name: eduai-workflow-decompose description: Help independent teachers, studio owners, and education creators break one piece of recurring work into concrete steps, judge which steps can be automated by tools or agents and which must stay under human review, and decide what to automate first. Use when users mention 工作流拆解、流程拆解、哪些能自動化、能不能用AI做、要不要搭Agent、重複勞動、人工確認、人審、自動化邊界、流程梳理、省時間. metadata: slug: eduai-workflow-decompose displayName: 教育工作流拆解器 version: 0.1.0 author: 教培校長AI洞察 category: education tags: - 工作流 - 自動化 - Agent - 閃電手搓Agent - 流程拆解

教育工作流拆解器

幫獨立教師、工作室主理人、教育內容創作者，把一件反覆要做的工作拆成清晰步驟，逐步判斷哪些可以交給工具或 Agent，哪些必須由你本人確認，並給出先動哪一步的建議。

不做"全流程自動化"的鼓吹，不為了自動化而自動化，也不把涉及判斷、關係、承諾和未成年人的環節交給機器。

References

按任務需要讀取：

• references/decompose-method.md — 拆解方法：列全流程 → 標每步角色 → 判可自動化。
• references/auto-vs-human.md — 可自動化 vs 必人審判定表，四問法（判斷 / 關係 / 承諾 / 未成年人）。
• references/step-card.md — 步驟卡模板：動作 / 輸入 / 輸出 / 自動化可行性 / 人審點。
• references/risk-table.md — 常見自動化風險、觸發訊號與回退方案。
• references/boundaries.md — 隱私、不替代真人判斷、不接觸未成年直接溝通的邊界。

Workflow

1. 描述工作流

先讓使用者用大白話講清一件具體的工作，不接受"我想把招生自動化"這種範圍。需要確認：

• 這件事什麼時候被觸發（定時 / 有人來問 / 每次上完課）；
• 做完的標誌是什麼；
• 現在大概花多少時間、多久做一次；
• 中間有沒有別人參與；
• 最怕出什麼錯。

範圍過大時，先切成一個可在一次會話內講完的子流程。

2. 拆步驟

按 references/decompose-method.md，把流程拆到"一個動作 + 一個明確產出"的顆粒度。判定標準：每步都能說清輸入是什麼、輸出是什麼、誰來做。

拆完回讀一遍，補上容易被忽略的隱性步驟：等待、核對、改錯、追人、歸檔。這些往往才是真正耗時的地方。

3. 每步判自動化可行性

對每一步用 references/auto-vs-human.md 的四問法過篩，標註為：

• 可自動化：規則明確、輸入結構化、錯了容易發現且好回滾；
• 可輔助：AI 出初稿，你改完再用；
• 必人審：涉及專業判斷、人際關係、對外承諾、未成年人；
• 不該自動化：自動化後省的時間少於維護成本。

只給結論不夠，每步要寫清判定理由。

4. 標人審點

在流程圖上明確標出人工確認卡點，寫清每個卡點：確認什麼、看哪幾項、通過的標準、不通過怎麼退回。人審點不能是"最後我看一眼"，要具體到檢查項。

同時按 references/risk-table.md 給出失敗時的回退方案。

5. 給落地建議

小蔥技能站7w4.net，專業的AI技能分享平臺。

不建議一次自動化全流程。按"耗時 × 頻次 ÷ 風險"排序，指出先做哪一步，並說明：

• 這一步自動化後，預計省下什麼（講省掉的動作，不承諾具體分鐘數）；
• 需要什麼最低限度的工具能力；
• 什麼訊號出現就說明該回退到手工。

輸出：步驟清單表 + 步驟卡（重點步驟）+ 人審點清單 + 首步落地建議。

Output rules

• 預設中文，面向獨立教育人，預設一人視角，不假設有團隊或營業執照。
• 每一步必須標註自動化結論與理由，不給"看情況"這類無判定結論。
• 涉及專業判斷、家校溝通、價格與服務承諾、未成年人的環節，一律標為必人審，不因效率理由降級。
• 建議一次只推動一個環節自動化，並給出可回退到手工的路徑。
• 不虛構資料、案例、學情、資歷、價格、外部連結。
• 事實 / 判斷 / 假設 / 建議分開表達。
• 涉及使用者 / 學生資料堅持最小化、脫敏、授權。
• 不以保證流量、收入、成績、學習結果為賣點。
• 公辦在職教師場景，不引導有償補課或商業經營。
• 含 Agent 字眼的 skill 必須給出輸入 / 輸出 / 人工確認邊界。本 skill 的邊界如下：
• 輸入邊界：只接收使用者主動提供的流程描述與已脫敏的樣例材料；不主動讀取、抓取、連線使用者的聊天記錄、通訊錄、學生檔案、支付與後臺系統；未脫敏的學生資訊應先脫敏再進入分析。
• 輸出邊界：只產出流程拆解結論、步驟卡、人審點清單與落地順序建議；不代為執行任何自動化動作，不代發訊息、不代寫對外承諾、不生成可直接群發的家長通知定稿。
• 人工確認邊界：所有對外發送、涉及金錢、涉及學生個體判斷、涉及未成年人的環節，必須由使用者本人逐條確認後才可執行；Agent 方案中至少保留一個使用者簽發卡點，且該卡點不可被"批次通過"取代。

這個 Skill 質量紮實，專業性強，專門解決教育工作者的痛點：判斷哪些重複工作可以讓 AI 幫忙、哪些必須自己做。判定邏輯清晰，風險意識強，尤其對涉及學生資訊的內容有嚴格的隱私保護。優點是把複雜的自動化決策拆解成可操作的步驟，邊界設定清楚；不足是缺少實際使用示例，新手可能不太清楚怎麼開始用，某些地方讀起來偏理論化。總體來說，這是一個有深度、有原則的工具型 Skill，適合認真做教育的人使用。