把你的经验变成 AI 的能力，从使用者变成创造者。
本文件夹用于存放模块二课程细节与逐字稿。主线严格按 5 节课组织，L2-8A、L2-08B、L2-09A 和 L2-12 作为加餐与延伸附录，不进入主线必修。
老师交付包
老师交付包目录统一收录五课老师总稿、独立 60 分钟讲义、脱敏素材、学员工作区模板、老师参考成品、截图录屏清单和交付前检查表。
- 老师版 HTML 五课总览：教研审阅、课堂投屏和打印入口。
- 老师版 Markdown 总稿：内容修改、教案交接和版本留档入口。
为什么要从 Web Chat 升级到 Agent
Chat 是等你提问的通用助手；Agent 是带着你的资料、规则和工具持续工作的 AI 同事。
普通 Web Chat 很适合一次性问答、快速草稿和探索想法，但每次都要人发起任务、补充背景、检查结果、复制到下一步。即使生成内容的语气和意思大致正确，也不一定适配你的个人经历、课程受众、表达风格和真实交付目标。
| 阶段 | AI 怎么工作 | 人怎么参与 | 个性化与主动性 | 核心收益 |
|---|---|---|---|---|
| Web Chat（通用助手） | 回答当前问题，生成一次性结果 | 人全程提问、补背景、推动下一步 | 个性化弱；等待指令 | 快速获得答案或草稿 |
| AI 实习生（人在场） | 按人给的资料和步骤完成一段任务 | 人拆任务、逐步交接、逐项检查 | 能参考个人资料；仍由人发起 | 节省局部执行时间 |
| 半自动 Agent（按流程协作） | 读取知识库和规则，连续执行多步流程 | 人定目标、处理异常、确认关键节点 | 能保持个人风格；可连续工作 | 减少重复说明和盯过程时间 |
| 定时自动 Agent（主动汇报） | 按计划自动运行，整理结果并主动汇报 | 人看简报、做验收和关键决策 | 能定时触发、主动汇报 | 从临时答案升级为持续交付 |
L2 的完整学习路径是：
Web Chat → AI 实习生 → 半自动 Agent → 定时自动 Agent + 主动汇报
| 学习动作 | 对应课程 | 能力变化 |
|---|---|---|
| 识别并拆解重复工作 | L2-7 | 从一句话提问变成可执行流程 |
| 加入个人资料、知识和记忆 | L2-8 | 从通用回答变成适配个人需求 |
| 把知识库升级成本地生产 RAG | L2-8B 加餐 | 从上传资料问答变成可评测、可更新、可回滚的检索系统 |
| 定义岗位、权限和人工确认点 | L2-9 | 从临时助手变成专属 Agent |
| 测试模型能力并匹配岗位 | L2-9A 加餐 | 从凭感觉选模型变成按真实任务选型与路由 |
| 把重复流程固化成 Skill | L2-10 | 从每次重教变成稳定复用 |
| 测试、评估和持续优化 | L2-11 | 从偶尔能用变成可验收、可迭代 |
| 设置定时任务与主动简报 | L2-12 延伸 | 从等待指令变成按时工作和主动汇报 |
安全边界：这里的“全自动”只指低风险、规则清楚、可以验收的步骤自动运行。发布、付款、审批、承诺、删除、隐私处理和高风险判断仍需人工确认。
AI 基础知识（初中生版）
正式进入工作流课程前，可以先用这套图文材料补齐 AI 基础概念。内容包含 15 节完整入门课和 8 节进阶预告，从 AI、算法、模型、大语言模型一路讲到 Agent、认知外包、AI 对人的影响和新时代需要掌握的能力。
- Markdown 内容底稿：适合备课、修改、复制到知识库。
- 离线图文知识馆：适合学员在浏览器中按学习地图阅读。
材料参考公开视频系列的分集选题重新整理，是原创基础讲解，不是视频字幕或逐字稿。
学习成果
- 专属知识库：把资料整理成 Markdown / ima / RAG 可用的知识资产。
- 个性化“龙虾”：把 AI 设定成有岗位、有知识、有边界的专属 Agent。
- 个性化 Skill：把重复工作固化成一句话可触发、可测试、可迭代的技能。
技能产物包
- L2 技能产物包：5 节主课对应的可填写 Markdown 模板。
- L2 技能产物包 HTML 总览：面向讲师和学员的浏览器入口。
- 完整工作流案例库：参考
~/.openclaw真实工作区整理的 6 套完整工作流，用于课堂选案例和产物改写。 - 模型测试表与岗位匹配报告：把 Agent 岗位翻译成能力权重、测试题和模型路由结论。
- 模型能力测试与岗位匹配工具：离线比较任意网页模型，自动评分并导出报告。
- 本地 RAG 生产方案与验收表：规划解析、Chunk、Embedding、混合检索、Rerank、评测、更新与回滚。
主线工程链路
Workflow → Knowledge / Memory → Agent → Skill → Eval / Optimize
5 节主课
| 节次 | 文件 | 主题 | 核心产物 |
|---|---|---|---|
| 1 | L2-07_从用工具到造工具_工作流拆解.md | 从“用工具”到“造工具”：梳理你的工作流 | AI化流程筛选卡.md、工作流拆解表.md |
| 2 | L2-08_知识库_ima_RAG.md | 给 AI 装个“脑子”：知识与记忆的归档 | 知识库说明.md、记忆规则.md |
| 3 | L2-09_打造专属Agent.md | 招一个不要工资的 AI 员工：打造专属 Agent | Agent设定卡.md |
| 4 | L2-10_把重复工作变成Skill.md | 把重复工作变成一句话：个性化 Skill 制作 | Skill草稿.md、测试任务.md |
| 5 | L2-11_模块收官与AI工具箱.md | 让 AI 学会你的“手感”：优化与模块收官 | 我的AI工具箱.md、提效流程评估表.md |
加餐与延伸附录
| 文件 | 定位 | 说明 |
|---|---|---|
| L2-08A_本地资料_工程工作流_风格文件.md | 工程资产加餐 | 内容拆入第 2、4、5 节，保留给进阶学员参考。 |
| L2-08B_本地生产级RAG_向量模型_拆分与检索工作流.md | 本地生产 RAG 加餐 | 向量模型、结构化拆分、Dense + Sparse、Rerank、评测、增量更新和回滚。 |
| L2-09A_模型能力体检与Agent岗位匹配.md | 模型选型加餐 | 从 24 基础 + 30 专项 + 12 客户题中选题并保存配置，输出主模型、备选和步骤路由。 |
| L2-12_日常RSS_Docker安全与Skill监控自动化.md | 延伸自动化课 | 学有余力后再讲 RSS、Docker、安全和 Skill 监控。 |
当前工程趋势映射
| 趋势 | 课程讲法 | 落地产物 |
|---|---|---|
| MCP | 工具和数据源的标准连接方式 | 知识库、文件、工具权限表 |
| OpenAI Agents SDK | Agent、Tools、Handoffs、Guardrails、Tracing、Sessions | Agent 设定卡、人工确认点、试跑记录 |
| LangGraph | 长流程、记忆、human-in-the-loop、可恢复执行 | 工作流拆解表、记忆规则、版本记录 |
| Evals / Observability | 不是感觉好，而是能测试、能追踪、能优化 | 测试任务、提效流程评估表 |
课程与 Skills 对应
- L2 课程与 Skills 对应表：逐节列出主推 Skill、可选 Skill / 生态能力、课堂产物和使用边界。
页面
市场与用户画像
- L2 市场与用户画像分析：对照 2026-07-01 已成交用户画像数据，整理 L2 课程的市场定位、人群打法、销售话术和轻量交付包。
课程赠品
- 工作流提效工具包：结合开源技能方法，整理成一个赠品包，包含 AI 化流程筛选、工作流拆解、知识库、Follow Copy、副业数据检索、AI 岗位角色卡、试跑记录和提效流程评估表。
- AI 化流程筛选卡：用于挑选适合 AI 化改造的高频、低风险、可验收流程。
- 工作流拆解卡：用于把一个任务拆成输入、步骤、输出、验收和人工确认点。
- Markdown 知识库搭建包：用于整理资料来源、知识卡片、记忆规则和 RAG 验收题。
- 提效流程评估表：用于判断工作流是否能稳定产出并进入日常使用或客户交付。
- 什么工作适合做 AI：对话讨论分析：课堂开场讨论材料，用来判断哪些工作 / 业务流程适合做 AI。
客户交付三件套与 Skill Creator
- OpenClaw 客户轻量交付三件套：把客户交付收敛成知识整理、流程固化、风格学习三件套。
- OpenClaw Skill Creator 示例技能：从“我想做一个 xxx”生成可测试、可评估、可迭代的 Skill。
- Skill Creator 预设工作流：RAG、SOP、风格、客服、会议、报表、安全、迭代 8 类框架。
- Skill Creator 评估表：按触发、流程、复用、安全、质量 5 项评分。
Markdown 本地资料
- 初中生 AI 术语知识卡片：用于 RAG / ima 的 Markdown 知识资料示例。
- 重复工作 Follow Copy 样例：主样本，用于客户跟进、项目催办、学员提醒、售后回访等重复工作流程。
- 一人公司副业数据检索样例：主样本，用于副业方向检索、需求证据、竞品价格、平台规则和 7 天小实验。
- 工程工作流样例：用于生成
AGENTS.md、SKILL.md、IDENTITY.md、SOUL.md的示例。 - 政企生活场景知识与流程样例：补充样本，用于政企、企业、客服、项目、生活场景的 Markdown 资料和流程示例。
- RAG 项目案例库：用于课堂演示 RAG 项目设计、验收和风险边界。
- Markdown 资料评估记录模板：用于检查知识、流程、风格和测试文件是否可交付。
- 旧版 JSONL 样本：仅作为历史参考，当前课程不再主推结构化训练数据格式。
统一课堂原则
- 先讲人话，再讲术语。
- 每节课都要有一个能检查的文件产物。
- 每次让 AI 执行前，都要先写清：目标、资料、步骤、输出、验收标准、人工确认点。
- 课程案例未确定时，先用“重复频率、输入清晰度、输出稳定性、风险可控性、人工可验收”筛选适合 AI 化的流程。
- 一个流程至少通过正常、资料不足、高风险 3 类测试，再进入日常使用或客户交付。
- 涉及账号、发布、交易、健康、金融、未成年人、隐私和客户资料时，默认人工确认。