把课程当软件来生产

把课程从项目改成产品 ——心智先转

所有 AI Native 课程团队的失败 ——99% 是工具买齐了、心智没换。继续按"项目"思路做事:写完一门课就关 Jira ticket、SME 一个人对一门课、团队按学科分,然后困惑"为什么我们用 AI 还是慢"。原因是 ——AI 加速的是单门课的某个环节,而真正的 leverage 在工作流本身被重写后才出现。

项目思维 vs 产品流水线思维

三条心智转换是不可绕的:(1) 课程不是项目,是产品 ——版本化、telemetry、迭代。一门课"上线"不是终点,是数据开始累积的起点。(2) 团队不是按学科,是按流水线段。学科是 agent 的事 (RAG 锚定到学科知识库),人按流水线段分工:大纲编辑、文稿编辑、多媒体编辑、评估编辑、数据分析师。(3) 产出的不是"一门课",是"一个 SKU 库"。同一份大纲可生成多个版本 (难度、语言、形态),用 telemetry 决定保留哪些。

团队拓扑:5-15 人,三类角色

规模建议:5 人 minimum viable,15 人 sweet spot。5 人以下任何一人请假流水线就停摆;15 人以上 Conway's law 起反作用 ——协调成本超过 AI 加速带来的 leverage。AI-Native 工程团队的研究估算:3-5 名资深 + AI 增强 ≈ 8-12 名传统团队¹²。教育业把这种工程团队结构搬到内容生产线的具体打法,8allocate 的 Agentic AI in Education playbook 给出过一份系统化模板¹³。教育内容团队这个比例略小 (因为评审环节人类不可替代率更高),但方向相同。

角色按流水线段分,不按学科分

角色	传统团队	AI Native 团队	人数
课程产品负责人	课程主任 (按学科)	按学习目标族 (ILO/CLO/PLO)	1-2
学科编辑	SME (subject matter expert)	事实/教学法 reviewer,每人覆盖 1-2 学科	2-6
多媒体编辑	视频导演+设计师+剪辑	统一角色,监审 video/visual/audio agent 产出	1-3
评估编辑	测评专家	设计 rubric+monitor agent grading	1-2
agent 工程师	无	建+维 agent 工作流,prompt + RAG + eval	1-2
数据分析师	偶尔外包	常驻,closes the loop 把 telemetry 喂回上游	1
写手 / 写 PPT / 录音员	有 (项目制外包居多)	无 ——agent 全替代	0
独立 instructional designer	2-4 人	变成 agent + 由产品负责人监督	0

把这张表压成一句话:消除"做事的人",只保留"判断的人"和"调度的人"³。CourseFactory AI 2026 年的产品 ship 出来的三个核心 agent ——AI Producer / AI Instructional Designer / AI Content Creator ——分别对应了传统三个角色,而人类只保留 reviewer 和 product owner 位置⁴。同期 Disco 推出的三 agent 矩阵 ——Learning Design Agent + Operations Agent + Learning Coach ——是另一条路径的同形态实现⁵。🟢 high

单位经济目标

AI Native 团队的财务指标必须能落到 每人 $300K-$1M 年产值。传统教育内容公司平均人均产值 $80-150K;能做到 $300K+ 才说明 leverage 真正 kicked in。Cursor 类 AI Native 工程公司做到 $3.3M/人;内容业不会有那么高 (因为编辑环节有人类不可压缩成本),但比传统 3-5x 是合理目标。如果跑了 6 个月还在 $150K/人附近,说明工作流没真正重设。

五段流水线:agent 编辑部的核心机制

这是整个 playbook 的物理核心。一门课从命题到上线再到下一版迭代,经过五段。每一段都有"agent 先做 → 编辑审 → 进入下一段"的内部循环。最后一段的输出回流到第一段,形成闭环。

每段的关键设计

Stage 1 大纲 ——产品负责人主导,agent 副驾。给 outline agent 一个 prompt 包含目标受众、学习目标 (ILO/CLO)、prerequisite、deliverable 类型,产 3-5 个版本大纲;产品负责人选 1 个 + 改 + 锁定¹²。不要让 agent 单独决定学习目标 ——这是教学法红线,留在第 5 节展开⁷。

Stage 2 文稿 ——学科 agent 用 RAG 写,学科编辑审。这一段是 hallucination 高发区。机制设计:agent 必须 cite 内部知识库 (你审过的教材、已上线课程、wikipedia 锚定段),任何无 source 的事实声明被自动拒绝。学科编辑审稿时重点检查 ——事实 / 教学顺序 / 例题恰当性。研究显示⁸:RAG 显著降低 hallucination,但不能消灭,所以审稿环节不能省。🟢 high

Stage 3 媒体 ——agent 产视频/图/音,多媒体编辑审。Synthesia 类工具把脚本变 avatar 视频,APA 案例从"每周一支"变到"每天 2 支" ——50% 时间缩减⁹;Coursera 自己也把 Synthesia 集成进了课程制作流程¹⁴。视觉走 Midjourney / Adobe Firefly,音频走 ElevenLabs 多语言克隆。多媒体编辑这一岗位是 quality gate ——视觉调性、节奏、文化敏感性人类不可替代。

Stage 4 评估 ——eval agent 产 rubric + 题库,评估编辑监督。Rubric 用 RubiSCoT 类框架结构化生成 (多维评估:认知层级、教学目标对齐、可执行性)⁷。题库由 agent 出,但不能让 agent 独立打分 ——2025 年研究显示教师对 autograding 不信任,只信 narrative feedback¹¹。AI 出题 + AI 写反馈;打分留人或半监督。

Stage 5 发布 + telemetry ——数据分析师常驻。课程上线那天起埋点:completion rate、mastery rate、time-to-mastery、abandon point、learner feedback NLP 分析。每周 review,异常 (e.g., 某一节 abandon rate > 30%) 自动触发"回 Stage 1 重设"的 ticket。这是闭环的关键 ——没有 Stage 5 → Stage 1 的回流,你做的是 AI-enabled 课程批量化,不是 AI Native。

工具栈五层 ——选型与自建判断

工具栈先把结构想清楚再选具体品牌。五层从底到上 ——模型、orchestration、内容生成、eval/QA、telemetry。每一层都有 buy vs build 的判断,默认全 buy ——只在某一层真的影响差异化时才考虑自建。

层	角色	推荐选项 (2026)	Buy / Build
1. 模型层	底层 LLM,多模型路由	Claude (nuanced 文本) + GPT (breadth) + 学科专 (math/code)	Buy,多供应商
2. orchestration 层	agent 编排、prompt 管理	LangChain / CrewAI / AutoGen / 自建薄层	Build (薄)
3. 内容生成层	视频/图/音频/交互	Synthesia · Midjourney · ElevenLabs · 自建交互	Buy
4. RAG / 知识层	事实锚定,减少 hallucination	向量库 (Pinecone / Weaviate) + 自家知识图谱	Build (自家课程语料是差异化)
5. eval + telemetry	质量评估 + 学习者数据回流	RubiSCoT 类 rubric + 内部 telemetry stack	Build

Buy vs Build 三条判断

(a) 模型与生成工具:全 buy。你的差异化不在模型 ——这一年里 Claude / GPT / Gemini 谁第一会反复换,锁死一家会让你被供应商绑架。多模型策略 + 抽象层,模型可替换。视频/视觉/音频更没必要自建,Synthesia 类工具 50% 时间节省是真实的⁹。

(b) RAG 知识库:自建。这是你唯一的护城河。你审过的课程、你的学科语料、你的学习者数据 ——这堆东西其它公司没有,而它直接决定 hallucination 率和教学一致性。自建并不昂贵 ——开源向量库 + LangChain 几周就能跑。不自建 RAG,你的课程就是 ChatGPT 通用质量,毫无 moat。

(c) eval + telemetry:自建。第二条护城河。你定义的 rubric ("我们认可什么是好课程") + 你收集的 telemetry ("我们的学习者在哪些点 abandon") 是 compound 资产。这一层早晚要自建,越早越好。RubiSCoT 类框架可参考但不要直接 copy ——它是学术评估,你需要 production 版⁷。

治理与质量:三条红线

AI Native 不等于撒手 ——它是 "human above the loop, not out of the loop"³。三条红线把"什么时候人必须回到 in-the-loop"明确划出来。不划红线,你就是 Klarna 模式 ——把人从工作流剥离,等质量崩盘再倒车¹⁵。

红线一:事实红线

任何 AI 产出的事实陈述 (数据、人名、年份、定义、公式),必须 RAG 锚定到可追溯 source。无 source 的事实主张被流水线自动拒绝,不进入下一段。学科编辑审稿时随机抽查 source 真实性 (因为 LLM 偶尔会"幻觉 citation")。教育内容的事实错误成本比 marketing 内容高一个数量级 ——一旦扩散给学习者,erratum 极难追回。🟢 high⁸

红线二:教学法红线

AI 不能独自决定 cognitive load、scaffolding 顺序、age-appropriateness。这三件事必须有产品负责人或教学法编辑签字才能锁定¹⁰。LLM 训练数据里有 Wikipedia 但没有"针对小学 4 年级如何引入分数概念"的隐性教学法知识。你团队里至少要有一个有真实教学经验的人 ——不是 instructional designer 头衔,是真的教过课的。

红线三:评估红线

AI 可以辅助 grading 但不能独自打分 ——尤其在 high-stakes (升学、认证) 评估上。研究显示 60%+ 教师能用 AI rubric 但都会做修改;教师"重视 AI 的 narrative feedback,但不信任 autograding"¹¹。设计上:formative assessment 可放 above-loop (AI 写 + 推送);summative assessment 必须 human-in-the-loop (AI 辅助 + 人复核)。🟢 high

红线触发的三种 above-loop 机制

• 抽样审核:编辑每周抽 N% (建议 10-20%) AI 通过的内容做全面 spot-check,确保质量底线。
• 红线触发:任何触及三条红线的产出强制人审,不可绕过。配套 telemetry:红线触发率高的 agent 配置回炉。
• 学习者反馈回流:telemetry 异常 (mastery rate < 50%、abandon > 30%、negative feedback NLP 阈值) 立即触发人工 review。

启动 90 天:Day 1 / 30 / 90 硬里程碑

所有前 5 节的内容只有 ship 才算数。90 天是一个能验证整套设计的 minimum window ——足够 ship 第一门课、积累第一批 telemetry、定型 v0 工作流。

Day 0-7:招种子,定 scope

• 招 2 个种子:1 个课程产品负责人 (有真实教学经验,不要纯做过 ID 没教过课的) + 1 个 senior agent 工程师 (会 prompt engineering + RAG + 至少跑过一个 production agent)。
• 定第一门 pilot 课的 scope:选你最熟的学科、最具体的目标受众、最有 telemetry 历史的话题。Pilot 不是 prove "AI Native 行不行",是 prove "我们的工作流定型对不对"。
• 采购:Claude + GPT API、Synthesia 试用、Midjourney、Pinecone 免费层 ——总月度 < $1500。

Day 8-30:ship 第一门

• 14 天 ship 一门 pilot (按 s3 的 Day-by-day 走);剩 16 天做 retro + 工作流文档化。
• 硬里程碑 D30:第一门 AI Native 课上线,完成 ≥ 30 个真实学习者样本,事实红线零触发被 ship 出去。
• 同时招 3-5 人填齐角色 (学科编辑 2、多媒体编辑 1、评估编辑 1、数据分析 1)。

Day 31-60:扩到并行

• 同时跑 3-5 门课。这一阶段考验工作流的可重复性 ——单门 pilot 跑通可能是运气,3 门并行跑通才是工作流定型。
• RAG 知识库从 1 个学科扩到 3-5 个。Eval rubric 从 pilot ad-hoc 升到标准化 16 维。
• 硬里程碑 D60:每门课 elapsed 时间 ≤ 3 周 (单门 4-8 人天);3 门并行跑通;每门通过自家 16 维 rubric ≥ 80 分。

Day 61-90:闭环成立

• 团队扩到 10-15 人。10-20 门课并行。
• 关键 ——Stage 5 → Stage 1 的 telemetry 回流真正发生:第一门 pilot 的 v2 上线,基于 v1 telemetry 修正,而不是纯人审拍脑袋。
• 硬里程碑 D90:团队 throughput ≥ 5-10 门/月;至少 1 门 pilot 课 v2 基于数据迭代 ship;ROI 数据初稿 (人均产值估算)。