一个下午,手搓了一款“AI教务助手”,教务老师再也没算错过一笔账

很多教培机构的教务老师，最怕的可能不是和家长沟通，而是两件事：算复杂账和翻各种规定。

先说算账，场景有多复杂，当老板的都懂：

一个学员报了三门课，不同单价、不同时间，续费折扣怎么算？有效期如何顺延？

上了几次课要退费，哪些课时按原价扣？赠送的课时怎么办？服装费要不要扣？

多校区之间，A校区的卡去B校区用，课时费怎么核算？

再说找规定，更是日常噩梦：

“王老师，员工手册里说入职多久交社保来着？”

“这个退费情况，是按去年的政策还是今年最新的补充规定执行？”

“上次例会说的课程调整，到底适不适用于这一期的老学员？”

这些问题，靠人脑记、靠Excel算、靠临时翻找散落在各处的PDF和聊天记录，不出错是偶然，出错是必然。

于是，机构的日常管理就困在这种循环里：

前台反复问：“老板，这笔钱系统算不出来，怎么办？”“这个规定文件在哪里？”

财务月底头疼：“这个月的账，又有几笔对不上，不知道是谁、按什么规则算的。”

家长质疑：“你们上次不是这样说的，凭什么扣这么多？把规定拿出来我看看！”

新人上手慢：老员工离职，带走了所有“默认规则”和经验，新人面对复杂情况只能抓瞎。

这背后真正的原因，不是员工不细心、不努力，而是我们缺少一个能把复杂计算逻辑固定下来，并能把零散规则随时调取出来的“确定性”工具。

于是，我这个完全不懂代码的教培老板，用了一个下午，借助AI，自己动手做出了一个专门给我们前台教务老师用的“AI教务助手”。

这个工具很朴素，目标非常直接：把复杂的教务计算变得像计算器一样简单，把所有教务规定变成一个随问随答的知识库。

一、动手前的思考：我到底要解决什么？ 我没一上来就研究怎么用AI写代码，而是先把自己机构里最痛的几个点想清楚。

就两个：续费有效期计算 和 复杂的退费金额计算。 这两个场景规则最多、变量最多，完全不适合依赖人脑。我的工具必须精准打穿这两个点。

员工手册里的考勤、社保、入职流程。

课程制度里的各种退费、转班、冻结规则。

前台话术与考核标准。

日常通知与临时补充规定。

这些知识存在于Word文档、飞书文档、聊天记录和老员工的脑子里。我要做的，不是再建一个资料库，而是建一个能直接回答问题的“教务大脑”。

数据不互通、规则执行标准不一。 我的工具必须天然支持多校区：A校区前台只能操作自己校区，但学员跨校区上课，信息和规则能完全同步，实现真正的集团标准化管理。

二、一个下午，我是怎么把它搓出来的？ 核心就没几步，但每一步都在把模糊的管理经验，变成确切的系统逻辑。

第1步：把业务知识“结构化” 我把自己当最挑剔的财务和最啰嗦的HR，把所有规则梳理成数据。

计算规则：退费时，上了多少课时对应什么扣费比例，服装费什么时候扣、扣多少，赠课、红包如何折算……全部量化成“如果…那么…”的逻辑。

知识库：我把员工手册、考核标准里的关键信息，拆成一条条具体的“问答对”。例如：

问：“学员剩余3课时，按规则有效期是多少天？”

答：“14天。”

问：“员工入职流程是什么？”

答：“1、简历筛选……2、电话邀约……”

第2步：让AI实现“铁面无私的计算器”和“随问随答的知识库” 我把这两套清晰的逻辑直接描述给AI，它负责生成代码。我的界面现在就能实现这样的对话：

复杂计算：输入“学员用XX元购XX课时，还剩XX课时，退费多少钱？”，工具会一步步清晰展示：实际可退课时、已上时长对应扣费比例、无需扣除其他杂费、最终金额XX元。每一步都有据可查，家长问起来，这就是一张标准、专业的“计算说明书”。

知识问答：输入“出5个前台考核选择题”或“新员工入职需要什么材料”，它都能立刻给出标准答案。新人培训和日常规则查询，再也不用追着主管问。

第3步：配上简单的后台，把“管理透明度”拉满 工具不光是聊天，我还做了个极简后台。它清晰记录着：

用户管理：超级管理员、普通用户角色分明，权限隔离。

聊天记录：所有对话全留存。谁、什么时间、问了什么问题、系统给了什么回复，一目了然。这既是操作的“黑匣子”，也是未来优化规则的数据库。

数据统计：我能随时看到总用户数、今日消息数。规则的使用频率，就是我优化机构制度的最佳风向标。

三、这套工具带来的真正改变，不是省了几分钟 如果只是省了计算时间，那就太小看它了。它真正重塑了机构管理的几个关键链条：

从“解释的艺术”到“规则的透明” 过去，家长对退费金额有疑问，我们只能靠人去解释，越解释越黑。现在，系统直接给出每一步计算逻辑。你是按照什么比例扣，扣没扣杂费，系统说得清清楚楚。这就是机构专业性的最好证明。

从“师傅带徒弟”到“系统带新人” 新前台入职，最痛苦的就是记各种规则、背各种话术。现在，不懂的直接在搜索框里问：“前台的入职流程是什么？”“如何挽留想要退费的家长？”这位AI教务助手，就成了机构里最耐心、最不会出错、24小时待命的“专家”和“培训师”。

从“人治”到“数治” 多校区执行标准不一，往往是管理失控的开始。现在，A校区和B校区的教务，都在用同一个计算引擎、查询同一个知识库。规则由我统一设定，执行由系统强制保证。机构的标准化，第一次真正落了地。

写在最后，我一个完全不懂代码的教培老板，用AI做出这个工具的经历，带给我最大的感触是： 过去，我们总是被“行业通用软件”的边界限制想象力。很多自己机构非常具体、独特的管理痛点，只能“凑合用”或者“人肉解决”。

但现在，时代真的变了。我们这些最懂业务痛点的管理者，第一次拥有了直接创造工具、解决自己问题的能力。

你不用去学怎么写代码，你只需要清晰地定义问题、梳理规则。 你不需要等待任何技术团队排期，可能只需要一个安静的下午。

当你把那些曾经只存在于你脑子里、文档里、口头交接里的经验和规则，变成一个铁面无私、随叫随到的系统时，你的机构，就开始拥有了稳定、可复制的内核。

它让管理，不再依赖某个能人，而是依赖一套能持续优化的系统。

我的这个“AI教务助手”还在根据我们机构的实际需求不断进化。分享这段经历，是希望能给同样在管理一线、被各种琐事困扰的教培同行们，带来一种全新的思路。

也许，很多问题的答案，不在换人，也不在买更贵的软件，而在于我们能否亲手定义、亲手创造出最适合自己的那件工具。