Expert Knowledge To AI Coach

expert-knowledge-to-ai-coach

When to Use

当需要将某个领域的专家知识（如书籍、长视频、深度文章）快速转化为一个可交互、可指导个人执行的AI教练时。description

Core Logic

执行步骤

1. 输入专家知识源

   • 输入：目标领域名称、选定的专家姓名、专家知识载体的具体内容或可访问链接。
   • 操作：确认知识载体是系统性的（如完整课程、书籍章节），而非零散观点。
   • 判断标准：知识载体能覆盖从入门到实践的多个关键步骤。
   • 常见误区：选择了过于零散或观点矛盾的碎片化信息作为源材料。
   • IF 知识载体不系统 THEN 返回步骤1，重新寻找或组合材料。

2. 提炼静态行动计划

   • 输入：步骤1确认的知识载体内容。
   • 操作：使用大语言模型，以“教学”和“行动导向”为核心指令，将源材料转化为一份结构清晰、步骤完整的静态指南。提示词应明确要求模型扮演教师角色，产出从头开始的行动计划。
   • 输出：一份包含背景、核心原则、分阶段步骤的文本版行动计划。
   • 判断标准：行动计划逻辑连贯，步骤可执行，语言平实易懂。
   • 常见误区：提示词过于简单（如“总结一下”），导致输出仅为要点摘要，缺乏可操作性。

3. 设计交互式教练逻辑

   • 输入：步骤2产出的静态行动计划。
   • 操作：设计一个两阶段的交互流程。
     • 阶段一（信息收集与计划生成）：设计一系列问题，用于收集用户的个性化背景（如现状、目标、资源、约束）。基于用户的回答，将静态行动计划进行个性化调整，生成专属的启动计划。
     • 阶段二（持续执行与反馈）：设计一个循环流程：AI发布任务 → 用户执行并反馈 → AI评估进展、提供优化建议、发布下一阶段任务。明确“检查点”的触发方式（如时间、任务完成）。
   • 输出：一个包含两个阶段详细交互逻辑的提示词框架。
   • 判断标准：逻辑覆盖了从启动到推进的全过程，阶段衔接自然，考虑了用户的持续输入。
   • 常见误区：只设计了单向的信息输出，缺乏根据用户反馈动态调整的机制。

4. 封装与测试教练提示词

   • 输入：步骤3设计的交互式教练逻辑、步骤2的静态行动计划核心内容。
   • 操作：将阶段一的采访问题、个性化计划生成逻辑，以及阶段二的指导循环逻辑，整合到一个完整的、可直接与大语言模型对话的提示词中。进行模拟测试，输入不同的用户背景和反馈，观察AI教练的回应是否符合预期。
   • 输出：一个经过初步测试的、完整的AI教练系统提示词。
   • 判断标准：提示词能引导AI完成从采访到持续指导的全流程，回应具有针对性和建设性。
   • 常见误区：提示词过于复杂导致AI理解偏差，或过于简单导致无法处理用户多样化的输入。

输出格式要求

最终交付物为一个完整的、可复用的“AI教练”系统提示词文本。该提示词应包含：

1. 教练角色与目标：明确AI的角色和要帮助用户达成的目标。
2. 交互流程说明：清晰阐述两阶段（信息收集、持续指导）的工作方式。
3. 核心指令与约束：规定AI如何提问、如何生成计划、如何评估进展、如何给出建议。
4. 启动指令：一句让AI开始执行第一阶段（开始采访用户）的初始指令。

Metadata