用 AI 做技术分享：从小白到讲师

作者

三年前，我在公司内部第一次做技术分享时手心全是汗，PPT 是用 Word 写完再硬塞进 PowerPoint 的，讲到第三页就卡壳，最后靠翻笔记才勉强撑完。去年，我用 AI 辅助完成了 12 场跨城市的技术分享，其中 3 场被录制成公开课，播放量超 8 万。今天不聊“AI 会不会取代程序员”，只说一句实在话：AI 不会替你上台，但它能让你从“不敢开口”变成“期待开麦”。以下是我踩过坑、验证过的四步实战路径——没有理论模型，只有我每天在 VS Code 和 Notion 里真实跑通的流程。

1. 准备阶段：用 AI 当你的“技术策展人”

别一上来就写大纲。我现在的固定动作是：先喂给 AI 三样东西——你的原始代码片段（带注释）、最近读过的 2 篇技术文档链接、以及你最想解决的一个真实问题（比如“怎么向测试同事解释为什么这个接口响应慢不是后端锅？”）。

推荐用 Cursor（本地运行，代码理解强）或 Perplexity（联网查最新 RFC/源码变更）。输入示例：

你是一名有 5 年后端经验的工程师，正在准备面向非核心开发人员（测试、产品）的技术分享。主题：《一次线上慢查询的破案实录》。  
- 原始代码：[粘贴 DAO 层 SQL + MyBatis 日志]  
- 参考文档：https://dev.mysql.com/doc/refman/8.0/en/explain.html  
- 核心矛盾：业务方认为“加索引就能解决”，DBA 说“执行计划根本没走索引”。  
请输出：① 3 个听众最可能打断提问的点；② 用生活化类比解释“索引失效”的 2 种场景；③ 推荐 1 个可现场演示的最小复现步骤（含 Docker 命令）。

关键技巧：让 AI 输出“反常识结论”。比如我曾让 Claude 分析 Spring Boot 自动配置原理，它指出：“@ConditionalOnClass 不检查类是否在 classpath，而是在加载时才触发 —— 这就是为什么某些 starter 在 JDK 17 下静默失效”。这个点后来成了分享中最炸场的 3 分钟。

2. PPT 制作：告别“文字 PPT”，用 AI 当视觉导演

我的 PPT 从不出现超过 7 行字。所有文字稿由 Gamma 生成（免费版够用），流程如下：

  1. 把 AI 生成的逐页脚本（含每页核心句+数据来源）粘贴进去
  2. 在 Gamma 设置中强制开启“图表优先”模式（它会自动把“QPS 提升 40%”转成动态折线图，“线程池参数对比”转成热力图）
  3. 对关键页追加指令：“这张图要让坐在最后一排的人看清，用红蓝高对比色，去掉所有坐标轴数字，只留箭头和结果标签”

真正省时间的是“一键重绘”功能：当某页逻辑被质疑时（比如同事说“这个架构图太理想化”），我直接截图原图+文字批注“把网关层拆成物理隔离的两套集群，标注流量灰度比例”，Gamma 3 秒生成新版——比手动拖拽 Visio 快 8 倍，且风格统一。

3. 演讲技巧：用 AI 当你的“隐形提词器”

再也不背稿。我的秘密武器是 Obsidian + AI 插件。操作流程：

  • 把分享脚本按“每页 1 个 Markdown 文件”拆分（文件名即页码：03-索引失效.md）
  • 在每页底部加 YAML Front Matter：
    ---  
next: "04-执行计划解读"  
trigger: ["为什么没走索引？", "能不能强制走？"]  
answer: "看这里——MySQL 5.7 之后有个 optimizer_switch 参数..."  
---
  • 演讲时 Obsidian 全屏打开，AI 插件实时监听麦克风。当我说到“大家肯定想问…”，它自动弹出预设答案卡片，并高亮下一页文件名

效果：去年在深圳分享时，有听众突然问“K8s Pod 重启时 Init Container 会重跑吗？”，我脱口说出“会，但 etcd 里 pod.status.phase 是 Pending→Running 跳变”，因为这个问题早被我设为第 17 页的 trigger。这种“秒回”建立的信任感，远胜于翻 PPT 找答案。

4. 互动问答：把“答不上来”变成“共同探索”

最怕冷场？我的策略是：提前用 AI 预演 3 轮“刁钻追问”。例如分享 Redis 持久化后，我会让 Perplexity 模拟：

  1. 第一轮：基于官方文档挑错（“RDB 快照期间 fork 子进程真的零阻塞吗？Linux COW 机制下内存复制耗时怎么算？”）
  2. 第二轮：结合公司现状找茬（“我们监控显示 bgsave 时 CPU 突增 40%，是不是该禁用 RDB？”）
  3. 第三轮：跨界挑战（“用 Redis 实现分布式锁，和 ZooKeeper 的 ZAB 协议比，CAP 怎么取舍？”）

把 AI 给的答案精简成 1 句话+1 个命令（如：redis-cli --latency -h $HOST），打印在小卡片上随身携带。当真遇到同类问题，我就说：“这个问题太棒了！我们现场验证一下——请大家打开终端，跟我敲这行命令…”。把单向输出变成协作实验，尴尬瞬间转为高潮。

避坑清单：这些“AI 陷阱”我替你踩过了

场景 错误做法 实战解法
准备阶段 让 AI 直接生成完整讲稿 只让它输出“认知冲突点”（如：“90% 开发者以为 @Transactional 在 private 方法有效”）
PPT 制作 用 ChatGPT 写文案再粘贴进 PowerPoint 用 Gamma / Tome 生成整套，导出 PDF 后用 Adobe Acrobat 删除所有动画（保真度更高）
演讲过程 依赖 AI 实时翻译英文技术术语 提前让 AI 生成“术语对照表”（如：idempotent → “重复调用不改变结果”，附 curl 示例）
问答环节 让 AI 编造“标准答案” 要求 AI 输出：“这个问题目前业界有 A/B/C 三种实践，我们的选择是 B，因为…（附 GitHub issue 链接）”

最后说句掏心窝的话：AI 不是讲师速成班，它是把“你知道但说不清”的东西，变成“你敢说、能说、说得让人记住”的杠杆。我见过太多人花 20 小时调参一个 LLM，却不愿花 2 小时用 Gamma 重做一页 PPT——技术分享的本质，从来不是展示你知道多少，而是让别人相信“这事我能搞定”。

我是老陈，干了 25 年码农，8 年创业公司技术负责人，现在带着团队用 AI 重构技术传播链路。如果你也试过用 AI 做分享，欢迎在评论区甩出你的“翻车现场”或“神来之笔”。关注公众号「老陈的代码茶馆」，回复关键词 AI分享包，送你我的全套工具链配置（含 Obsidian 模板、Gamma Prompt 库、Perplexity 技术问答指令集）——不用谢，转发就是最好的打赏。

发表评论