AI课程卖给老外：印度老师教资深程序员，自述月营收6000美金

一位印度老师在采访里说自己没有教学或课程设计的专业经验，却做起了面向资深架构师和CTO的AI课程，第一版只是把教工程学生的课加了几节管理课，很快发现不对，整门课做了15个月才做对。这篇拆的就是这个卖AI培训课程的老师，不是教你怎么学AI。

这门课叫AI ML etc.，在印度乌代布尔，直播小班，面向架构师、技术经理、资深工程师，4周到12周，官网2026年10月28日标价295到995美金，一个班最多6人。创始人2025年3月在一次公开采访里自述月营收6000美金，那是营收，不是利润。创始人说没投过广告，2024年一年讲了70多场免费讲座。

中国人能不能照着做一门面向海外技术人员的AI线上课程？能。前提是有真实的AI工程经历，英文能讲清楚，客户在海外职场，收款走香港身份或本人名下的合规主体。这个生意没有平台名单可以查，招生得靠自己写文章、跑讲座。

• 2025年3月，创始人在一次公开采访里自述月营收6000美金
• 官网2026年10月28日的三档价：295、595、995美金
• 官网2026年10月28日写着一个班最多6人
• 这门课从2023年5月做到做对，用了15个月
• 官网首页2026年10月28日写340多位学员，这是累计人数，不能拿来乘单价算收入

这篇是猎者出海海外知识付费栏目里的一次拆解。同栏目另一篇编程网课卖给老外，讲一个人卖录播编程课给想入行的人；这一篇讲一个老师卖直播小班给资深人士。海外知识付费这条线上，录播和直播小班是两种动作完全不同的做法。

AI课程卖给谁：不是大学生，是做了多年的架构师和技术经理

创始人叫Nikhilesh Tayal，住在印度乌代布尔。2025年3月那次采访的页头标着1位创始人、4名员工。

官网首页（2026年10月28日）把招生对象列得很清楚：资深IT架构师、技术产品经理、资深工程师、技术创业者、CTO、DevOps。名单上还写着学员来自Microsoft、Nvidia、Meta、Infosys、Maersk这些公司，是官网自称。

创始人是Google Developer Expert（AI）。这个头衔不是考出来的证书，是Google按技术贡献、行业工作和社区影响认的。

缺口是讲课讲出来的。创始人2022年4月开始摸AI，写文章讲大模型，被一所工程学院请去讲课，后来被介绍到另一所学院。再后来，一个技术职场社区请去给成员讲，台下坐的就是资深职场人。

讲完，资深人士问了三个问题：不学数学能不能学AI，学AI要多久，哪些话题跟我们有关。

创始人一开始给的是通用答案，把人指向有名的大课。后来查了一圈，有没有专为资深人士做的课，没有。这才决定自己做。

这个判断背后有个需求：很多公司在招高级AI岗位，AI产品经理、AI负责人、首席AI官、AI战略总监、AI转型负责人。资深IT人学AI，是为了往这些岗位走。

官网2025年5月26日的一篇文章把这些人要什么列成七条。

1. 时间有限，半年到两年的学习路径不现实，课要短
2. 不回去学矩阵乘法和贝叶斯
3. 要从基础到前沿有一条完整链路
4. 只要现代、相关的概念
5. 要实操，看真实系统、真实团队、真实限制
6. 要带领导力语境
7. 不吹，要知道AI能做什么、不能做什么

这七条和大学生课摆一起，就知道为什么不能直接搬。

官网这篇文章的意思是，大学生才是AI课的主市场，大课常把大学那套内容加一层「领导力包装」再卖给资深人士。资深人士缺的不是这些，他们要做的是判断一个AI方案在公司里到底能不能落地。

一门课要是从矩阵乘法讲起，就撞上了第二条。只在后面硬加几节通用管理课，那是创始人的第一版，下一节讲它的结果。

所以这门AI课程卖的不是知识本身，是给懂技术但没时间的人省时间。来的人已经知道怎么带团队、怎么写代码，缺的是把AI塞进现有系统的那套判断。

做课的人在这里要防一个判断错误：看到资深人士来听讲座，就以为他们要一门更深的课。七条里的第一条是要短。判断错了，课会越做越长，越做越像大学课程。

怎么回查？把课程大纲发给三个目标读者，问哪几节可以删。三个人都指着同样的几节，那几节就是多余的。

没有教学经验的人怎么起步：从一篇LinkedIn文章到第一场客座讲座

起点是一篇文章，比想象的低。

创始人2022年4月开始摸AI，找不到自己的切入点，就把AI和大模型的概念写成文章，尽量讲简单，发在LinkedIn上。

一所工程学院的系主任看到帖子，请创始人去讲一场客座讲座。讲完，学生把创始人介绍给另一所工程学院。再后来，一个技术职场社区请创始人给成员讲，这次听众是资深职场人。

这条路径里没有投放，没有课程平台，没有销售。一篇讲清楚的文章，换来一场讲座，一场讲座换来下一场。

创始人在2025年3月的采访里说，自己没有教学或课程设计的专业经验，但「有把复杂问题讲简单的天赋」。

官网About页写的是另一条线：2005年起以不同形式教过数学、编程、创业、数字营销，是多所学院的客座讲师。两处放一起看就行，一个是自评，一个是履历。

猎者出海的看法是，这两条对想做这门生意的人都重要。会讲，是把复杂的东西拆开的能力；教过，是站在台上不慌的底子。前者可以练，后者要时间。

我从2016年开始做知识付费和培训，到现在大约10年。给想入行的人的建议是，别急着录一套课，先写一篇能把一个概念讲简单的文章，发出去，看有没有人来找你。

为什么是文章不是课：文章便宜，一天能写完，发出去就有反馈。课贵，一门4周的直播课要备8节课的内容，做完了才发现没人要，时间都沉进去了。

文章还有个附带作用。它是一份样品，别人看完就知道你讲得清不清楚。讲座的邀请、第一批学员、LinkedIn上有人加你，都从这份样品来。

具体写什么：挑一个资深工程师会争论的问题，用不超过两千字讲完，不放公式，最后给一个能直接用的判断。写完发LinkedIn，标题里带上具体场景，别写「AI入门」这种大词。

发完别急着看阅读量。看有没有人私信问你问题。有人问，说明这篇讲到了他们的痒处。

第一版课做错了：把学生课加几节管理课，改了15个月

第一版课做错的理由很朴素：创始人之前教过工程学生，手里有一门现成的课。

给资深人士开课的时候，最省事的做法就是把那门课搬过来，再加几节管理课。

很快发现不对。资深人士要的是更偏行业、更短、更实操。管理话题他们也不要通用的，要跟AI落地相关的那部分。

版本	课的样子	资深人士怎么反应
第一版	给工程学生的那门课，后面加几节管理课	不是他们要的，要更偏行业、更短、更实操
改版	行业导向、短、实操，管理话题只留跟AI落地相关的	按这三条改，2024年9月做到创始人说的「市场需要的90%」
现在	官网首页2026年10月28日写三档项目，写「花了15个月做出来」「持续更新」	官网首页自称340多位学员，这是累计人数

这张表里最值钱的是第一行。把一个现成产品改一改卖给另一群人，看着省事，实际要重做一遍。

为什么改一改不行？两群人的场景不同。学生的目标是学会整套知识，资深人士的目标是下周开会能用上，时间还有限。场景变了，课程结构、案例、作业、节奏全得跟着变。

回查的办法：如果你的课里超过三分之一的篇幅在讲基础概念，那它还是学生课的样子。资深人士要的是判断，不是定义。

这门课从2023年5月开始做，2024年9月做到创始人说的「市场需要的90%」，采访里说整门课花了15个月。这15个月里课至少改过一轮，第一版之后还有下一版，一直到做到那个90%。

这里有个更早的问题要先解决：这个方向值不值得做。动手之前，猎者出海的AI Agent会先判断方向能不能做，其中一条就是会不会做两三个月发现没得写。AI课的话题看着多，真能讲到资深工程师愿意付钱的有多少，要先列出来看。

判断的方法很土：先列20个你讲得了、目标读者又关心的题目。列不满，说明积累不够，先别开课。列满了再看这20个题目里有没有一半能撑起90分钟，撑不起的砍掉。

AI课要天天保鲜：官网FAQ教人怎么判断一门课是不是最新的

官网FAQ里有一问，「怎么判断一门AI课是不是最新的」。答案给的是一串话题：Harness Engineering、Semantic Prompt Caching、Advanced RAG、Self-editing memory in AI Agents、MCP vulnerabilities。

这门课的做法是把「持续更新」写在课程页上。课里还有三节专门讲行业最佳实践：RAG in Production、AI Agents & MCP in Production、Voice AI Agents in Production。

对做课的人来说，更新不是加分项，是产品的一部分。AI这块的内容半年就可能过时，一期课讲完，下一期就得换案例。

要提前想好两件事：时间，每期开课前留出几天专门改课件；预算，新工具、新模型的账号和实验环境要花钱，这笔钱要算进定价里。

不更新的后果不是被骂，是学员上完课回公司用不上。用不上就不会推荐同事来，官网专门设了推荐计划，后面会讲到。

回查的办法：把上一期的课件翻出来，标出哪些例子用的模型已经换代。标出来的比例超过三成，说明更新节奏慢了。

这门AI课教什么：官网课程页列出的实验和小应用

官网课程页（2026年10月28日）把课程内容分成实验和小应用两块。

课程要解决的问题，是让这些人理解AI系统在生产环境里实际怎么运转，能做架构、评估和领导层面的决定。核心的AI概念只讲到够用来推理真实系统、取舍和局限。

官网挑出来的十个实验和小应用，名字都是公司里的一件具体事

实验清单和小应用清单都是英文名，下面挑十个，名字照官网。

• Pandas 实验
• 搭 LLM 应用
• 给开发者的提示工程
• RAG
• 用 LoRA 在 Keras 里微调 Gemma
• 用 DeepInfra、Replicate、RunPod 部署大模型
• 对 Excel 做 RAG（小应用）
• 从发票里提取信息的多模态应用（小应用）
• 电商客服自动化的多 Agent（小应用）
• 多 Agent 做项目规划（小应用）

这十个东西的共同点，是名字都能对上公司里的一件具体事：表格、发票、客服、项目排期、把模型部署上线。官网把实验写成做一个东西，不是讲某个概念。

做课的人该抄课表里的哪几个做法

课程页写了两组时间：直播授课24小时，动手实验和项目70多小时。全课24节，对应80多个代码实验。课时重心落在动手。做课的人排课表时，先把实验和项目的时间留够，再倒推直播要讲多少。

先决条件只要求会读懂Python代码。实验和小应用里大部分代码已经写好，学员未必要自己写。课程页的FAQ说任何AI聊天助手或编码Agent都能解释代码在做什么。做课的人可以照着做：每节课配一个能当场跑的实验，大部分代码提前写好，学员拿到的是一份能运行的项目，不是一个需要从零搭的作业。

课程页首屏列了五个卖点：从第一性原理设计，不是回收旧课；持续更新；80多个代码实验；偏生产；短。做课的人可以把这五项当成报名页首屏的检查项：课程怎么设计、更新频率、实验数量、内容偏不偏生产、总时长。每一项都写具体数字或具体做法，不写形容词。

课程页的FAQ写了一条边界：这门课不是教AI工具使用的课，只想学AI工具的非技术资深人士不适合；已经懂基础GenAI的可以直接上Agentic AI那一档；可以按工作需要增删话题。做课的人要在报名页上写清谁不适合。写清不适合的人，报名者进课之前就知道自己要花70多个小时动手。

AI课怎么定价、一个班几个人：8节295美金，12节595美金，24节995美金

官网2026年10月28日的价目表有三档，按节数分。

项目	节数	周数	代码要求	动手实验	价格（每人）
Traditional AI/ML	8	4	不要求	10+	295美金（28,210印度卢比）
Agentic AI	12	6	能读Python代码	15+	595美金（56,910印度卢比）
ML + LLM + AI Agents	24	12	能读Python代码	80+	995美金（95,170印度卢比）

折算到每节课每个人：36.9美金、49.6美金、41.5美金。中间那档单节最高，8节那档最低。

付款方式是分期。第一节免费，开课付10%；30%在第3、4或6节后付；60%在第6、8或12节后付，按你报的那一档走；也可以按月分期。

分期这个设计值得学。它把学员的风险压到最低，第一节不要钱，听完再决定；也把老师的现金流拉平，不用等课上完才收钱。

团体折扣：2到3人一起报打30%，4到6人打40%。一个班不收超过6人。这是硬规则，写在价格页上。

班小的理由不难想：直播课的价值在课上提问和追问，人一多，一个人分到的时间就没了。6个人一节课，每个人都有机会开口问。

其他交付细节：直播上课，课上有提问，课后有录像回看；工作日班和周末班都有，可以按学员时间开班；每节课之外还要花2到3小时做练习和实验。

价格不议价。真有经济困难的，可以写信申请个案审核，这条也写在FAQ里。

对做课的人，这套结构里最该抄的是限人数和分期，不是具体数字。定价可以先低，班额不能放大。

这个价不是2025年的价

295、595、995这三个数，是官网2026年10月28日的价。2025年3月采访的时候课已经在卖，但那是另一个时间点的价。

价格页上写着一句「下月上调」。你打开页面当天的价目，才是你要按的那个价，以官网为准。报名前发一封邮件，问清三件事：现在报是多少钱、分期怎么走、下一期什么时候开。

想学这门生意的人，定价可以先按单节折算倒推。算一下自己备一节课要几个小时，乘上你希望的小时收入，再看这个数除以6个人，是不是还在目标学员能接受的范围内。算不过来，就砍节数，别砍单价。

创始人自述月营收6000美金：换成名额大概是多少

创始人在2025年3月的那次采访里自述，月营收6000美金。采访页尾按这个数推了个年化，72000美金。

6000美金一个月，换成名额是多少？下面这张表是算例，用的是官网2026年10月28日的价目，不是创始人的账本。

卖法	算式	金额（美金）
10个595的名额	10×595	5950
6个995的名额	6×995	5970
20个295的名额	20×295	5900
一个6人班，全价995	6×995	5970
一个6人班，用40%团体折扣	6×995×0.6	3582
一个3人班，用30%团体折扣	3×995×0.7	2089.5
月营收乘12	6000×12	72000

6000美金这个量级，一个月要开满一两个6人班，或者卖出十个中档名额。这不是靠一篇文章慢慢来的量，后面的拉客户才是重点。

先记清楚一点，6000是营收。采访页头那一栏写的是月营收，4名员工的工资、直播工具、实验环境这些开支都要从里面出。营收和到手之间差多少，只有做的人自己清楚。

还有一点，官网首页2026年10月28日写的340多位学员，是累计人数，不是每月人数。拿它乘任何一档单价都不成立，你不知道这些人分布在三档里的比例，也不知道有多少人用了团体折扣和分期。

真实账本会被三件事拉低：折扣、分期、各档的比例。团体折扣打掉三四成，分期让钱分批进来，低价档卖得多也会把平均数拉下来。

自己做的时候，从第一个班开始记账。每个班记五个数：报名人数、实际收款、折扣让掉多少、退款多少、下一期有没有人推荐同事来。这五个数比任何案例都准。

不投广告：创始人靠LinkedIn和技术社区的免费讲座拉学员

这门课没有投广告。创始人在2025年3月的采访里说，投广告那套回报不好，改成去技术社区免费讲。

创始人为什么放弃Instagram广告加免费demo

常规做法是这样：在Instagram投广告，请人报名参加一场免费demo，demo上讲一部分内容，最后推课。

创始人的判断是，免费demo本身有必要，学员想先尝一口再决定。问题出在广告那一端。Instagram上卖课的广告太多，质量参差，人们被磨得连免费demo都不来了。

这个判断可以拆开看：广告只能把人拉到门口，技术人要信的是讲课的人懂不懂，这一步只有内容能做。

对做课的人，提醒一句：投广告之前，先问自己有没有一段能让人信的内容。没有的话，广告只是把不信的人拉进来，看完就走。

2024年讲了70多场，讲座当场不成交

创始人的做法是主动联系LinkedIn和Meetup上的技术社区，免费去讲。2024年一年，线上加线下讲了70多场。

题目挑的是最新的话题：「没有术语的大模型」「搭多Agent系统」「生成式AI的安全与漏洞」。创始人说这些话题技术人不论什么专业都有兴趣，不少社区接受了邀请。

采访里列的社区有Google DevFest、AI Security Conference、WordCamp、Microsoft Reactor、Azure Cloud Community等。

创始人自己说，这是很手工的活，但「省钱而且有效」。

重点在后半句。讲座当场不成交，目的是让人在LinkedIn上加创始人，加了之后慢慢看内容，有需要再谈。

这个顺序很关键。当场推销，听众会防备；先讲清楚，让人自己来找你，成交的阻力小得多。

一场90分钟的讲座讲什么？给资深工程师讲，别从什么是大模型开始。挑一个他们工作里真会碰到的场景，比如怎么在生产环境里搭RAG，现场搭一遍，把踩过的坑说清楚。

LinkedIn关注者一万两千多，要给12到15个月

创始人2025年3月说，之后开始做视频发在LinkedIn上，短时间拿到一万两千多位关注者，多数咨询仍然来自LinkedIn。

采访里还有一句话：「给LinkedIn 12到15个月，会有出乎意料的结果。」

12到15个月这个数，说的不是承诺，是节奏。创始人给的是一个很长的时间窗，意思是前面几个月先别指望反馈。

对做课的人，这段时间要干的事只有一件：持续输出能证明你懂的东西。文章、讲座、复盘，都算。别指望第三个月就开始招满班。

首批7个学员从哪来

第一批学员，创始人发在LinkedIn、创业社群、技术社区、Product Hunt。效果最好是LinkedIn，来了大约7个学员。

当时的目标不是招满，是找几个人试课。7个人够把这门课跑一遍，够看出哪几节讲不动。

官网2025年5月29日的一篇文章写了推荐计划：推荐资深同事报名，不给折扣，不给礼品卡，由公司以推荐人的名义向一个STEM教育项目捐款。

这个设计的特点是：推荐的人拿不到折扣，也拿不到礼品卡，推荐只是同行之间的一次介绍。

回看这四步，顺序是：免费讲座换LinkedIn关注，LinkedIn内容换咨询，咨询换第一批学员，第一批学员换口碑和推荐。每一步都不快，但每一步都能积累。

毕业项目换成「自带问题」：学员把工作里的真问题带进AI课

官网2025年7月1日的一篇文章讲了一件事：这门课把毕业项目砍了，换成「自带问题」。

原来的毕业项目是给一个通用题目，学员做完交上来。问题在于，它很容易变成一个打钩的作业，太通用，跟学员的真实工作脱节。

改完之后，学员带自己工作里的真问题进来，课上讨论，用它当项目。

文章里举了三个例子，都是匿名的学员。

一位学员的公司出故障时，工程师要花15到20分钟翻日志。这位学员用检索增强的管线加向量库做了个工具，故障现场就能给出分析。

一位学员做AI SQL Agent。大模型能写SQL，但经常假定不存在的表和列，这位学员让Agent先读真实库的表结构，再写查询。

还有一位学员在2023年做了完整的公司文档聊天机器人，让机器人动态去取公司内部资料。原先的做法是把资料和提示词一起发过去，规模一大就撑不住。

三个例子的共同点：问题是真的，限制是真的，做完能直接用。

对做课的人来说，这个设计的好处不止在课堂。学员把课程成果直接用在公司里，同事看到效果，问一句在哪学的，推荐就来了。这是我的判断。

要抄这个设计，得先想清楚一件事：你有没有能力接住学员带来的问题。学员带进来的问题五花八门，老师接不住，课堂就散了。

准备的办法：开课前让每个学员交一段问题描述，你提前看一遍，能答的留下，答不了的私下说清楚。课上的时间只花在能讲透的问题上。

国人能不能做这门生意：卡在英文、客户圈子和收款

能做，但不是照抄。有三处要提前解决：英文、客户圈子、收款。

谁能做：有真实的AI工程经历，英文能讲清楚

创始人的信用背书是Google Developer Expert（AI）。这个认定看的是技术贡献、行业工作和社区影响，不是花钱买的。

没有这个头衔，可以拿来替代的是公开的项目、技术分享、行业履历，和一场讲得住的免费讲座。这是建议，不是创始人说的。

还要看清这个案例的底子：2005年起教书，多所学院的客座讲师，课做了15个月才做对。这不是起步价，是多年教书和做技术积累之后的一个案例。

这门课没有中国人做出来的公开案例可以对照，所以第一个班先当试课，别把它当成一定能复制的路。

英文这一关，标准不是能日常聊天，是能在90分钟里把一个技术问题讲清楚，能接住追问，能当场写一段代码解释。达不到，先练，别急着招生。

什么人适合做：在AI工程一线做过，手上有一个能讲两小时的真实项目，英文能讲，愿意花一年时间写文章和跑讲座。

什么人不适合：只学过AI课程没做过项目的人，英文只能读写不能讲的人，想三个月见效的人。

客户在哪：从一篇英文文章和一场免费讲座起

创始人的学员多在印度和跨国公司，人脉在海外。国人没有这批关系，得从零开始。

LinkedIn是主要的入口。LinkedIn国际版大陆目前不能直接用，注册的事见LinkedIn国际版。

第一步的动作，我的建议是三步：先写一篇把一个AI概念讲简单的英文文章，发在LinkedIn；再约三场免费讲座，一场90分钟；再开一个4周的班，一个班不超过6人。

为什么先做4周：短课交付轻，出错改得快，学员也更容易答应。跑完一期，你就知道哪几节讲不动，再往上加。

选题的时候，关键词搜索量和难度看Semrush，分析筛词交给猎者出海的AI Agent，每个词都带上它的变现方式。这里有一条要提前防的坑：词选对了，来的却不是你要的那类读者。

想买课的人用的是「AI课程」「AI培训」这种词。你要找的是资深工程师真正在查的具体问题，比如怎么在生产环境里搭RAG，怎么让Agent读真实的表结构。前一类词是找课的人在用，后一类词才是你的目标读者在用。

讲座邀约怎么开口：找技术社区的组织者，给三个题目让对方挑，说清楚讲多久、讲什么、不讲什么。别一上来就推销课。

讲完之后做什么：把这场讲座里被问得最多的三个问题记下来，回去写成三篇文章。下一场讲座的题目就从这三篇里长出来。

钱怎么收：香港身份或名下合规主体

创始人这边没有平台。学员直接把美元或印度卢比付给公司，报名在官网上，招生在LinkedIn上。

国人收美元，卡在收款账号。Stripe官方「全球可用地区」名单（2026年10月18日存档）里有香港，没有中国内地，具体见Stripe。

正规路径是本人香港身份，或者本人名下的合规主体。借别人的身份、找人代收，这两条不要碰，出了问题钱和账号一起没。

顺序上，先把收款路径想好再开班。学员答应报名，你才开始找怎么收钱，这一单基本就黄了。

还有几件事你自己做课的时候要写在报名页上：能不能开发票、退款怎么算、课上用什么工具、价格含不含实验环境。写不清，学员付款前会反复问。

不想自己拉客户，还有哪条路

不想一场一场讲，还有两条路。

一条是走平台直播。站内写过一位老师在直播平台上开儿童写作课，那个平台大陆申请不了，见儿童写作网课。平台给流量，规则也归平台，课上怎么讲、价格怎么定，都要按它的来。

另一条是用中文教海外华人技术人员。这条路是录播，不是小班直播，见Udemy中文课。录播的好处是一次录完能反复卖，坏处是没有互动，卖的是内容不是判断。

平台怎么选，站内这篇国外卖课赚钱讲得比我细，这里不重复。

三条路放在一起看：自己招生的直播小班，人少，靠老师本人；平台直播，流量归平台；录播课，靠一次录完反复卖。选哪条，看你手上有什么。

猎者出海的判断是，英文能讲、有真实AI工程经历的人，先试自己招生的直播小班。平台那条路什么时候都能进，先把第一批学员攒在自己手里。

这门生意卡人的地方不在课本身，在招生。前面那个印度老师用70多场讲座换来的东西，你得自己一场一场讲回来。

用AI做AI课：讲座稿、课堂案例、更新清单交给AI，讲课和答疑必须真人

这门课的内容是AI，做课的过程也可以用AI。分清楚哪些交给它，哪些必须自己做。

四类提示词可以直接拿去用。

先说讲座大纲。

「我要给资深工程师讲一场90分钟的免费讲座，题目是X。听众：10年以上经验，不想听数学推导。请给3个演示和每个演示的5分钟脚本，并列出每个演示最容易翻车的地方。」

AI交出来的是结构和清单，你要核的是三个演示在你自己的环境里跑不跑得通。跑不通的演示，讲的时候会当场卡住，这比讲错更难看。

课堂案例也能用。

「下面是学员在课上提的一个真实问题，请把它改写成匿名的课堂案例：去掉公司名、人名、数据，保留问题的结构，再给出三个讨论问题。」

AI能做的是脱敏和改写，你要核的是问题有没有被改歪。有些问题的价值在细节里，删多了就变成一个空壳。

课程更新清单。

「我的AI课有这些话题：（列话题）。请对照最近半年出现的新模型和新工具，列出哪些话题可能过时、哪些新话题值得补，每条给一句理由，我再逐条核对。」

AI给的清单只能当线索。哪些话题真的过时，要看你的学员回去用不用得上，这个判断AI做不了。

LinkedIn的预告和复盘同样能交给它。

「请为我下周的免费讲座写一条LinkedIn预告帖和一条讲完后的复盘帖草稿，英文，句子短，不夸大，不承诺结果。」

AI写完，你要核的是里面有没有你做不到的承诺。技术人对夸大的东西很敏感，一条「三小时精通」就能把你前面攒的信任花光。

环节	创始人当年怎么做	猎者出海的AI Agent能做	你自己做
选方向	2022年4月开始摸AI，写文章发在LinkedIn，系主任和社区先后来约讲座	动手之前判断方向能不能做，挖词选词时每个词带上变现方式	定行业方向，判断自己讲得了什么
建站	用自己的网站和LinkedIn做招生入口	从空服务器到上线，十个阶段每段一道关	定外观，验收
写文章	写文章把AI和大模型概念讲简单，发在LinkedIn	选题、大纲、成稿、本地化、发前AI味检测	核事实，判断讲得对不对
看数据	2025年3月说多数咨询仍来自LinkedIn	自己拉数据，每周给一张改稿单，掉流量时排查原因	决定改哪篇，下一期讲什么

能被流程化的部分交出去，剩下的那部分才是这门生意的价值。

写文章这一步，猎者出海的AI Agent从选题、大纲、成稿到发前的AI味检测都能干，本地化也能做。但文章里的技术判断对不对，得你自己看。写错了，丢的是你的信用。

看数据这一步，它会自己拉数据，每周给你一张改稿单，告诉你改哪几篇、改什么、先改哪篇。要不要照单改，你自己定。

必须人做的有几件：讲课，课上答疑和追问，判断哪些内容已经过时，取舍学员的问题，定价和班型，对学员负责的承诺。这几件交出去，这门课就不成立了。

创始人2025年3月说，正在开发一个带自管记忆的AI老师，能随时解答疑问，按学员的学习风格和节奏调整。这是在开发，不是已经上线。

设计的理由创始人讲得很清楚：通用的AI助手没有跨会话的长期记忆，把历史对话每次都传回去，会撞上上下文长度的上限，也更贵。所以让AI自己管理记忆。

这件事对做课的人的启发是：AI能接的是重复的、有标准答案的部分，比如写讲座稿、整理案例，讲课和判断还是人的活。这门课从开始做到做对用了15个月，试错的时间省不掉。

创始人自己说的几条提醒：教育比技术重要，别急着想规模

采访最后，创始人讲了几条教训。

办教育公司，教育比技术重要。一开始要把课程内容和呈现做对，技术只是工具。

教育靠老师驱动。如果自己不是老师，创始团队里要有一个老师，不要先雇老师再开教育公司。

现在大家都从第一天就想规模。创始人说，不必有清晰路线图，有时候在生意里待着才会有思路。

把这几条翻成做课之前的动作：先确认自己会不会讲，再确认课程内容对不对，最后才想怎么放大。顺序反了，做出来的东西卖不动。

常见问题

AI课程怎么卖给老外？

直播小班加免费讲座。没有平台，招生靠LinkedIn文章和社区讲座，一个班不超过6人。

做一个资深人士的AI班一个月能赚多少？

只看这一个案例：创始人2025年3月自述月营收6000美金，是营收不是利润。别人做多少，跟班额、价格、招生速度都有关，没有可套的数。

没有教学经验能教AI课吗？

创始人的路是一篇讲清楚的文章换来第一场客座讲座。官网About页另写着2005年起以不同形式教过书。建议先从一篇文章和一场免费讲座试起，看有没有人来找你。

要不要平台？

这个案例没有平台，招生在自己的网站和LinkedIn上。想走平台，先想清楚流量归谁、客户名单归谁。

做AI课用中文还是英文？

要卖给英文技术人员，就用英文讲，创始人这条路就是英文直播小班。中文课面向海外华人技术人员，走的是前面讲过的录播路线，是另一种做法。

要写代码吗？

官网2026年10月28日写的是：Traditional AI/ML那一档不要求写代码，Agentic AI和ML + LLM + AI Agents两档要能读Python代码。