刚做完一个基于大语言模型的AI应用项目，这个项目刚好符合我对AI时代课程及课程形态的判断。
那就将这个项目作为案例，分享给大家。
1
需求从课程开发开始...
这个AI应用项目的需求，最初是一个课程开发的需求。
这是一家招投标的代理公司，在案例中称之为W公司吧。这些年借助招投标的政策要求，W公司业务发展得很快，形成了一定的业务规模，在当地省份排名靠前。
为了上一个台阶，2024年，公司开始导入战略咨询，计划之一，是通过大量发展招标代理项目承揽人的方式快速裂变。
这个计划的负责人找到了我，他的想法是通过培训课程引流潜在的项目承揽人，在此基础上培养意愿性强的项目承揽人，支持他们在本地开展招标项目代理。
因为招投标代理项目运作有一定的专业门槛，也需要很多的实际操作经验和技能，我和负责人交流之下，认为有一定的可行性。
为此，我专门制定了详细的咨询开发计划，包括：
- 承揽人画像调研
- 引流小课开发
- 承揽人典型任务场景经验萃取
- 课程开发
- 项目授课讲师培养
这个咨询开发计划，以培训课程为中心，既有经验萃取，也有课程开发，还配套了画像调研和讲师培养。总体来说，还是比较完善的。
因为时间比较紧急，整个开发计划压缩到四个月完成。计划在课程、师资准备好之后，再设计一个完整的承揽人培养项目，联合渠道、行业协会向市场推广。
就在我们准备启动项目之时，反对的声音出现了....
2
反对：课程开发太重了...
这个项目是董事长支持的，原以为方案得到了董事长的同意之后，应该可以马上进入实施计划。
想不到，方案在管理层汇报讨论环节遇到了很多的反对意见，主要集中在以下方面：
- 开发项目太费时间。课程开发时间4个月，项目设计与运营准备至少2个月，到第一班开设至少要8个月的时间，实在太过漫长了；
- 项目到业务实现的链条太长了。业务的目标是拓展承揽人队伍，现在通过培训的方式拓客的环节太多，预估下来至少有7~10个节点，很难快速完成拓客的目标；
- 投入的资源太多。一方面是预算过高，另一方面需要抽调太多业务骨干，影响业务进展；
- 培训专业性太强，对学会，并做出有质量的产品没有把握。业务骨干要学经验萃取、课程开发、讲课，挑战太大，如果全部交给顾问，成本又太高。
这些问题提出来，显得很尖锐，但站在公司的立场上想一想，这些质疑其实很有道理。
那怎么办呢？只能再次分析业务真正的需求。
仔细分析下来，发现承揽人对招标代理的专业要求具有明显的场景性，表现在32个典型的场景，在每一个场景下，招标代理主要是一些知识性和绩效支持性的需求，突出表现在：
- 招标的政策、法规、条文的理解和识别，突出表现在对招标文件的合规性审查方面。
- 场景模板、案例
- 流程性的操作
- 方案的编写指导支持
- 场景挑战点识别和应对策略、方法
梳理到这里，其实已经明白了，这些需求，其实可以通过绩效支持式的解决方案。
3
解决方案：基于AI的知识管理模式
所谓绩效支持，就是在使用者碰到问题时，提供解决问题的信息、工具、反馈和指导。
招标项目承揽人，并不需要成为招投标的专业人员，但他们需要在承揽招标项目遇到问题时，有人答疑解惑，并能得到指导怎么做。碰到有些概念性、原理性的知识时，能够快速学习。
这些需求，用基于大语言模型的AI是最合适的。
首先，提供私有知识库的大语言模型最适合答疑解惑。其次，大语言模型可以做到问答的高度个性化，另外，大模型还可以提供指导反馈，当然，这种AI还可以担任老师对学习场景进行即时性内容生成和辅导。
确定这个方向后，大家还是有很多疑惑，对于传统行业来说，AI是新事物，大家没有概念。
为了让管理层和项目关联人员有概念，我们迅速做了一个demo，让团队人员快速体验AI可以做什么。
经过体验版的试用，团队人员有了把握，同时也发现这样的方案具有很多的优点，比如，开发时间短、不需要投入过高的预算，也不需要投入大量的人力物力进行课程萃取开发，能解决承揽人拓客过程中的赋能问题。
与此同时，经过反复试用和充分讨论，团队人员认为要做好这个AI，以下关键要素是成功的必备条件：
1、需要有私有数据，特别是招标项目的地方性法规、政策条文、案例、模板等数据，并且要保证数据精准。
2、很多人不会和AI对话，不知道问什么问题。这就要求定制的AI需要有明确的场景、预设的提示词模板、预设的问题等，最好有场景地图，这样，用户就可以按图索骥，敲门入室。
3、AI要能准确找到私有数据库的数据内容，用专业术语来说，就是需要有高的召回率。
4、要具备学习功能。遇到要理解学习的内容，要能一步一步地引导用户学习和掌握相关知识内容。
5、能够智能推荐招标场景中应用的模板和典型针对性案例。
6、能够在提供必要的信息的情境下（比如招标行业、招标内容、招标金额、招标人等信息），自动生成招标各个环节的方案文档
7、自动提取上传知识文档的数据，生成标签，过程尽量减少人工干预和作业。走到这一步，才算摸清楚了解决方案的需求。
走到这一步，才算摸清楚了解决方案的需求。
4
替代课程解决方案的AI应用
很明显，这是一个替代课程解决方案的业务赋能应用。我们采用以大语言模型为基石的AI应用解决方案。
方案中，重中之重的是建立私有知识库。这个工作相当于建立课程体系和学习内容（课程）库。
建立私有知识库的体系框架，我们使用任务场景的方式搭建，系统梳理招标代理的主要业务场景。如下：
在此基础上，收集场景的知识文档，这些知识文档覆盖范围很广，比如下图是场景的工具文档。
这些文档还需要进行数据清洗，比如找到文档的标签字段，并利用AI进行智能识别和抽取。之后文档经过向量化和RAG处理，成为私有知识库数据。比如下图是一类知识文档的数据处理。
有了私有数据库，接下来就可以设计AI应用了。
这样的应用有很多，比如：
- 场景知识问答。我们能做到top1召回率达到85%以上
- 场景案例精准推荐
- 场景招标文档生成
- 招标知识按需AI学习
...
比如，下面是一个场景 - 编制资格预审文件的AI学习过程（实际的学习界面不是问答界面）。
1、编制资格预审文件的流程知识学习
2、挑战点及应对策略学习
3、案例生成式学习
4、示例（示证
5、规则类知识案例学习
6、规则案例学习
7、AI出题自测
8、实操练习
最后小结一下：
1、这个案例呈现了AI时代下，一种替代传统课程体系的建设方案
2、这个方案本质上是一种新型的知识管理模式，优点非常多，可以解决传统课程管理方式的高成本、高内容开发时长、学习效率低的问题
