今天这五篇文章原本很适合拿进一间培训教室。
定时任务已经把文件写好，GitHub显示成功，网页也能打开。学员如果只看运行状态，很容易说这套内容自动化已经学会了。再把五篇正文投到屏幕上，问题就很清楚。每篇只有一百多字，没有采用当天抓到的来源，五个摘要一模一样。
一堂 AI 课可以从这里开始。老师把仓库和运行日志交给学员，让他在下课前把问题查清，再交出可以上线的文章。最后验收的是文件和网页。课堂里的点头不算。课要继续。
第一小时先碰自己的材料
企业培训常用统一案例，员工跟着老师写一封邮件或做一张表。步骤容易讲，回到岗位以后却接不上。财务手里是对账单，销售保存着客户消息，工厂还会碰到设备记录。三个岗位对准确率和权限的要求不同。
更实用的做法，是让学员带一份可以脱敏的真实材料。课程开始先写明这项工作现在由谁做，通常花多少时间，结果怎样才算完成。材料涉及客户和员工信息时，先处理权限与脱敏，再决定能否交给外部模型。
任务只有一句“帮我提高效率”，课程很快会变成工具演示。任务写成“把二十份合同里的到期日整理成表，并逐项保留原文位置”，学员才知道该检查什么。
第二小时故意让结果出错
模型第一次输出往往很顺。培训若停在这里，学员会把流畅当成正确。老师可以准备一份缺字段的表格、一段互相矛盾的制度说明，或者像今天这样准备五篇通过程序检查的短文。
学员要找到错误来自哪里。提示写得含糊，可以修改提示。原始材料缺失，就要回去补材料。程序只检查文风，没有检查来源和长度，那就增加质量门槛。每一种错误对应不同动作，不能都靠“再问一次 AI”解决。
human-writing 这套写作技能把材料检查放在动笔前。现实长文若凑不出五条具体材料，就继续研究或缩短题目。它还要求事实、引语和数据能找到来路。放进企业培训以后，这条规则很有用。它逼着学员先看手里的东西够不够，再决定让模型写多长。
下课以前交一次真实结果
今天这项练习的交付很具体。五篇文章都要扩写，摘要各不相同，公开来源能够访问；中文检查通过以后还要运行网站构建，代码推送完成也不能离开，学员要继续等部署，直到首页、文章页、RSS 和站点地图都出现新版本。
做到这里，学员已经走过一条完整流程。他研究材料，使用 AI 写作，也处理程序检查和线上验收。出错就停。中间任何一步失败，都能指向一个可修的问题。
企业可以把同一套验收办法带回岗位。培训结束一周后，再让学员独立完成一次原任务。所用时间有没有下降，错误是否能被复查，负责人能否在模型出错时接手。三项结果写进记录，课程价值才有依据。
郑州的企业选 AI 培训，不必先问老师能讲多少新名词。把自己的文件带过去，问清课程结束时要交什么。能带回一套继续使用的流程，第二天的工作会发生变化。只带回几个账号和一叠截图，热闹很快就过去了。