很多人都有提升表达能力的需求,一套"AI 表达教练"的完整设计:解决什么问题、怎么做的、两个半月跑出了什么效果。
过去两个多月,我每天干一件事:录 10 分钟音,交给 AI 点评。
前面几篇讲的都是故事:同一份讲话稿录五遍、两个半月的数据总账。今天这篇讲系统——这套"AI 表达教练"是怎么被设计出来的,踩了哪些坑,效果怎么验证。
想自己练表达、或者想把任何"自我训练"工程化的朋友,这篇可以直接抄作业。
练表达最难的不是坚持,是三件事:没有反馈、感觉不可靠、无法积累。
我这套系统把每天 10 分钟录音,做成了一个软件项目——机器管测量(stats.py 数汉字数/语速/口头禅/卡顿,永远不数错),AI 管判断(按五场景标尺双评打分),三份文件沉淀(进步账本只追加、规律库、标尺独立存放)。
一、它解决什么问题
练表达这件事,普通人有三个死穴:
死穴一:没有反馈。 说完就过,下一秒就忘。你不知道自己口头禅多严重,不知道哪里绕了,不知道那个"嗯——“停了多久。没有反馈的练习,只是重复。
死穴二:感觉不可靠。 我的数据里最扎心的一条:自我感觉"没提升"的那天,AI 打出了两个半月的历史最高分 4.5;感觉"越录越差"的那一版,硬指标全是五版里最好的。感觉专门在你进步的时候骗你。
死穴三:无法积累。 今天发现的问题,明天换个场景又犯,每次都从零开始。三年前的你和今天的你,犯的是同一类错——因为从来没有一个账本。
那请个人类教练呢?我被两个现实劝退:贵还在其次,更要命的是他不可能每天等我 10 分钟,等两个半月。
二、那直接问 AI 不就行了?不行
你可能想说:现在 AI 那么强,把录音转写扔给它点评,不就完了?
我一开始就是这么干的。三个星期,撞了三堵墙:
第一,AI 天生嘴甜。 你问它"我讲得怎么样”,它第一句永远是"整体表达清晰流畅"——废话浓度极高。你要的是教练,不是捧哏。
第二,AI 数数不可靠。 我那段录音里"这个"到底说了 16 次还是 12 次?它一会儿报一个数。测量数据错一次,信任就没了——后面它说的所有话你都会打问号。
第三,每次对话都是新教练。 今天这个 AI 觉得 3 分钟超时没事,明天的觉得超时要扣分。标尺漂移的点评,等于没有标尺。
这三堵墙指向同一个结论:光有 AI 不够,得把"教练"这个角色本身工程化。
三、核心设计:把练表达当成一个软件项目
我干了二十多年软件,最熟的就是这套逻辑:可测量才可优化,可积累才复利。
于是我把每天 10 分钟的录音点评,做成了一个小系统:

就这么四层,但每个环节都有讲究。
环节一:机器管测量,AI 管判断。
数数这种活,一律交给脚本——语速、字数、口头禅频次、重复卡顿,一个 Python 脚本输出,永远不数错。AI 只干它擅长的:结构分析、亮点识别、打分、开处方。

这是整套系统的第一铁律。机器的归机器,智能的归 AI。
具体到实现上,这个分工比"嘴上说说"严格得多。我给脚本划死了边界:能数出来的,一个字都不许 AI 猜。
- 汉字数只数
[一-鿿],不含标点数字字母; - 语速必须由
--duration参数喂进去,没有时长就不报语速——宁可少一个指标,也不能用猜的语速污染数据; - 口头禅密度 = top3 合计次数 ÷ 分钟;
- 重复卡顿靠正则
([一-鿿]{2,4})\1抓"他们的他们的"; - 开头 150 字只摘出来不做自动判断——结论句识别不可靠,这活交给 AI 读。
反过来说,AI 该干的也一样不许外包:结构通不通、有没有个人增量、入题几秒、这句是不是金句——脚本做不了,只能读。
环节二:AI 必须按固定标尺判,不许自由发挥。
我给五个训练场景各写了一把尺子——
| 场景 | 课表 | 练什么 | 过关线 |
|---|---|---|---|
| 即兴(弹性三档) | 周一/四 | 限时压缩、快速入题 | 三档中稳定达 2 档 |
| 金字塔 3 分钟 | 周二/五 | 结论先行、层次支撑 | 3min ±30s |
| 复述 2 分钟 | 周三/六 | 转述保真 + 个人增量 | 2min ±30s 且必须有增量 |
| 回放对比 | 周日 | 自我观察、证据意识 | 至少 2 条具体差异 |
| 自由复盘 | 机动 | 思维产品化 | 有一个可带走的结论 |
每把尺子都有明确的过关线,比如金字塔场景:30 秒内必须出现结论,超时即扣。AI 点评前先读尺子,照尺子打分——这样无论哪天、哪次对话,标尺都是同一把。
有个细节值得单说:即兴场景是弹性三档——30 秒、60 秒、3 分钟。现实里的即兴时长本来就不固定,60 秒只是入门档。真正要练的是可伸缩性:同一个素材,能讲 30 秒、能讲 60 秒、能讲 3 分钟,且每档都收得住。
环节三:三份文件,三个角色。
- 进步账本(
progress.md,每条录音一行:场景、时长、口头禅、分数、处方)——相当于 git log,只追加,不删除。进步不可篡改,退步也赖不掉; - 规律库(
glossary.md,两个半月攒了 36 条已验证规律)——相当于 bug 库。同类问题出现第二次,就从"随口提醒"升级为"专项训练"; - 标尺文件(
rubrics.md)——相当于验收标准,独立存放。数据和标尺分开,升级方法不动数据。
账本的表头长这样,一行就是一条完整的进步证据:
| 日期 | 编号 | 场景 | 主题 | 时长 | 语速 | 口头禅(次) | 内容 | 执行 | 综合 | 关键发现/备注 |
这里有个我特别在意的规矩:没数据的格子填 ?,不许编数。 一个诚实的问号,比一个看起来很完整的假数字有用得多。
四、几个反直觉的关键设计
1. 打分打两个,不打一个。
内容分(观点和结构)与执行分(流畅度和时长控制)分开打。我的账本立刻显形:内容分均值 4.22,执行分均值 3.56——想得清楚,说得不够流畅。混成一个分,这两种完全不同的能力会互相打掩护,你的训练就找不到靶子。
而且两个分数的锚点也不一样:内容分的核心是"个人增量"——有增量 4.0 起,纯转述封顶 3.5,增量加验证闭环才能到 4.5 以上;执行分的核心是"场景任务完成度"——时长、结构、口头禅三者达标 4.0 起。
2. 处方永远只开一条。
问题可以列一箩筐,处方只给一条、当天可执行。贪多的处方等于没有处方——人的注意力就那么多,一次改一个才改得动。
对比一下就明白:好的处方长这样——「今晚把这个素材压成 3 分钟金字塔版」;差的处方长这样——「以后注意结构」。
3. 标尺可以被"复议"。
有天我嫌某条过关线不合理,提出异议。AI 没有硬顶,也没顺着我,而是拿数据判断异议成不成立:成立,就改标尺文件、重算当期评分;不成立,就拿我的原文数据反驳。同时还立了规矩:改标尺不能抵消与标尺无关的硬伤——比如时长标准放宽了,“入题 31 秒"照样扣分。
标尺不是圣旨,是活的。但它只能被证据推动,不能被情绪推动。
4. 转写错误必须"二分类”。
录音转文字会出错,但错和错不一样:把"创发"转成"创办"是同音漂移——机器的错,不算我的;把"王亚"转成"王耀"是音不同的错——我的错,必须纠正。
判据很朴素:把转写词念出来,跟我的实际发音同音,就归为噪声。不冤枉我,也不放过我——人机协作要长期跑下去,这种公平感比什么都重要。
同样的道理还用在断句上:“大量句号断句"到底是 ASR 的切分噪声,还是我真的停顿了?也要分开算。
五、效果怎么样:两个半月的账
分数本身几乎没动:9 月 8 条平均 4.00,11 月 24 条平均 3.98。但账本显示标尺在这期间变严了三次(综合分拆成双评、又上分场景基线)——考卷变难分没掉,这本身就是进步。这个账前面写过专篇,不重复。
更有说服力的是三件事:
第一,反馈当天闭环。 口头禅"这个"从单条 16 次到清零,用时三天;讲话稿语速 312(背稿冲刺)压到 160(有呼吸的讲述),用时一晚五遍。问题从"隐隐约约感觉有"变成"白纸黑字在下降”。
第二,标尺搬进了脑子。 前几天的回放自评,我先自己诊断"停顿词多是因为脑子在停顿",再对照 AI 从数据推出的结论——完全一致。教练的最高境界是失业:被点评者长出了自我诊断能力。
这里其实藏着一个我一开始没想明白的机制:**感觉不可靠,往往不是你没进步,是你的标尺在偷偷变严。**后来我把"感觉没提升"这类问题定成了固定处理动作——先拉全表看硬指标趋势,如果硬指标在动而分数没动,那不是停滞,是感知阈值上移;如果硬指标也没动,那才叫停滞。这两种结论完全不同,混为一谈最伤人。
第三,实战没掉链子。 一场 31 分钟的真实客户方案会,讲方案结构清晰,被质疑没硬撑、当场给对比方案。这条实战录音计入账本,平均分没被拉低——练的东西是能用的。
还有一个意外收获:这套系统顺带变成了一条内容生产线。复述训练逼我发现"哪些东西我以为懂了、其实讲不出来";每天的训练记录攒成了文章素材——这个系列的前几篇,全是这套系统的副产品。
六、它是怎么变成一个 Skill 的
跑通流程之后,我干了一件程序员的老事:把跑通的东西固化成别人也能装的包。

整个包只有四个文件,纯 Markdown 加一个 Python 脚本,只用标准库,零第三方依赖:
AI-ExpressCoach/
├── SKILL.md # 教练手册:三条铁律 + 七步工作流 + 输出模板
├── README.md # 部署指南
├── references/
│ ├── rubrics.md # 五场景评分标尺(含过关线)
│ └── metrics.md # 指标定义与测量口径
└── scripts/
└── stats.py # 硬指标统计:字数 / 语速 / 口头禅 / 重复卡顿
七个步骤拆开看,每一步的产物都很明确:
- 获取转写——贴文本 / 给路径 / ima note_id 三种入口;
- 场景识别——按周课表定场景,编号规则
YYYYMMDDNN; - 机器测量——跑
stats.py,同时做转写错误二分类; - 场景标尺评分——读
rubrics.md,双评打分; - 结构分析——逻辑链、个人增量、金句识别;
- 进步对比——取近 5 条同场景记录比趋势;
- 处方与记录——开一条处方,追加一行账本。
安装方式有四种,覆盖从零到满配:
| 环境 | 怎么装 | 适配成本 |
|---|---|---|
| ima(腾讯智能工作台) | 目录丢进工作区,ima_skill_create -d /path/to/AI-ExpressCoach | 零适配 |
| Claude / Claude Code | 放进 skills/ 目录即可(目录结构与 Agent Skills 规范同构) | 零适配 |
| Cursor 等带 rules 的编辑器 | SKILL.md 正文粘进 rules,references/scripts 放进项目 | 约 10 分钟 |
| 网页版 AI(无代码执行) | SKILL.md + rubrics.md 全文贴进系统指令,stats.py 在本地跑完把输出贴给 AI | 降级可用 |
最后一种我特意标注了"降级可用":不建议让网页版 AI 直接"估"数字——它本来就是这条铁律的靶子。让它评可以,让它数不行。
还有一个设计我特别看重:数据与方法分离。
DATA_DIR存你的成长档案(progress.md/glossary.md/connections.md),只存这里,不随 skill 分发;- skill 目录存方法(标尺、脚本、说明书),升级 skill 不动你的数据。
所以这个包不含任何个人数据——分享出去零隐私泄露,备份迁移只动一个目录,升级方法不动积累。这三条我一开始没想到,是被"数据跟方法缠在一起,升级一次就丢一次记录"坑出来的。
七、你想练,马上就可以开始
不想折腾安装?把这个地址丢给你的 AI(ima、workbuddy 或其他任何 AI agent),让它装上这个 Skill 就行:
https://github.com/xiejava1018/myopenclaw-skills/tree/master/AI-expresscoach/AI-ExpressCoach
装上之后,三步就能跑:
第一步:用手机录几分钟,转成文字。 手机录音 + 随便一个转写工具,0 门槛。
第二步:把这段话发给你的 AI,说一句:
你是我的表达教练,请点评这段录音
第三步:看它给你的点评。 记录比点评更重要——单次点评只是反馈,连续记录才是复利。
一段真实的点评长什么样
下面这是我一段录音拿到的真实点评(2026111002,即兴 60 秒场景):

对着这张图看,前面讲的每一条设计都落地了:
- 数据区是机器算的——时长 6:20、语速 143 字/分、口头禅频次、重复卡顿,一个数都没让 AI 猜;
- 亮点和问题都引用原文——「“这个"清零了——16 → 0」「素材是即兴的真正本事」「结尾"所以湖南这种天气确实还是值得吐槽一下啊"是感叹,不是观点收束」,没有一句空泛的"整体不错”;
- 进步对比是拿历史记录算的——「口头禅密度 3.82 → 2.68、语速 143 稳定在 140–150 区间、卡顿 1 处」,还有一句很扎心的诊断:「素材层面在涨,剥去层面原地不动——这就是分数卡在 3.5 的原因」;
- 评分拆成两个——内容 3.8 / 执行 2.9 / 综合 3.5,并注明「内容给到 3.8 是因为例子维度优秀;执行 2.9 是时长和入题双超标拖的」;
- 处方只有一条——「今晚把长沙天气压成 60 秒版:只留一个观点、第一句话直接给判断、手机开计时器,60 秒到了必须用自己一句话收尾」。
最后那句「已存 progress.md(11-11 行)+ glossary 新增 2 条」——这才是这套系统的目的:每一条录音都变成可积累的证据,而不是一次性的爽。
写在最后
- 没有反馈的练习只是重复。 练任何东西,先解决反馈,再谈坚持。
- 感觉会说谎,账本不会。 你缺的不是毅力,是证据。
- 最好的教练手册,由你自己的 bug 构成。 我这套尺子上的每一条刻度,背后都是我犯过的错——照搬我的没用,攒你自己的才有用。
这套东西我先用文档跑通了流程,后来固化成了一个可以直接安装的 Skill 包——换台电脑、换个 AI 助手,装上就能跑,账本继续攒。
代码已经开源在 GitHub 上(标尺 + 脚本 + 说明书都在里面,想玩的自取):

仓库地址:github.com/xiejava1018/myopenclaw-skills —— 路径 AI-expresscoach/AI-ExpressCoach。
评论区聊聊:你练过表达吗?卡在哪一步——是不敢开口,还是开了口没人告诉你真实水平?
延伸阅读:
- AI 什么都知道,你的脑子还剩什么用? —— 同系列:把大脑当缓存,AI 当硬盘
- AI 时代,别再靠脑子记了:知识库不是仓库,是你的第二大脑 —— 知识怎么被组织起来
- 人人都有 AI 之后,你的"目标函数"是什么? —— 工具平权之后,差距出在哪
- 《一个人的 SOC》系列导航(18 篇) —— 另一个"一人项目"跑出来的完整作品
作者博客:http://xiejava.ishareread.com/

关注:微信公众号,一起学习成长!