故事與案例可以保留，但它們主要用來說明情境。真正能被教會的方法，必須讓學員知道下一步做什麼、為什麼這樣做，以及遇到不同情況時怎麼判斷。
很多專業工作者知道自己會做，卻很難回答「你到底是怎麼做到的？」。因為做得越熟，越多判斷會變成直覺，甚至連自己都沒有注意到。
這也是把專業做成課程時很常見的難點。你可以講很多故事、案例與心得，學員聽完覺得很有道理，回去卻不知道第一步要做什麼。
要把經驗變成方法，需要把原本藏在腦中的步驟與判斷重新拉到檯面上。
先選一個明確結果，不要一開始整理整段職涯
如果你想一次整理十年、二十年的全部經驗，很快就會變成大量故事和零散知識。
比較有效的做法，是先選一個你已經反覆做過的結果。例如完成一份顧問診斷、設計一場企業提案、規劃一門課、處理一次主管回饋，或建立一個可交付的網站流程。
結果越明確，你越容易回想自己實際採取哪些動作，也更容易判斷哪些經驗真的和這個結果有關。
先從真實案例還原，不要急著發明自己的幾步驟
很多人在整理方法時，會很快替流程取名字、畫框架、硬湊三步驟或五步驟。這樣看起來很完整，卻可能只是漂亮的分類。
比較穩的方式，是先從實際案例還原自己真的做過什麼，再從多個案例中找出重複結構。
框架應該是整理後得到的結果。當它能解釋多個成功與失敗案例，也能指導下一次行動，才比較接近一套可教的方法。
不要只回想成功案例，失敗與例外更能看見判斷
只看最順利的一次，很容易以為自己的方法就是一條直線。實務上真正有價值的判斷，常出現在事情不照預期發展的時候。
可以各挑幾個成功、失敗與特殊案例，重建當時發生的順序：起點是什麼、你先看了哪些資訊、做了什麼、什麼訊號讓你改變方向，最後結果如何。
當多個案例放在一起比較，你會比較容易看出哪些步驟每次都存在，哪些做法只適用特定情境。
先把實際流程拉成時間線
認知任務分析（Cognitive Task Analysis）的研究常會從具體事件開始，先重建時間線，再追問決策點、關鍵訊號、行動與可能錯誤。
這種做法很適合萃取專家經驗。你可以把一個真實案例從開始到完成寫成時間線，不急著整理成漂亮框架。
先把每一個實際發生的動作列出來，再回頭分析其中的判斷。這比憑印象寫「我的五步驟方法」更容易找到被忽略的細節。
每一步至少要回答六個問題
| 要拆的內容 | 要問自己的問題 |
|---|---|
| 目標 | 這一步要完成什麼？ |
| 輸入 | 開始前需要哪些資料、條件或前置成果？ |
| 動作 | 我實際做了什麼？ |
| 判斷 | 我看什麼訊號決定下一步？ |
| 錯誤 | 新手最可能在哪裡做錯？ |
| 完成證據 | 做到什麼程度才算可以往下走？ |
只寫「先分析、再規劃、最後執行」還不夠，因為學員不知道分析什麼、如何知道分析完成，也不知道什麼情況需要回頭重做。
別漏掉你早就習慣的前置條件
專家常會忘記自己已經默默做過很多準備。例如開始提案前，你可能早就先確認決策者、預算、期限與競爭方案；開始設計課程前，也可能先判斷學員起點。
這些前置條件如果沒有說出來，新手就會直接模仿後面的動作，卻在一開始就少了必要資訊。
因此，每個步驟都要問一次：「如果少了什麼，我其實不會開始做這一步？」答案往往就是隱藏的前置條件。
把「我就是知道」拆成可觀察的關鍵訊號
專家最難教的，常常是動作背後的判斷。你可能看一眼就知道這個客戶不適合、這個提案方向不對、這份課綱太大，但新手看不出來。
研究顯示，熟練專家常因為技能自動化而難以完整說出底層步驟。認知任務分析會透過具體案例、影像回放或結構化追問，把這些隱性判斷重新挖出來。
你可以一直追問自己：「我當時看到什麼，才做這個決定？」答案可能是客戶說的一句話、某個數字、時間限制、過去經驗，或一個明顯缺失。這些就是要教給學員的關鍵訊號。
把判斷條件寫成分支，方法才不會假裝世界永遠一樣
實務方法很少只有唯一標準流程。不同客戶、資源、預算、時間與風險，可能會讓下一步不同。
因此，可以把常見分支整理成「如果出現 A，優先做 X；如果出現 B，改做 Y」。
這種條件式寫法比一句「視情況調整」有用很多，因為學員開始知道什麼情況算 A、什麼情況算 B，以及調整背後的理由。
把成功方法和補救方法一起整理
新手需要知道正常流程，也需要知道出錯後怎麼修正。
每個步驟都可以問：最常見的錯誤是什麼？錯了之後會看到什麼現象？要回到哪一步修？哪些情況可以補救，哪些情況應該停止？
這些補救路徑往往來自你過去失敗、客戶問題與例外案例，也是專業經驗很難只靠一般資料取得的部分。
故事要轉成教材，至少要抽出可重複的結構
案例故事很有感染力，但單一故事未必能直接變成方法。
講完一個案例後，可以再補三件事：這個案例代表哪一個原則、什麼條件下適用，以及換成另一種情境時要調整什麼。
學員才有機會把案例中的判斷帶回自己的情境使用，而不是只記住老師曾經遇過什麼。
比較多個案例，分出共通核心與情境變因
當你整理三到五個案例後，可以把每個案例的步驟、決策點與結果並排比較。
反覆出現的部分，可以變成共同方法；只有某些情境才出現的部分，可以做成分支、提醒或進階處理。
這一步能避免把一次偶然成功誤認成普遍規則，也能避免把所有例外硬塞進主流程。
讓新手實際做一次，才能反向驗證方法
你自己看懂流程，不代表新手也能照著做。
把第一版方法交給一位符合條件的人，讓他完成一個真實小任務。先不要一直提示，觀察他在哪一步停住、誤解什麼、少看了哪個訊號，以及最後產出的品質。
如果學員卡住的位置每次都相似，通常表示你的方法還缺少步驟、前置條件或判斷標準。這些卡點就是下一輪要補進去的內容。
練習要對應真實判斷
如果你的專業需要判斷，練習也應該讓學員真的做判斷，而不只測記憶。
例如給一個案例，要求學員判斷現在在哪個階段、缺少什麼資訊、下一步應該怎麼選，並說明理由。
對需要產出的能力，則直接要求做出作品、提案、診斷、流程或計畫，再依明確標準回饋。
每個步驟都要有完成證據
方法如果只有步驟，學員很容易照著做完動作，卻不知道品質是否合格。
可以替每一個重要步驟設定可觀察的完成證據，例如「已找到三個重複問題」「提案能在十分鐘內說明決策重點」「課程成果可以用作品驗收」。
完成證據會讓教學從「老師講過」轉成「學員真的做到」。
可以用一張方法萃取表，把隱性經驗拉出來
| 欄位 | 內容 |
|---|---|
| 步驟 | 這一階段要做什麼 |
| 目的 | 為什麼需要這一步 |
| 前置條件 | 開始前必須具備什麼 |
| 關鍵訊號 | 看見什麼才知道怎麼判斷 |
| 決策條件 | 不同情況怎麼分支 |
| 常見錯誤 | 新手容易在哪裡失手 |
| 修正方式 | 出現問題後怎麼處理 |
| 練習 | 學員要實際做什麼 |
| 完成證據 | 什麼結果代表可以往下一步 |
先用真實案例把表填滿，再整理成教學語言，通常會比先想章節名稱更容易得到有深度的方法。
如果方法很依賴直覺，可以用回放或邊做邊說
有些專業很難坐著回想，例如設計、顧問診斷、操作型工作或即時判斷。
可以錄下自己實際執行一次，再回放到每個重要節點，問自己當時注意了什麼、為什麼選這個動作、如果條件不同會怎麼改。
研究中的認知任務分析也會用觀察、回放與結構化追問，協助專家說出已經自動化、平常不容易察覺的細節。
方法名稱最後再取，先確認它真的能工作
一套方法有好記的名稱很有幫助，但名稱不應該走在證據前面。
先確認這個流程能解釋你的多個案例，也能讓新手在相似情境下做出更好的判斷。
等核心步驟與分支穩定，再替它命名、畫圖或做成框架，會比較有內容支撐。
方法整理到什麼程度，才算可以教？
至少要讓另一個人能看懂起點、照著完成主要步驟，知道何時需要改變做法，並用明確證據判斷自己是否完成。如果學員每走一步都還要問你「接下來呢？」或「怎麼知道對不對？」，代表方法仍有隱藏判斷沒有被整理出來。
方法是否成熟，要看新手能不能用它獨立完成一段任務，而不是只看流程圖是否漂亮。
AI 很適合幫你整理素材，但不能替你發明專家判斷
AI 可以把訪談逐字稿、工作紀錄、案例與教材整理成步驟，找出重複語句，甚至提出可能的決策點與例外。
但它不知道你當時真正看見什麼訊號，也不能把一般網路知識冒充成你的實務方法。
比較好的做法，是讓 AI 協助整理，再逐條用你自己的案例驗證：這真的是我會做的嗎？什麼情況不成立？有沒有例外？
方法整理好後，再進入課程架構
方法萃取完成後，你手上應該有一條相對清楚的成果路徑、必要步驟、決策點、常見錯誤與練習方式。
這時再把它轉成章節與單元，會比先從章節數開始規劃更合理。
如果要接著做完整課程架構，可以參考做線上課程的正確順序是什麼？，再依學員起點與最終成果倒推內容。
從一個小方法開始，比整理全部專業更容易
你不需要一次把自己所有經驗都系統化。
先挑一個你已經反覆做過、客戶也常遇到的結果，把它完整拆一次。等這套方法真的能被別人理解與使用，再用同樣方式整理下一個部分。
久了之後，你會逐步建立自己的方法庫，而不是一次寫出一本厚厚的個人經驗全集。
常見問題
我的經驗很多都靠直覺，還能整理成方法嗎？
可以。回到具體案例，追問當時看到什麼訊號、做了什麼決定、如果條件不同會怎麼改，通常能逐步把直覺拆出來。
一定要把方法做成固定幾步嗎？
不用。步驟只是幫助理解。複雜工作可以有分支、回圈與例外，只要學員知道何時採取哪種做法。
案例很多，要全部放進課程嗎？
不用。挑能代表不同判斷情境的案例，並說清楚案例背後的原則與適用條件即可。
怎麼知道方法真的教得會？
讓符合條件的新手實際做一次，觀察卡點與成果，再補齊隱藏步驟、判斷訊號與回饋標準。
AI 可以直接幫我整理出自己的方法嗎？
AI 可以協助整理與比較素材，但你的專家判斷需要用真實案例確認，不能由 AI 憑空補成個人方法。
參考資料
〈Development and application of a multi-modal task analysis to support intelligent tutoring of complex skills〉。
〈High performance coach cognition in the wild: using applied cognitive task analysis for practical insights〉。
〈Task analysis method for procedural training curriculum development〉。
〈Cognitive Task Analysis to Evaluate Resident Physician Decision Making in the Intensive Care Unit〉。
Cornell University Center for Teaching Innovation，〈Designing Your Course〉。