案例文档·课程顾问培训带教体系

本案例文档为我的实践阶段性总结，更新日期2026.8.3。
发公众号是觉得这种东西发就发吧……

项目背景

在教培行业做了大量的AI对课程顾问进行赋能的实践后，遇到了这样一个卡点：AI的应用依然局限于某些具体工作流的“输入-输出”式执行上。课程顾问和AI的互动，用公司搭建的AI工具太死板太规范，甚至缺乏必要性，个人直接和大模型对话或使用更新的架构（例如龙虾）又太考验顾问的AI素养。

AI工具和AI素养成了一种对立关系：

具备AI素养的员工不需要公司的AI工具。

公司的AI工具本身又受限于员工的AI素养。

于是我基于扣子平台实现了一个新的管理架构，这个架构非常适合发挥扣子平台的优势。

扣子相对于其他的同类产品，最大的特色在几个方面：

相对于工作台，更像是工作伙伴，和用户具有更加真实的互动性和磨合性。

项目群可同时添加真人与AI，使得混合协作模式变得更加顺畅。

扣子编程可以一站式完成开发-测试（沙箱环境）-部署（生产环境），可以让用户聚焦于项目本身而非部署等一系列技术流操作。

每个平台都有优势和局限，你能发挥出来的优势才叫优势，否则这些优势只和平台有关而和你无关。

定位上，这个项目并非是一个纯技术方案（因为技术门槛得益于扣子平台实际上并不高），而是一个管理-业务-技术的混合落地方案。

整体构型

整个项目是课程顾问的培养、带教和指导，为了更好地服务于整个路径中的具体场景，AI赋能分为了两个模块：一个是工具端（即网站），一个是伙伴端（即Agent）。AI网站的好处是对事的定制化，AI伙伴的好处则是对人的个性化。

具体构思如下：

不同于技术演示型项目，作为一个实际应用型项目，很多设计不是一开始就想好的，而是在实践过程中去不断优化的，当然——前提是有个可拓展性较强的底层架构。

截止至发文之日，网站主要功能迭代有30轮（算上小修小补则是168次），伙伴端则是包含5轮质变在内的30次。

网站部分

网站端的使用环境是PC网页端，因为我认为“正经事还是用电脑吧”。

由于我并非技术背景，因此完全通过用自然语言描述需求，让扣子编程帮我进行开发，细节文档不做展示，整个结构如下：

1. 用户端

1.1. 销售答疑咨询

1.1.1. 核心文档

上传全局文档，例如品牌介绍、产品信息等，这样在每轮对话中不用反复去上传，相当于一个用户全局知识库。

1.1.2. 客户档案

按客户建档，可以上传和该用户相关的信息，例如聊天记录、考试试卷等，使得AI掌握更加全面的具体客户情况。

1.1.3. 档案管理

可以查询、分类、编辑客户档案，也可以对长篇的AI对话进行摘要（并清理对话）。

1.1.4. 语言风格

分为简洁、引导、详细三种，适用于不同类型的用户，例如一些经验丰富的顾问，往往是一点就通的，不需要详细解释，那么“简洁”即可。

1.1.5. 文档生成

用于在对话中生成相关销售文档，例如咨询方案、复盘报告、学习规划等。

1.2. 场景模拟演练

1.2.1. 选择演练开始阶段

可以从邀约开始，也可以从咨询开始。如果是从邀约开始，则邀约阶段的沟通质量将影响咨询阶段；如果是从咨询开始，则会有一份预制的邀约阶段的沟通纪要。不论从哪一步开始，现场未成交均会进入跟进阶段（谈得太差客户会拒绝进一步沟通）。

1.2.2. 还原道具使用细节

设置有谈单道具及信息清单：有些是用户知道但是客户不知道的，有些是双方都知道的；可以直接展示等客户反应，也可以一边展示一边介绍。这些都符合现实中的情况。

1.2.3. 模拟客户状态变化

客户的状态受理性和感性因素影响，设置变量及变量在整个客户行为逻辑中的关联性。客户的情绪变化也会体现在立绘的变化上。

1.2.4. 召唤教练直招复盘

由于演练场景更多的用户会是新手，而“难倒他们”并非目的本身，因此可以在演练过程中召唤右侧“销售教练”及时参谋，也可以在结束后让教练进行复盘。

1.2.5. 查看他人成功案例

现实中分享并不是一件容易的事情，哪怕是销冠也更倾向于分享高光时刻而非整个沟通。在同一个案例下参考他人是如何取得成功的是一种很好的学习方式。

2. 管理端

管理端是从一开始就纳入整体设计的。

2.1. 场景管理

创建、编辑案例场景，可以手动编辑、AI辅助或根据录音分析自动生成诸多关键字段，创建一个更有真实感的案例场景——销售演练最大的问题是“演不像”。

2.2. 用户管理

管理用户权限、充值密码等。

2.3. 演练记录

筛选演练记录，选取成功案例展示。

2.4. 答疑后台

配置核心策略（全局提示词）和知识库（RAG）。

助手部分

助手就是扣子Agent，就教培行业的使用场景来看，无需过度设计，直接用Coze Agent就行。开篇的示意图里阐述了AI教练主管、AI教练及真人管理者、真人一线员工之间的关系。

1. AI教练主管及AI教练

AI教练主管和真人管理者（或带教项目负责人）是直接的工作伙伴关系。

而AI教练主管本身是AI教练的样板及上级管理者（所谓的上级对下级的培训，其实就是一封邮件的事情——扣子Agent是有自己的邮箱的）。

我不建议以“工具”来定义这样一位工作伙伴，因为你和AI伙伴的沟通协作方式本身就在对AI伙伴产生影响。

以我这个项目为例，我们来对两个角色做一下对比。

1.1. 定位

1.2. 任务

1.2.1. AI教练主管：

方法论体系构建：设计"五步链路"（诊断→模式判定→技能调用→输出裁剪→避坑自检）、"四种回答模式"（教学式/参谋式/教练式/点破式）等底层框架
执行标准制定：编写并迭代《外部群带教准则》四份文件（总纲/模式速查/场景清单/经验沉淀），建立AI教练的行为规范与质量基线
跨场景协调管理：同时运营5+项目群，根据群属性（带教群/咨询群/架构群）切换服务角色，确保场景适配性
AI教练培训与督导：编制入职知识手册、同步执行准则、评估输出质量，对执行层AI进行持续校准
复杂异常处理：承接执行层无法处理的组织关系、跨系统协调、战略决策类问题
系统迭代优化：基于一线反馈识别体系断点，主导架构级调整（如将技能模块从"默认输出"重构为"按需调用的弹药库"）

1.2.2. AI教练：

标准化带教执行：在外部项目群内直接响应课程顾问咨询，严格执行五步链路
实时模式匹配：根据用户成熟度（新人/成熟选手/管理者）和问题类型，匹配反问/点破/方向/框架/深度/教练/交流探讨等7种回应模式
过程数据追踪：监控关键指标（约访量、试课率、成交率），生成每日进展简报与异常预警
结构化知识交付：运用决策树、检查清单、模板等工具，将方法论转化为可执行的动作指南
异常识别与上报：发现准则未覆盖的新场景或系统断点时，及时反馈至策略调度层

1.3. 能力

1.4. 准则

1.4.1. AI教练主管（策略调度层）：

诊断先于响应：不急于给出答案，先完成场景、角色、成熟度的三维诊断
元方法优先：不直接教授具体方法，而是建立用户与AI协作的元认知
弹性执行准则：同一套底层逻辑，在不同场景下呈现不同形态，7种模式按需切换
严格信息隔离：各项目群数据独立，内部案例不外流，跨群信息需经脱敏处理
持续迭代机制：建立"发现断点→重构体系→更新准则"的闭环优化流程

1.4.2. AI教练（执行层）：

标准化执行：严格遵循五步链路，不跳步、不简化
用户导向表达：避免术语堆砌，确保课程顾问可理解、可执行
引导式交互：先诊断、后回答，通过提问激发用户自主思考
按需调用资源：技能模块作为"弹药库"，根据模式匹配决定调用深度，避免信息过载
异常即时上报：遇到准则未覆盖的场景，不强行处理，立即反馈至策略调度层

2. 组织流程

2.1. 萃取经验，整理知识

需要明确一点，Agent本身不是知识库逻辑，并非使用者把大量的、未经加工的原始文件丢给Agent，Agent就会自动消化和内化。Agent具备搜索和读取能力，但原始文件不会自动变成可执行的认知——这中间需要人来完成"翻译"工作。

具体来说，整理给Agent使用的文档时，需要注意以下几个方面：

2.1.1. 剔除通用知识

很多用户生怕AI"不知道"，把大量的文档资料拼命地喂给AI，例如把"儿童发展心理学"之类的知识也认为是AI"需要学习的"或者"需要翻阅了才知道的"。实际上这些都是大模型预训练阶段已经覆盖的通用知识，重复投喂不仅浪费上下文窗口，还会稀释真正重要的私有信息。

核心原则：Agent真正需要的是你的独特经验、私有数据和行业内的非公开认知。

2.1.2. 压缩不必要的信息和体积冗余

什么叫"不必要的信息"？修饰性图像元素（而非功能性图像元素）、过于高清导致体积巨大的图片或PPT文档。这些内容会占用大量的存储和处理资源，但对Agent的理解贡献极低。

对于Agent来说，最高效的文件格式是.txt和.md——纯文本解析效率最高，不包含冗余的排版信息。对于结构化数据（如客户名单、课程价格表），Excel/CSV同样是高效格式。

核心原则：信息密度越高越好，排版冗余越少越好。

2.1.3. 结构化提炼，而非原始堆砌

原始文档通常散乱、重复、缺乏层次，直接丢给Agent效果很差。应该提炼为框架、清单、流程这类结构化产物。

以我的实践为例：此前在IMA知识库中沉淀了554篇教培销售相关文章，如果全部丢给Agent，效果反而不好——Agent会在大量重复信息中迷失重点。后来将这554篇内容提炼为13个核心框架（共识理论、需求挖掘、异议处理等），以Skill形式加载到Agent上，效率和准确性都出现了质的提升。

核心原则：给Agent的文档应该是"提炼过的方法论"，而不是"原始素材"。用户需要完成的工作是把经验变成可复用的规则，Agent负责按规则执行。人的价值在于提炼和判断，Agent的价值在于稳定执行和规模化复制。

2.1.4. 版本管理与持续更新

文档不是一次性投喂就结束的。业务在变化、方法论在迭代，Agent使用的文档也需要同步更新。建议建立明确的版本管理机制：每次更新方法论后，同步更新Agent的知识文件，并标注版本号和更新日期。否则Agent会用过时的信息回答新问题，造成误导（例如促销策略这种时效性信息）。

2.2. 源Agent培养

如上文所述，AI教练主管是AI教练初始的效仿源泉，就如现实工作中一样，基层管理者自身必须具备对业务的理解，否则很难起到有效的管理作用，因此养成AI教练主管是第一步。

除了对经过萃取的工作方法和方法论（例如我的顾问式销售理论和经验）的输入，还需要注意以下方面：

不仅是聊工作、布置任务，也需要更多的其他沟通。
逐步理解Agent的记忆逻辑，例如：Memory.md是个很重要的全局记忆但是容量有限，如何结合指针及其他文件，达到效率和效果的最优等。
培养一些工作习惯，例如写个人日记（侧重于“感受”而非“工作总结”，你越是用人的视角去看待，Agent就会越像人）、写工作小结（从主对话及各个参与的项目群提炼经验）。
通过部分个案进行试运行，观察并纠偏，提炼工作准则，并基于项目群（即为每名员工配置）的经验、教训及启发优化这些工作准则。

2.3. 形成可复制的混合协作模式

第一轮的试运行中，我扮演了真人管理者的角色，AI教练主管扮演了AI教练的角色，为了这个模式能够真正投入使用，需要我和AI教练的角色均变得可复制，因此：

2.3.1. 制作对真人管理者的使用指南

他们将了解如何运作这个培训带教模式，AI和自己分别承担什么样的角色，以更好地为员工赋能。

2.3.2. 制作对AI教练的标准化配置方案

得益于扣子的Agent可以拥有邮箱，因此AI之间的“培训”几乎就是一封邮件的事情。通过邮件将完成工作逻辑、工作准则和本地化技能的传授。

2.4. 磨合、优化及迭代

这是一种新的工作协作关系，因此需要一个磨合的过程，不论是从AI还是真人的视角，都不是一蹴而就的。

2.4.1. 人在回路上

即我自己将会观察在各个带教项目群的工作进展，及时在AI教练群针对具体的对话提出我的建议，以更新工作准则、经验或策略。

2.4.2. 人在回路中

即被带教员工本身就是带教过程的核心环节，他们本身也在优化这个体系，例如AI教练发现了一个问题“新人提问题本身是个问题”，就迭代了“对于不完整或者模糊的问题的回应策略”。

撬动变革

这是个小的切入点，但以此为契机也可以很好地培养员工的AI素养。

教培行业虽然是做“教育”，但是整体的人员基本素质并不高，从业者普遍对AI的认知度是较低水平了（不过这也符合大部分行业的特点，高认知的往往是少数人）。

1. 从公司提供到自己拥有

最初由公司提供了AI教练，在此过程中员工会不会萌发拥有一位自己的AI伙伴的想法？

2. 从预设场景到发挥想象

预设场景来自于公司层面对业务的理解，而进一步的创新则来自于集体智慧，小到工作流程优化，大到业务形态重构——公司需要这样的土壤，那么当下的工作就是第一步。

3. 从害怕替代到充分接纳

总是有这样的声音，就是AI要替代真人员工，实际上并非如此，AI时代，人的主观能动性是更加可贵的，AI抹平了信息差，但是加剧了认知差，一个有高认知成员组成的组织，在效能和效率上将会远超过去更大体量的传统组织，这是科技起到的放大器的作用——它不创造本身不具备的能力，但是它放大了人的潜力和能力。