先给结论：人工智能别只看第三人称演示。旁观者视角好看，迁不到手上。2026年教动作和步骤，要用第一人称视频：操作者看见的手位、接触和顺序。隔着肩膀拍会丢掉力与对准。演示对不准手眼，就不算教。第三人称可以当宣传，不能当教练数据。体育、装配和康复都要先对准眼睛。

人工智能很会看演示，痛点在看的是观众席，不是操作者的眼睛

第三人称适合发布会。镜头完整，动作优美，观众能看懂「大概在干什么」。手要落到螺丝、锅沿、伤口边时，缺的是对准、遮挡和接触。这些只出现在操作者视野里。视野不对，模仿的是表演，不是技能。

第一人称把教练数据换成「当时看见什么、手在画面哪、下一步才是什么」。步骤能拆：先看见孔，再看见刀口对孔，再感觉到阻力变化。拆得开，提示才给得准。给不准，学生只能跟着好看的视频空挥。

旁观者视角会丢掉接触力。拧到位、切到位、重心压对，常常在画面里只是几毫米。几毫米在岛台对面看不见。看不见还学，学成的是时间轴上的挥手。挥手在考试里像会，在工件上不会。

体育和康复更明显。隔着跑道拍，教练模型学会的是「胳膊在摆」。运动员要的是「我现在该看见地标在画面左侧还是中央」。画面不对，纠正会说反。说反一次，人就不信工具。

数据策略因此要改。爬公开演示便宜，便宜的是宣传。教练系统要采集头戴、胸前、工具视角，并和步骤标注对齐。对齐之前，模型不得称会教。会剪辑不等于会教。

人工智能第一人称教练2026五步：先对准眼睛，再拆步骤，再许称会教

1. 技能数据默认第一人称。只有旁观镜头，标为宣传素材，不得进教练训练。
2. 每段视频按操作者可见步骤切开。切不开，不得生成提示。
3. 关键帧要标手位、接触、对准，不只标动作名称。名称是观众语言。
4. 迁移验收：学生或机器人只看第一人称提示，能否在新工件上完成。只在原视频上对，记为会剪辑。
5. 第三人称仅作对照和对外展示。展示不得替代教练主数据。

两处只有戴过镜头才清楚。其一，装配线用岛台对面的教程训练助手。助手会说「把螺丝打进去」，不会说「孔在画面右下、刀口先贴平面再进」。新手按旁观学，打滑、打歪、打过头。换成头戴之后，提示变成「孔出现在右下角再下刀」。一次对准，返工下降。其二，康复里旁拍看不出患者有没有把重心压到前脚掌。模型一直夸「迈得很好」。脚掌没压上，步态不会好。第一人称加上脚底接触，提示才改成「先看见膝盖过脚尖再迈」。夸变成教。

厨房同样。隔着岛台拍炒菜，学生看不见锅沿和手腕角度。油温、翻面、出锅全靠猜。头戴画面里锅沿是一条线，线平了才能翻。线不平就提示等。等是步骤，不是气氛。

建设者该把第一人称和步骤切开做成教练出厂件。管培训的人，该拒收只有旁观演示、只标动作名称的方案。那种方案是片，不是教练。

结论：人工智能要教动作，先站到操作者的眼睛后面；站在观众席上，再准也只是好看

对准眼睛。拆步骤。标手位。迁到新工件。仍用第三人称当教练，手上的几毫米会一直丢。

你下次看技能辅导，先问数据是不是第一人称、步骤能不能按看见的切；两问含糊，辅导先不要对学生和产线开。

现场还要防口号替换验收。把「端到端已经准、新技能已经上、演示已经好看、问答已经高分」写成周报，不等于程序可查、旧技能还在、第一人称对得准、已知发现能独立重现。周报可以写，门禁必须绑在规格、遗忘、手眼和闭卷重现上。

若只能改一处：先把「演示分高」从唯一成功标准里拿掉。分高可以记，可验证、不遗忘、第一人称可教、能独立发现四件跟不上就算事故。

现场还要防口号替换验收。把「端到端已经准、新技能已经上、演示已经好看、问答已经高分」写成周报，不等于程序可查、旧技能还在、第一人称对得准、已知发现能独立重现。周报可以写，门禁必须绑在规格、遗忘、手眼和闭卷重现上。

若只能改一处：先把「演示分高」从唯一成功标准里拿掉。分高可以记，可验证、不遗忘、第一人称可教、能独立发现四件跟不上就算事故。

现场还要防口号替换验收。把「端到端已经准、新技能已经上、演示已经好看、问答已经高分」写成周报，不等于程序可查、旧技能还在、第一人称对得准、已知发现能独立重现。周报可以写，门禁必须绑在规格、遗忘、手眼和闭卷重现上。

若只能改一处：先把「演示分高」从唯一成功标准里拿掉。分高可以记，可验证、不遗忘、第一人称可教、能独立发现四件跟不上就算事故。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源