让 AI 写课程大纲，最常得到的结果是一份漂亮的目录：第一章概述、第二章方法、第三章案例、第四章总结。看着齐整，实际拿去上课就会发现，学员第一节就掉队了。问题出在一开始——大纲不是目录，它描述的应该是学员能力如何一步步变化。
大纲不是目录，是学习路径
目录只回答”讲什么”，大纲要回答”讲完之后学员能做什么”。这两者的差别，在提示词里体现为两种完全不同的问法。
问”请帮我写一份短视频运营课程大纲”，AI 会按知识分类来组织：平台规则、选题、拍摄、剪辑、投放。这是一份知识点清单，学员看完知道有哪些事，但不知道先做哪件、做到什么程度算过关。
问”学员学完第四节课后，应该能独立剪出一条 60 秒的成片，请倒推前三节该教什么”，AI 给你的就是一条路径：每节课有明确的前置条件、有可验证的产出。后者才是能真正拿去排课的结构。
有了这个前提，剩下的五件事就都是可以写进提示词的约束。
第一步：交代学员画像与先修基础
所有课程设计的失败，一半来自对学员的误判。同样一门 Excel 课，教财务和教行政，内容取舍完全不同。所以提示词的第一段必须是画像，而且要写到能判断”他会什么、不会什么”的程度。
一个够用的写法包含四行：身份（谁）、现有水平（能做什么、不能做什么）、学习动机（为什么来学）、可用时间（每周能投入几小时）。
举个例子：”学员是三十到四十五岁的门店店长，会用微信和 Excel 做简单表格，没接触过数据分析；来学是因为总部要求每周交经营复盘；每周能投入 3 小时，只能碎片时间学。”
这四行一给，AI 就不会给你安排”安装 Python 环境”这种课，也不会写出需要整块四小时才能完成的作业。
先修基础要单独说明。如果你默认学员已经会某项技能，就明确写”不需要讲授 X，直接使用”。不写的话，AI 倾向于从零讲起，把宝贵的课时耗在复习上。这一点和学习类提示词的处理方式一样：先声明已知，才能拿到增量。
第二步：用能力动词定义每节课的产出
“了解””熟悉””掌握”这三个词在大纲里几乎等于没说，因为无法验证。把它们换成可观察的行为动词，整份大纲的质感立刻不同。
可用的动词有：列出、区分、拆解、搭建、修改、排查、交付。每个动词后面最好带一个宾语和验收标准。
对比一下。”第三节课：掌握选题方法”和”第三节课：能从 20 个候选话题里筛出 5 个，并为每个写出目标人群和预期完播区间”——后者可以直接变成作业题，前者只能变成一句 PPT。
实操建议是让 AI 在输出时用固定格式：每节课一行，包含”能力目标（动词开头）+ 关键内容（不超过三点）+ 课堂产出（一个可交付物）”。格式固定了，你才能横向比较各节课的密度是否均衡。
第三步：排顺序、配练习与时长
知识点排完了，接下来要处理三件容易被忽略的事。
顺序。合理的顺序不是按知识体系，而是按依赖关系：B 需要用到 A，那 A 必须在 B 之前。可以在提示词里加一句：”请检查每节课的前置依赖，如果某节课需要用到后面才讲的内容，就调整顺序并说明理由。”这句话能挡掉大部分”讲完才发现缺个基础”的问题。
练习。每节课配一个练习，且练习要落在真实场景里。判断标准是：学员做完这个练习，能不能直接用在工作中。如果练习只是”复述概念”，那它不产生能力。建议要求 AI 给每个练习标注难度（照着做／改一改／自己设计）和预计耗时。
时长。这是最容易被 AI 忽略的约束。你必须明确告诉它总课时、单节时长、以及是否含互动。8 节课 × 45 分钟，和 4 节课 × 90 分钟，内容容量差一倍。附带还要留出复习和答疑的缓冲，一般占总课时的 10% 到 15%。
如果课程结构比较复杂，可以先用思维导图工具把模块关系画出来，再让 AI 按图填内容，比直接生成文字更不容易漏项。整理素材阶段，笔记工具能把散落的资料归到一个知识库里，方便后续复用。
第四步：反向校验，让 AI 挑自己的毛病
大纲初稿出来之后，不要急着用。加一轮”挑错”对话，成本很低，收益很高。
三个有效的追问：
- “这份大纲里，哪一节课的教学目标最难被验证？为什么？”
- “如果学员只学前三节就退出，他能不能完成一个小任务？如果不能，前三节该怎么调？”
- “哪两节课的内容重叠度最高？请指出并给出合并方案。”
第一个问题能揪出那些”了解行业趋势”式的空课；第二个问题检验课程是否有阶段性成果——成年人学习最容易在”看不到进展”时放弃；第三个问题解决内容注水，这在 AI 生成的长大纲里非常常见。
还可以让它反过来做一遍：”假设你是学员，学完这门课去面试相关岗位，面试官会问什么？哪些问题这门课回答不了？”这往往能暴露真实的缺口。
结语
好的课程大纲读起来像一条台阶，每一级都比上一级高一点，且看得见落脚点。AI 很擅长快速铺出几十个知识点，但它不知道你的学员卡在哪里，也不知道你手上的案例是什么。这两件事只能由你补上。
下次写大纲，先把学员画像四行写清楚，再用能力动词约束每节课的产出，最后跑一轮反向校验。你会发现，同样的模型，产出的东西从”参考资料”变成了”教学方案”。