企业官网建设流程全解析

每到选课季，教务系统的访问高峰能把人逼疯。页面卡顿、课程秒没、好不容易挤进去提交，结果第二天一查，周三下午两门课撞在同一个节次。手动对照培养方案、教室分布、周次循环，往往是拿笔在纸上划来划去，划到最后反而把自己绕晕。不少同学开始尝试用AI来画一份无冲突课表，这里面的门道其实不少：选什么工具、怎么喂数据、提示词怎么写、冲突规则怎么定义，每一步都有讲究。这篇文章就是我实测之后整理出来的完整方案，不绕弯子，直接用一套可复制的流程，教你把“人肉查重”这件事彻底交给AI。

这篇文章适合所有在校大学生，尤其是选课规划时不想熬夜翻课表的同学。就算你是第一次用AI工具、完全没接触过提示词工程，也能照着下面的模板一步步操作。整套流程的核心就一句话：把课表数据整理成结构化表格，让AI用明确的规则去计算冲突，最后再人工复核一遍。

1. 核心思路拆解：为什么选课排课非常适合交给AI

1.1 选课排课的底层逻辑

很多人以为AI排课需要多复杂的算法，其实换个角度看，选课冲突检测就是一个典型的约束满足问题。你需要满足的条件非常明确：课程名称、上课时间、上课周次、节次范围，这些字段一旦摆清楚，规则就是“同一时间不能出现两门课程”。这种规则驱动型的任务，恰恰是大语言模型的舒适区。

我测试下来最直观的感受是，AI在“理解自然语言”和“按格式输出”这两件事上表现非常稳定。你把课程列表扔给它，告诉它“周一1-2节和周三3-4节算不同时间，但同一时间不能出现两门课”，它能老老实实地把冲突列表列出来，速度比你手动翻Excel快得多。

但这不意味着AI能完全替代人工。大模型的本质是“根据上下文推测最优回答”，它不像程序那样有绝对确定的计算逻辑。所以正确的姿势是：让AI做初筛和整理，人工做最终确认。这个定位想清楚之后，整个操作流程就不会跑偏。

1.2 课程数据整理决定了输出质量的上限

有句老话叫“垃圾进，垃圾出”，在AI排课这个场景里体现得淋漓尽致。我见过不少同学直接把教务系统截图丢给AI，然后抱怨AI回答得乱七八糟。实际上问题不在AI，而是输入数据没有结构化。

AI处理一段混杂了课程编号、学分、教师、备注的连续文本时，很容易漏掉信息或者理解错位。但如果你先把课程整理成统一格式的表格，让AI按照字段去读取，出错的概率就会大幅下降。

这里的关键字段包括：

• 课程名称：用于识别和展示
• 课程编号：防止同名课程混淆
• 学分：不参与冲突检测，但关系到选课容量
• 任课教师：有些同学会刻意避开某些老师
• 上课周次：比如1-8周、1-16周，直接影响冲突范围
• 星期几：周一至周日
• 节次范围：如1-2节、3-4节
• 上课地点：跨校区选课时尤其重要

我可以很直接地说，数据整理这一步占整个选课流程百分之六十的工作量。但这一步做得越细，AI后续的表现就越稳。别嫌麻烦，这就像你要让外卖小哥准确送达，至少得把门牌号写清楚。

1.3 冲突规则要自己先定义清楚

这里有一个容易被忽略的坑：AI本身并不知道你学校的作息时间和周次规则。你以为“周二9-10节”和“周二第10节”是一回事，但对AI来说，这是两个不同的输入，它只会机械地比较字段是否一致。

所以在和AI沟通之前，你心里得有几条明确的判断规则：

• 同一星期、同一节次、上课周次有重叠，就判定为冲突
• 跨校区课程即使时间不撞，也要考虑通勤时间是否足够
• 单双周课程和周次循环课程，需要把具体周次列出来，让AI知道哪些周次重叠
• 线上课程不受地点约束，但也占时间

把这些规则写进提示词里，AI的输出才会符合你的真实需求。我见过有同学只写了“帮我检查冲突”，结果AI只查了星期和节次，完全没管单双周，最后出来的结果看似完美，实际上一堆周次重叠。这不是AI笨，是需求没写清楚。

2. 实操准备与提示词设计：手把手教你把AI变成排课助理

2.1 工具选型：不同AI都能干，但体验有差别

实测下来，ChatGPT、Claude、Kimi、豆包、文心一言这些主流大模型产品都能完成排课冲突检测。但基于我的使用体验，可以给你一些选型参考：

• 如果打算让AI直接分析表格或文档，优先选带附件上传功能的工具。比如Claude可以直接读取Excel或CSV，省去复制粘贴的麻烦。
• 如果希望AI不仅能排课，还能帮你写一个Python校验脚本，那就要选带代码解释器或Artifacts能力的工具，比如ChatGPT的Code Interpreter或Claude的Artifacts。
• 如果只是快速做一次自然语言的冲突询问，那么国内的大模型产品完全够用，响应速度快，而且中文理解更贴合校园场景。

我自己的习惯是：用支持附件上传的工具，把课程表整理成CSV文件直接喂进去，然后配合自然语言追问。这样比粘贴大段文本要省心得多，AI对表格数据的解析准确率也更高。

2.2 一份可直接复制的完整提示词模板

考虑到很多人第一次接触提示词，我直接贴一份我调试过多次的模板。核心思路是“分三步走”：第一步让AI整理数据，第二步让AI逐条检查冲突，第三步让AI生成最终课表。

第一步提示词：

你是一名教务排课助理，请根据我提供的课程清单，把每一门课的信息整理成标准格式，并按“星期几”从周一到周五排序。标准格式为：课程名称 | 课程编号 | 学分 | 任课教师 | 上课周次 | 星期 | 节次 | 上课地点。注意，不要修改我提供的任何原始信息，如果发现信息缺失，在对应位置标注“待补充”。

第二步提示词（接在上一步后面）：

现在请你根据以下规则检查上述课程之间是否存在时间冲突：规则1，两门课上课星期相同、节次范围有重叠、上课周次有重叠，视为冲突；规则2，单双周课程按已标注的周次判断，未标注则默认每周上课；规则3，同一课程编号且同一上课时间的重复条目不视为冲突，可能是多个教学班，需要保留。请逐条输出有冲突的课程对，并说明冲突原因，标准格式为：课程A（星期/节次/周次） vs 课程B（星期/节次/周次），冲突原因：XXX。

第三步提示词：

请在上一步冲突检查的基础上，优先保留必修课和专业核心课，然后从选修课中做取舍，生成一份无冲突的推荐课表。要求：每周总学分尽量不低于18学分，课程时间尽量分布均匀，避免出现连续三天满课或一天之内只有一节课的情况。输出格式为Markdown表格，行是星期一至星期五，列是节次范围，例如：1-2节、3-4节、5-6节、7-8节、9-10节，单元格内写课程名称和上课地点。

这个模板最大的好处是，把模糊需求变成了明确指令。AI在每一步都知道自己要干什么，而不需要去猜你的意图。

2.3 进阶玩法：让AI帮你写一个冲突校验脚本

如果你对代码不排斥，我强烈建议试试进阶玩法——让AI生成一段Python脚本，用程序逻辑做二次校验。这算是一个“双重保险”，因为大模型的语言理解再强，偶尔也有算错的时候，但脚本的逻辑是确定的。

我让AI生成过一版简化脚本，核心逻辑其实不复杂：把所有课程解析成“星期+节次集合”，然后两两比较是否存在交集。代码大致长这样：

courses = [ {"name": "高等数学A", "weekday": 1, "start": 1, "end": 2, "weeks": "1-16周"}, {"name": "大学英语", "weekday": 3, "start": 3, "end": 4, "weeks": "1-16周"}, {"name": "体育（篮球）", "weekday": 3, "start": 3, "end": 4, "weeks": "1-16周"}, ] def expand_slots(course): return set(range(course["start"], course["end"] + 1)) def has_week_overlap(weeks_a, weeks_b): # 这里根据实际周次字符串解析，简化版默认全部重叠 return True conflicts = [] for i in range(len(courses)): for j in range(i + 1, len(courses)): a, b = courses[i], courses[j] if a["weekday"] == b["weekday"] and has_week_overlap(a["weeks"], b["weeks"]): if expand_slots(a) & expand_slots(b): conflicts.append((a["name"], b["name"])) print("检测到冲突：", conflicts if conflicts else "无冲突")

不需要你完全看懂，你只需要把这段代码复制到任何在线Python运行环境里，然后把课程数据替换成自己的，就能得到一个无情的“冲突检测机器”。脚本的结果不是用来替代AI，而是用来排查AI漏掉的问题，两个结果一致，你才能放心。

3. 完整实战演示：从原始课表到无冲突课表全流程

3.1 第一步：把教务系统的数据整理成标准表格

这是我踩过最多坑的一步。教务系统里导出的课程列表常见有两种格式：一种是每个教学班一行，包含完整字段；另一种是混合在同一个页面的文本信息里，需要手动提取。遇到第二种情况，我建议先复制到Excel，再用分列功能处理，别手动一个个敲。

整理时一个小技巧是，把星期统一映射成数字，比如周一用1，周二用2，这样后面给AI或者脚本处理都方便。节次范围统一写成“1-2”“3-4”这种格式，不要写成“第一大节”“第二大节”，不同学校描述习惯不同，统一格式能减少AI理解偏差。

下面是我用来做演示的课程清单，模拟了一个普通大学生最常见的选课情况：

你注意看，这个表格里藏着两个冲突点。大学英语和体育（篮球）都在周三3-4节，这是明显的直接冲突。计算机导论是单周上课，创新创业基础是9-16周，虽然都是周五5-6节，但如果单周落在9、11、13、15周，这两门课在数值上也会撞上。这种隐藏冲突靠人眼很难快速识别，但AI按规则来算就很轻松。

3.2 第二步：用两轮对话完成冲突检测

我把上面的表格直接粘贴给AI，然后依次执行第一段和第二段提示词。以我的实测为例，AI的第一轮输出会把课程按周一到周五排好，数据字段完整无遗漏。第二轮输出则会明确列出冲突对，并给出解释。

这里有一点值得注意：AI在遇到“单周”“双周”这种中文描述时，有时候会偷懒，直接当成每周都上。所以我会在第二步末尾追加一句追问：“严格按照我标注的单周/双周/周次范围来判断，不要默认每周都上课。”这句话可以显著降低误报漏报的概率。

针对上面这份课程清单，AI给出的冲突检测结果应该是：

• 大学英语（周三3-4节，1-16周） vs 体育（篮球）（周三3-4节，1-16周），冲突原因：时间完全重叠
• 计算机导论（周五5-6节，1-8周单周） vs 创新创业基础（周五5-6节，9-16周），冲突原因：第9、11、13、15周的重叠需要确认单双周

第一组冲突没悬念，第二组则取决于学校单周的具体定义。如果你所在的学校单双周规则是“开学第1周为单周”，那么9周是单周，二进制的“单周”和“1-8周单周”不一定在同一周重叠，需要再对照校历确认。

3.3 第三步：人工复核与最终课表生成

AI跑完冲突清单之后，别急着生成最终课表，建议做一轮人工复核。我自己的复核习惯是打印一张空课表，拿彩色笔标记各门课。这个做法看着原始，但极其有效，尤其是对于那些AI容易搞混的单双周细节。

复核确认没问题之后，再用第三段提示词让AI生成推荐课表。我把大学英语调到周二3-4节，把体育保留在周三3-4节，创新创业基础和计算机导论保留其中一个，调整之后，AI给出的最终课表示意如下：

生成课表时我还发现一个小细节：如果你不问，AI默认只把星期一到星期五排满，周末完全不排。如果你有周末课程，记得在提示词里写明“包含周末课程”，否则它会自动忽略。

4. 避坑指南与常见问题：AI排课的五大翻车现场

4.1 AI幻觉：它真的会编造课程

AI幻觉在大模型领域是个绕不开的话题，在排课场景里就是AI会“理直气壮”地生成一门你根本没选的课，或者把一个课程的上课时间改成了完全不同的时间。我遇到过最夸张的一次，AI在没有输入的情况下自动补了一门“马克思主义基本原理”进去，还配了周三5-6节的时间。仔细看才发现，它是在模仿我提供的课程列表格式，但从某个隐藏的推理里“脑补”了一门类似课程。

应对方法很简单：明确要求AI“只能使用我提供的课程信息，不要新增或修改任何字段”，然后人工做一次总数核对。数一下AI输出的课程条数，和你输入的条数是否一致，一旦数量对不上，基本可以断定发生过幻觉。

4.2 漏课：课程越多越容易漏

当你的课程清单超过十门时，AI漏掉一门课的概率会明显上升。这像人看密密麻麻的表格会眼花一样，大模型对超长上下文的注意力也会分散。

针对这个问题，我推荐的做法是“分批处理”。把课程按专业必修课、公共选修课、通识课分成三批，每批做一次冲突检查，最后再把所有结果合并。虽然多了几步操作，但每一步的准确率都会明显提升。如果你把所有课程一次性塞进去，得到的结果虽然快，但你可能需要花更长时间去检查它漏了什么。

4.3 死板处理单双周信息

大多数通用大模型对“单周”“双周”这种周期性描述并不敏感。你把“单周”写进去，它能识别出来，但一旦课程数量增多，它往往会忘记前文设定，又默认成每周上课。

我的解决方案是在提示词里把所有周次信息数值化。比如“计算机导论：1-8周单周”改成“计算机导论：第1、3、5、7周上课”，把单双周转换成具体周次列表，AI理解起来就不费劲了。这一步虽然需要你自己花点时间换算，但比事后排查AI的误判要节省太多时间。

4.4 输出格式不统一

如果你的提示词里没有对输出格式做严格限制，AI给你的内容可能是多段文字，夹杂着各种冒号、箭头和缩进。等你想要复制到表格里时，格式已经乱成一团。

解决办法是在提示词里指定Markdown表格或CSV格式。以我的经验，“输出为Markdown表格，列名固定为课程名称、时间、地点”这句话比任何“请整理清楚”都管用。大模型对格式指令的遵循能力比对内容语义的把握更可靠。

4.5 高峰期页面卡顿，误把AI结果当最终答案

还有个现实问题：很多高校教务系统在选课高峰期会卡死，页面加载不出选课结果。有些同学会着急用AI排出的课表去估算学分，然后在系统恢复后忘了重新核对实际选课结果。

这里必须强调，AI排课只是决策辅助，你最终的课表一定要以教务系统里的选课记录为准。AI的职责是帮你做规划、查冲突，而系统里显示的教学班信息才是你真正需要去上课的班级。每次选课结束后，抽五分钟把教务系统里的最终课表导出来，再和AI生成的推荐课表做一次比对，这个习惯能避免后面整学期的麻烦。

5. 进阶玩法：从AI排课延伸到时间管理

5.1 用同一套方法做一周时间管理

掌握了AI排课的方法论之后，你会发现自己简直打开了一个新世界。因为“约束满足”这个模型不只适用于课表，还适用于几乎所有的时间规划场景。

比如你想把课程学习、社团例会、兼职工作和运动健身都统筹安排好，就可以把每一项活动都当成一门“课程”，填入时间、地点和优先级，然后让AI帮你生成一份“全周时间规划表”。我在学期中就把周一晚上的社团例会、周三晚上的篮球训练、周五下午的兼职都交给AI统一规划，输出的结果比我手动调配快很多，而且AI会主动避开时间冲突，不用我提醒。

5.2 让AI基于推荐课表输出学习计划

更有意思的玩法是，在生成无冲突课表之后，把课表作为上下文，告诉AI你的目标，比如“这学期要准备四级考试”或“期末要考专业前20%”，AI就能基于课表的空余时段生成一份学习计划。

我用这个功能做过一次实验，效果出奇地好。AI会把自己的推荐课表、没选课的空闲时间段、甚至晚自习时间都利用起来，把复习任务拆成一份带有明确时间和内容安排的清单，而且它会优先把难度高的科目安排在精力充沛的上午时段。这套流程已经超出了选课本身，变成了个人效率助手。

5.3 对AI结果保持合理预期

进阶玩法虽然爽，但还是那句话：AI的能力边界在于它没有真正的判断力。它能帮你发现时间冲突，但是它不会知道你在周三下午连续上三节课会不会觉得累；它能帮你排出一份周一到周五分布均匀的课表，但它不知道你周四有社团换届大会需要提前离校。

所以在使用AI做任何时间规划时，都需要在提示词里加入“我的实际限制条件”。比如“周四晚上不排课”“希望周三下午留出运动时间”，这些偏好越早告诉AI，输出的结果越接近你真正想要的。不要等到AI输出了完整方案再让它重做，那样既浪费token，又打击使用热情。

写在最后的一点小建议

我用AI排课表这个流程走了快两学期，最大的感受是，工具本身并不神奇，真正的效率提升来自于把问题定义清楚。你会发现，当你能把课程数据整理成结构化的表格，把冲突规则一条条写明白，把输出格式提前跟AI约定好，AI的可靠性会直线上升。反过来，如果输入模糊、规则含糊，那么AI给出的结果就是在浪费时间。

还有一个非常实用的小技巧想分享给你：每次让AI处理完数据之后，记得把对话记录保存成书签或导出成文本。因为选课期间你可能会反复调整课程，这时候直接在新的对话里重新喂一遍课表太麻烦了，不如把上一轮已经整理干净的结构化课程清单复制出来，改几个条目再发给AI。省下的时间虽然不多，但在选课截止前那种紧张氛围里，每一分钟都珍贵。