# 意图驱动与认知卸载：AI 时代的超级个体工具箱

## 第一部分：LLM基础

### 模块一：人机协作的边界与认知卸载

- **目标：** 建立 AI 原生时代的正确工作观，理清人与 AI 的分工。
- **目的：** 消除对 AI 的盲目崇拜或恐惧，学会将繁杂的执行逻辑剥离并交给机器，将人脑算力留给商业本质和目标设定。
- **重心（5:5）：** 50% 核心概念解读，50% 真实场景效率对比分析（例如传统作坊式管理与引入自动化工作流后的效率与成本模型对比）。
- **课时：** 1 节（45 分钟）
- **补充建议：** 强调“业务逻辑”的不可替代性，AI 是放大器，但方向盘必须由人掌控。

### 模块二：数据安全与隐私红线

- **目标：** 树立坚不可摧的数据安全意识，掌握本地与云端 AI 使用的安全规范。
- **目的：** 防止在日常使用和工作流中发生个人隐私泄露或企业机密外泄。
- **重心（5:5）：** 50% 数据脱敏原则与安全边界划定，50% 灾难性泄露案例拆解与本地断网运行方案演示。
- **课时：** 1 节（45 分钟）
- **补充建议：** 提供一份极简的《AI 对话敏感词与数据脱敏 Checklist》，让学员可以打印贴在屏幕旁边。

### 模块三：AI 原生表达层（Markdown 语法与编辑工具）

- **目标：** 掌握 AI 时代的通用“母语”，建立纯文本结构化思维。
- **目的：** 彻底打破对富文本排版（如 Word）的依赖。学会在 VS Code、Obsidian 等编辑器，或集成化的 AI 创作空间中，直接用纯文本高效处理和沉淀信息。
- **重心（8:2）：** 80% Markdown 核心语法训练与本地编辑器环境配置，20% 结合大模型直接渲染输出文档的实操演示。
- **课时：** 1 节（45 分钟）
- **补充内容：** 明确向学员传达一个理念：结构化纯文本不仅人看清晰，更是大幅降低大模型读取成本、避免解析错误的最优解。

### 模块四：LLM 基础与“黑盒”祛魅

- **目标：** 用最通俗的语言让普通人理解大语言模型（LLM）的运作机制。
- **目的：** 理解 AI 为什么会产生“幻觉”，明白它本质上是一个概率预测器，从而在心理上接受其不完美并学会控制它。
- **重心（8:2）：** 80% 核心原理科普与各大主流模型（Claude, GPT, 国内模型）特点盘点，20% 选型场景演示。
- **课时：** 1 节（45 分钟）
- **补充建议：** 引入大模型作为“概率平滑器”的概念，用浅显的类比说明模型是如何“接话把儿”的。

### 模块五：提示词工程与指令熔断

- **目标：** 掌握高效与 AI 对话的结构化表达技巧。
- **目的：** 告别模糊提问，学会通过结构化模板精准传递意图。
- **重心（8:2）：** 80% 提示词框架（如 CRISPE 框架）拆解与纠错机制，20% 具体指令对比演示。
- **课时：** 1.5 节（约 70 分钟）
- **补充建议：** 重点讲解“熔断与注入”技巧。当 AI 陷入循环或胡言乱语时，教导学员如何果断切断上下文（Circuit Breaker），并重新注入正确的背景前提，而不是与错误的回答死磕。

### 模块六：意图对齐与本地聚合（Cherry Studio）

- **目标：** 打造个人的多模型交互中枢。
- **目的：** 跳出单一网页版模型的限制，学会在本地无缝切换模型、管理对话上下文，实现“丰俭由人”的 API 高效调用。
- **重心（8:2）：** 80% 本地工具安装、API 密钥配置与多模型对话流管理，20% 结合私域知识的综合对话演示。
- **课时：** 1 节（45 分钟）

## 第二部分：LLM进阶

### 模块七：私域上下文与知识管理

- **目标：** 搭建对 AI 友好的本地知识外脑。
- **目的：** 解决大模型“缺乏个人业务背景”的问题，建立将非结构化碎片转化为可用上下文的习惯。
- **重心（8:2）：** 80% 极简目录层级与双链/标签骨架体系的快速搭建，20% 知识检索与精准投喂给 AI 的实操演示。
- **课时：** 1 节（45 分钟）

### 模块八：场景技能与意图对齐演示

- **目标：** 将前五个模块的零散能力，整合到日常的高频单点场景中。
- **目的：** 体验“微缩版”的工作流，完成从“学工具”到“用工具解决小问题”的心理跨越。
- **重心（8:2）：** 80% 常用场景（如会议纪要结构化、长文核心观点提取、邮件润色修改）的 SOP 拆解，20% 实操演示。
- **课时：** 1 节（45 分钟）
- **补充建议：** 作为第一部分的收尾，为接下来的“工具链与自动化”模块做好承上启下的铺垫。

### 模块九：多模态生成（图、文、音、视）

- **目标：** 突破单一文本，掌握主流多模态 AI 工具的生成技巧。
- **目的：** 丰富输出手段，为后续复杂的场景项目（如视频制作）准备素材生成能力。
- **重心（8:2）：** 80% 主流工具（如 Midjourney/Flux, Suno, 视频生成工具）的界面、参数和控制语法教学，20% 综合生成演示。
- **课时：** 1.5 节（约 65 分钟）
- **补充建议：** 传授跨语言指令的降维打击技巧。例如，在音乐或图像生成中，特别强调使用**结构化的英文标签**代替中文描述，以此大幅提升工具对指令的遵循度和结构控制力。

### 模块十：SOP 固化与工作流编排（Dify/Coze 等现成平台）

- **目标：** 将隐性经验转化为可视化、可重复执行的 AI 工作流。
- **目的：** 作为迈向代码级自动化的桥梁，通过云端平台的节点连线，让普通受众直观理解多步骤任务调度的基本逻辑。
- **重心（8:2）：** 80% 平台核心节点认识与单线工作流连线搭建，20% 常见办公 SOP（如批量数据清洗、报告初稿自动拼接）的运行演示。
- **课时：** 1.5 节（约 65 分钟）

### 模块十一：核心产出与执行层（Claude Code / Codex）

- **目标：** 跨越“只聊不练”的阶段，实现单体任务的机器直接代工。
- **目的：** 让 AI 接入终端生成实打实的产出物（如报表、脚本文件），体验指令直接驱动产出的震撼，并掌握产出物的验收标准。
- **重心（8:2）：** 80% 命令行环境基础唤醒与 CLI 工具的授权配置，20% 通过对话生成完整文件的防错机制与验收实操。
- **课时：** 1 节（45 分钟）

### 模块十二：系统调度与自动化穿透（OpenClaw / Hermes）

- **目标：** 理解跨平台、多智能体协作的系统级自动化调度。
- **目的：** 展示自动化的终极形态。掌握多智能体框架的底层配置逻辑（如 `Agents.md`），了解如何设定不同角色（如总工程师与具体执行的徒弟）的协作边界，并体验远程穿透的便捷性。
- **重心（8:2）：** 80% 自动化框架的基础配置与角色唤醒机制，20% 跨设备穿透指挥（如通过手机 IM 远程控制电脑自动干活）的极致场景演示。
- **课时：** 1.5 节（约 70 分钟）

### 第三部分：实战演练

### 模块十三：如何生成一份产业报告

### 模块十四：如何生成一个短剧

### 模块十五：如何生成一个科普视频

### 模块十六：如何制作一个小游戏

……