望学员理解，营造适合 AI 协作的环境，本身就是使用 AI 的重要部分；不必把所有要求和背景都寄托在一段持续的聊天中。
| 章 | 小节 | 内容范围 |
|---|---|---|
| 1 为什么总要从头交代 | 1.1 会话（Session）：又要和她重新认识一次 | 用一两句话交代人物设定：今日子推理的本领一直都在，一睡着却会忘掉当天的一切，委托人每次来，她都说「初次见面」。对照新会话接不上昨天的进展、需要重新交代背景的困扰，引出会话（Session）。「一睡就忘」是故事设定，真实的边界是一次会话，不是固定的时长。 |
| 1.2 别只依赖一段聊天 | 提问：一个案子要查好几天，怎样让她每天都接得上？提出观点：把必要的资料、要求、方法和进展留在工作环境里，才能支持持续协作，不必只依赖一段聊天。 | |
| 2 她怎样了解当前的工作 | 2.1 上下文（Context）：她现在知道什么 | 沿用第一讲的上下文（Context）。用醒来第一眼看到的提示和桌上的委托书，对应系统提示词（System Prompt）与项目指令（Project Instructions），说明会话开始时上下文里已经有哪些内容。 |
| 2.2 上下文窗口（Context Window）：她一次能记住多少 | 不睡就不会忘，但查案时读到的文件和工具调用结果（Tool Result）会不断进入上下文，引出上下文窗口（Context Window）的容量限制，以及内容越多越容易出错。区分会话、上下文与上下文窗口。 | |
| 3 把协作基础留在工作环境里 | 3.1 工作区（Workspace）：资料放在哪里，怎样找到 | 用案卷柜对应工作区（Workspace），区分柜子里保存的资料与当前已经读取的信息，说明组织和按需查找的作用。 |
| 3.2 技能（Skill）：怎样提供可复用的工作方法 | 用「遇到某种情况，先做什么」的手册对应技能（Skill），说明可复用的方法怎样保存、何时读取，与一般背景资料区分。 | |
| 4 用课程目录看持续协作 | 4.1 工作进行中，怎样整理信息 | 用课程制作目录看资料、要求和成果怎样组织，以及工作进行中怎样取舍、整理和压缩上下文；必要时新开一次会话，清掉妨碍判断的旧内容。 |
| 4.2 记忆（Memory）：今天结束后，怎样让明天接得上 | 引出记忆（Memory）：睡前留下的记录，要让醒来的她看得懂、接得上。看课程目录里的成果、决定和进展怎样保留，再用于下一次协作。 |
5.5 第 4 讲 · Token 经济学
第四讲「Token 经济学」帮助学员对 AI 背后的资源投入和使用成本建立基本认识：训练一个模型需要怎样的投入，运行模型需要哪些资源，以及这些成本与使用时的收费有什么关系。
从 Token 是什么、如何计费讲起，介绍缓存机制，以及哪些使用行为容易产生大量消耗。结合海内外的模型与 Agent 产品，让学员理解不同价格背后的差异，区分模型调用费用与产品本身的收费方式。
本讲以建立成本常识为主，不要求学员掌握模型部署或精确预算，但希望他们意识到：AI 的使用有实际成本，不了解消耗与计费方式，可能迅速耗尽额度，或在持续追加使用时，让费用超过工作带来的收益。
| 章 | 小节 | 内容范围 |
|---|---|---|
| 1 为什么额度这么快就用完了 | 1.1 看起来没做多少，消耗却超出预期 | 从使用感受与实际消耗不一致切入，提出本讲需要解释的问题，先不展开机制。 |
| 2 看懂消耗，才能判断开销 | 2.1 不能只看一次回答或一个标价 | 提出观点：需要同时理解资源成本、实际使用量和收费方式，才能判断这笔开销。 |
| 3 AI 的成本与消耗从哪里来 | 3.1 训练与推理：获得能力和持续运行的成本 | 建立训练投入量级与运行资源的基本认识，区分训练投入和持续服务的成本。保持背景铺垫的篇幅，不展开训练技术或服务器部署教程。 |
| 3.2 Token：怎样计量输入与输出 | 解释 Token 与基本计费，并说明上下文、输出及 Agent 多次调用怎样形成总消耗，连接第三讲的 Context。 | |
| 3.3 缓存：重复内容为什么可能有不同费用 | 介绍缓存的作用和条件，不把重复内容等同于免费。 | |
| 4 回到实际产品和使用行为 | 4.1 模型与 Agent：我们分别在为什么付费 | 结合海内外产品理解价格差异，区分模型调用、订阅和额度。资源成本与售价有关，但售价不等于成本的直接换算，不能由训练成本直接推导某个模型应该卖多少钱。 |
| 4.2 哪些使用行为容易扩大消耗 | 用前面的认识分析长上下文、大量输出、反复尝试等行为，回应开场问题。 | |
| 4.3 这笔开销是否值得 | 区分耗尽额度与继续付费，综合看费用、成果价值和返工投入，不把省 Token 当成唯一目标。 |
5.6 第 5 讲 · 文化工作者首先要有文化
第五讲「文化工作者首先要有文化」讨论专业能力为什么在 AI 时代仍然重要，以及 AI 扩大执行能力后，人的知识、经验和判断力为什么可能发挥更大的作用。
AI 让人有机会完成过去难以承担的工作，但做出结果，不等于理解结果，也不等于能够判断方案是否合适、承担相应责任。本讲结合个人经历与已有材料，讨论专业能力如何影响问题定义、质量判断和对结果的把握。
同时，讨论工作交付与能力成长可能逐渐分离的风险：过去在解决问题中被迫完成的学习，如今可能被 AI 绕过；快速交付的压力又可能进一步挤压理解和学习的时间。因此，不能只期待能力随着工作年限自然增长，还需要主动为学习留下空间。
本讲以论述专业能力的重要性为主，不承担补齐学员专业知识或教授完整学习方法的任务。
| 章 | 小节 | 内容范围 |
|---|---|---|
| 1 工作完成了，自己却说不清楚 | 1.1 当工作不允许我们学习 | 从交付与理解脱节的困境切入：AI 帮忙完成任务，但自己未必能解释设计、判断方案，交付压力还可能挤压学习。 |
| 2 AI 提效，为什么仍然需要专业能力 | 2.1 工具有了，协作的基础还需要人来建立 | 提出本讲观点：专业理解与清楚表达，是营造有效协作环境的重要基础。 |
| 3 让专业判断成为共同依据 | 3.1 为什么判断常常留在脑子里 | 讨论判断没有被写下来的可能原因：过去依靠熟人默契或口头沟通就能推进，交付压力挤占整理时间，或者自己还没有想清楚、难以表达。不把这些原因当成所有人的共同现状。 |
| 3.2 不只说明做法，也说明理由 | 解释专业知识怎样影响问题定义、方案取舍与质量判断，讨论哪些判断值得表达。把理由、限制和代价写下来，供同事与 AI 理解、检查和改进工作。 | |
| 3.3 写下来，需要付出什么，又能减少什么 | 比较当下投入与后续协作成本。整理思路、补充背景、解释取舍，以及接受点评、修改和维护文档都需要时间，这些投入未必马上得到认可；不留下依据，同事和 AI 可能需要猜测或反复询问，后续接手、检查和修改时也可能需要重新还原理由。讨论哪些记录值得投入，而不是要求所有事情都写成文档。 | |
| 4 把理解带回实际工作 | 4.1 让设计、抉择和流程可以被讨论 | 讨论怎样让文本承载真实判断，而不只是增加文档；具体支撑材料仍需选择。 |
| 4.2 给理解和思考留下时间 | 分享主动保护学习与思考的必要性，个人尝试可作为参考，不扩成学习方法教程。 |
5.7 第 6 讲 · 管理是 AI 时代的超能力
第六讲「管理是 AI 时代的超能力」以《管理：AI 时代的超能力》为主要讨论材料，说明管理能力为什么不只属于管理者，也关系到每一个希望把工作委托给 AI 的人。
AI 能生成结果，并不意味着委托就一定划算。说明需求、检查产出和反复修正，同样需要投入时间。怎样明确目标、表达要求、提供反馈和判断结果，会影响 AI 能否真正帮助我们完成工作。
这些能力在 AI 出现之前就已经重要。随着 AI 扩大人的执行能力，管理能力也有了新的用武之地。本讲承接第五讲对专业能力的讨论，进一步说明：理解什么是好的结果，以及能够组织协作来获得这个结果，为什么值得持续学习。
本讲以论述管理能力的重要性为主，不要求学员在一讲内掌握管理方法，也不以讲师已经具备成熟的管理实践为前提。
| 章 | 小节 | 内容范围 |
|---|---|---|
| 1 AI 做得很快，你却没有省下时间 | 1.1 委托之后，为什么还要反复返工 | 从结果不符合预期、需要不断解释和检查的困扰切入，说明生成速度不等于整体工作效率。 |
| 2 与 AI 协作，也需要管理能力 | 2.1 每个委托工作的人，都需要学一点管理 | 提出观点：明确要求、提供反馈和评估结果，是原有管理能力在 AI 协作中的延伸。 |
| 3 委托为什么有时划算，有时不划算 | 3.1 把说明、检查和修正的时间算进去 | 沿用《管理：AI 时代的超能力》的思路，比较自己完成的时间、AI 产出达标的可能性，以及委托过程中的时间投入。与第四讲的使用费用区分。 |
| 3.2 管理能力怎样影响委托结果 | 解释清晰目标、有效反馈和便于评估的成果，怎样帮助减少偏差与反复；专业能力是作出这些判断的基础。 | |
| 4 一项委托，需要交代清楚什么 | 4.1 目标、边界与完成标准 | 讨论要达成什么、为什么做、授权到哪里，以及怎样才算完成。 |
| 4.2 交付成果、阶段进展与自查要求 | 讨论要交付什么、过程中看什么，以及报告完成前需要检查什么。通过文章中的材料认识这些要求的作用，不扩成管理训练课。 |
5.8 第 7 讲 · 未知的未知
第七讲「未知的未知」讨论知识广度为什么在 AI 时代值得重视。当 AI 能够沿着给定方向快速执行时，人仍需要时常追问：眼前的方案之外，是否还有更好的选择，甚至是否值得重新看待问题本身？
知识广度不能保证判断正确，但能帮助我们发现不同的思路，避免只在熟悉的范围内不断优化。本讲通过分享自己的知识获取与更新体系，说明接触不同领域、与同事交流、持续阅读和学习，如何为重新审视工作提供线索。
本讲希望让学员意识到，世界很大，解决问题的方式不必局限于眼前所知。重点是说明拓宽视野的重要性，提供个人实践作为参考，不要求学员当场掌握一套知识管理方法，也不要求他们立即具备重新判断工作方向的能力。
| 章 | 小节 | 内容范围 |
|---|---|---|
| 1 做得更快，却还困在原来的思路里 | 1.1 眼前的方案，可能不是唯一选择 | 引出局限于熟悉方法的困境：执行不断推进，却未必重新考虑问题和方向。 |
| 2 世界很大，方案不必这么局限 | 2.1 未知的未知：还有哪些可能性没进入视野 | 提出观点：知识广度让人有机会发现此前不知道的选择；AI 扩大执行能力后，值得更主动地拓宽视野。 |
| 3 新的思路从哪里来 | 3.1 接触不同知识，才有机会想到不同办法 | 讨论跨领域阅读、同事交流等怎样提供新的线索，不把知识广度等同于判断正确。 |
| 3.2 信息看得多，不等于视野变宽 | 区分持续接收熟悉内容与接触不同观点，也区分收集信息与真正理解、建立联系。 | |
| 4 我的知识获取与更新实践 | 4.1 我从哪里接触不同的信息 | 分享实际使用的信息源、阅读与交流方式。Folo 可作为实例，不扩成工具配置教程。 |
| 4.2 怎样让读过的东西与工作发生联系 | 从个人实践中选择阅读、记录、讨论或应用的做法，说明信息怎样成为重新思考工作的线索；具体内容以当前实际做法为准。 |
6 全局内容边界
- 时效性：课程的半衰期目标是五年，即五年后仍有一半内容保持准确。模型、Agent 产品、价格和成本数据需要注明适用时间；长期判断与时效信息分开。
- 可迁移性：核心认识应能迁移到不同产品。WorkBuddy 作为统一的演示和可选实践环境，具体安排以各讲为准，不由工具决定课程结构。
- 数据边界：课程只使用公开、合成或脱敏材料，不写入未经脱敏的个人数据或内部业务数据。
- 事实核查：事实、数字、引语、案例和产品能力使用已提供、可核查的材料。制作中发现缺口时交由独立调研补齐，不把未验证内容写成确定结论。