1. 先想清楚：AI到底能替我们做什么

我用了差不多三个月的时间，把AI从“偶尔玩一下的新奇玩具”，变成了办公室里真正离不开的帮手。起因很简单：这学期的跨学科课程、课后服务、各类表格材料叠在一起，备课只能挪到晚上十点以后。后来我给自己定了个规矩——能用机器干的活，别浪费人的时间。从那儿起，我开始把日常工作拆开来看：哪些是重复劳动，哪些是真需要教学设计能力的脑力活，然后只拿前者喂给AI。

1.1 把教学工作拆成一个一个微任务

很多老师对AI的第一反应是：“我让它帮我写一份教案，写出来完全不能用。”这其实是期望设错了。大模型不是替你完成整个工作，而是帮你把工作里的某一小块做掉。比如“写一份教案”这件事，拆开后大概有这些环节：确定教学目标、设计导入情境、安排课堂活动、准备练习题、想板书结构、写课后反思。让AI一次性产出一份完美教案，等于让它同时干六个人的活，结果当然顾此失彼。

我现在的习惯是：每次只让AI做一个小任务。要导入情境，就只聊导入；要设计活动，就只聊活动。拆得越细，AI表现越稳定。实际上，教学设计里最有价值的部分——判断哪些环节适合这群学生、怎么衔接知识点之间的逻辑——还是得自己拿主意，但那些需要大量文字铺陈的环节，AI确实能节省一半时间。这就引出一个关键判断：凡是“写出来”比“想出来”更费劲的，都交给AI；凡是“想出来”本身就很难的，留给自己。

1.2 先列一张自己的“可外包清单”

我建议每个老师都做一次这样的整理。拿一张纸，分成两栏：左栏写每周必做但自己不太喜欢的任务，右栏写这些任务里最费时间的部分。以我为例子，左栏大概是：出练习题、做课件配图、写学情分析、排考勤表格、回复家长信息。右栏对应的是：找题改题、搜图修图、统计数据、组织语言。

列完之后你就发现了，右栏里几乎所有事情都是“语言生成”和“格式处理”，恰恰是AI最擅长的。左栏里需要判断力的部分，才需要你亲自上手。这个清单就是你和AI之间的分工协议。有了它，后面所有工具选型、流程设计都不会跑偏。我不太建议一上来就订阅各种贵的AI工具，先用免费通道把清单跑通，哪里实在绕不过去再考虑付费。

2. 选对大模型，比学会提示词更重要

不少培训课把提示词说得神乎其神，好像背下几个万能公式就一步登天。我的体会是：提示词确实重要，但优先级排在工具选型之后。选错了模型，你把提示词写到天花板也拿不到理想结果。这就像你问一个数学老师要美术教案，换了无数种问法，对方照样不擅长。每个大模型的训练数据和能力侧重不同，得当的工具匹配到得当任务，才能起到乘数效应。

2.1 主流大模型怎么选：一张对照表

我个人日常会保留三四个不同来源的大模型账号，不为别的，就因为它们在不同任务上的表现差异非常明显。为了不涉及到具体厂商的偏向性，我把常用的几类做个简单区分：

真正有效的做法是以任务为导向来选型：今天要写的是项目式学习方案，就主用通用对话型；明天要处理的是成绩单数据整理，就换成工具型；要给物理课配一张受力分析示意图，那得多模态型出场。用错工具的代价不是不可用，而是要花大量时间“矫正”它，最后往往比自己做还慢。

2.2 一个万能的备课提示词框架

网上流传过各种“角色扮演式”提示词，比如“你现在是一位资深语文老师”。我发现这类提示词有一定作用，但不够。我写提示词有一个基本框架，五步走：

1. 交代背景：年级、学科、教材版本、课时长度、学生基础水平，越具体越好。
2. 明确输出格式：要求它输出“表格”“逐字稿”“分段列表”还是“对话脚本”。
3. 给出约束条件：字数的上下限、需要包含的关键词、不能出现的内容。
4. 提供参考样例：哪怕只是半段话，也足以大幅提升输出质量。
5. 要求多方案：同一个任务让它给出三套备选，而不是一套“标准答案”。

举个例子，我让AI帮我准备《草船借箭》的课堂导入，不是简单说“帮我写个导入”，而是这样描述：六年级语文，学生已经读过课文，我需要一个能引发争议的导入，让学生围绕“诸葛亮是不是在作弊”展开辩论，请给三个不同风格的开场白，每个不超过120字，语气要贴近小学生的认知水平。这样出来的结果基本能直接用，偶尔微调一下就行。核心逻辑是：AI不是猜心大师，你把边界画得越清楚，它越不会跑偏。

3. 多AI协作与AI工作流：一个人也能组装流水线

单个AI模型能力再强，也扛不住连续切换任务时的“失忆”。我试过让同一个对话窗口先写教案、再出题、再设计板书，到第三轮它就开始忘记前面的约束条件，甚至重复输出相同内容。后来我换了一种思路：不让一个模型干完所有事，而是让不同模型各管一段，像流水线一样协作起来。这也就是大家常说的“多智能体协作”或者“AI工作流”，只是我没有用那么专业的名字。

3.1 用一次“AI接力赛”串起整堂课的备课

就拿上个星期我准备的一节科学课来说，主题是“水的循环”。我的AI工作流分成了四棒：

第一棒，用通用对话型生成教学设计骨架，这个环节我重点追问“探究式教学怎么安排”，把探究活动的顺序理清楚。第二棒，把骨架里涉及到的知识点明细交给推理增强型，让它帮我检查有没有科学性错误，比如蒸发和凝结的顺序、水循环各环节的名称是否准确。第三棒，让多模态型生成课件配图，我只需要输入“水循环示意图，卡通风格，标注蒸发、凝结、降水三个环节”。第四棒，把整个流程和配图描述放进一个提示词模板，生成当节课的逐字稿。

每一棒之间我会做一次人工审核，确认上一棒的结果没有跑偏才交给下一棒。整个过程看起来比单独写一份教案要复杂，但实际执行下来，通常半小时内就能完成，而且各个环节质量都比较扎实。之前我要是从零开始做这套材料，至少得两三个小时。

3.2 用AI Agent把重复工作变成“一键完成”

工作流跑通之后，我开始研究“AI Agent”——简单说就是让AI按照预设的步骤自动执行一系列操作。不需要编程基础，市面上不少工具已经支持可视化搭建智能体。我做的第一个Agent是用来做课后反思记录的：把课堂上的随手记录、学生作业照片里的共性问题、自己临时想到的改进点，一鼓脑丢给它，它会自动把碎片信息整理成结构化的课后反思报告，分“目标达成”“课堂争议”“待改环节”三块，省掉了我周末补档案的时间。

搭建这个Agent只花了大概半小时：新建一个智能体、给它写一段指令说明、设定输出格式，然后每次对话时把材料丢进去。效果出乎意料地稳。现在我对AI的观点又进了一步：它不只是问答工具，还能是一个“只属于你的教学助理”。当然，Agent偶尔也会出岔子，比如把某条输入信息理解偏了，所以它处理完的内容我会快速扫一眼再存档。

4. 用AI批量生成教学素材

从课件配图到微课视频素材，一线老师最缺的资源往往不是创意，而是做素材的时间。以前一张合适的配图，我要去图库搜半小时还不一定满意；一个知识点讲解小视频，动辄要拍摄剪辑一整天。现在AI能直接生成图像、短视频脚本甚至配音旁白，让我把素材生产线整个搬到了办公桌前。

4.1 图像素材：AI绘画不是只能画“艺术图”

很多老师以为AI绘画就是生成那种赛博朋克风格的概念图，没什么教学用处。实际用下来完全不是这样。关键在内味你给它描述场景的方式。我要在英语课上讲“at the beach”这个单元，就让AI生成一幅海滩场景图，指定了风格为“写实儿童绘本，画面简洁，色彩明亮，包含太阳伞、海鸥、沙滩玩具”。它给的图基本达到出版级的效果，而且没有版权问题，可以放心投屏。

这里有一个小技巧：AI绘画的本质是根据文字描述生成画面，所以你的提示词越接近“看图说话”，画面越可控。我总结了一个固定公式：主体物+场景+风格+色彩倾向+布局要求。比如“一只橙色小猫趴在窗台上，窗外下着雨，水彩画风格，色调偏蓝灰，画面左侧留白”。如果生成出来的图有细节不满意，像多长了条尾巴之类，我会先在对话里指出来，让AI重新修改，而不是自己去PS。连续改三轮还不对的地方，才手动处理。

4.2 微课与短视频：从脚本到分镜的“一条龙”

这学期我尝试给课后服务课程做了一个系列微课，解决“每节课都说同样内容”的问题。原本以为AI帮不上大忙，结果发现微课最费时间的脚本和分镜，恰恰是它的强项。我把一节课的知识点列给它，要求按“钩子开头—概念讲解—常见误区—举例演示—小结”的结构，写一份两分钟视频的脚本。它给出的内容虽然需要微调，但整体框架和节奏都比我过去硬写要顺畅得多。

更惊喜的是分镜描述。我不需要它画真正的视频，只需要它生成每一段画面的“文字描述”，比如“镜头俯拍桌面，一双手把三种不同密度的液体依次倒入杯中”，然后让图像生成模型按这段描述逐帧配图。这样一节课的微课素材，两小时就能备齐。再配合免费的语音合成工具，加个背景音，一个像模像样的微课就出来了。市面上专业级的AI视频工具还在迭代，我不建议老师一开始就花大价钱买会员，先把脚本和分镜跑通，用图文组合的方式做“伪视频”，效果也足够好。

5. AI出题、批改与学情分析

对主科老师来说，每周最磨人的是两件事：出题和批改。AI这两方面都能帮上忙，但帮忙的姿势不太一样。出题这件事实测非常靠谱，批改则要谨慎使用，因为AI对主观题的评判标准不够稳定，容易误判。这是我连续给两个班做了两周对比测试后得出的结论。

5.1 自动出题与试卷组装

出题我会分两步走。第一步是让AI生成题目初稿，我的标准提示词要包含：知识点范围、题型、难度分布、是不是需要贴近生活情境。比如我给八年级物理出“浮力”章节的练习题，就明确要求“出一道关于潜水艇浮沉的生活应用题，难度中等，需要用到阿基米德原理，并以选择形式给出”。AI生成的题目大致能用，但有一个不能省略的步骤：每道题都要人工验证答案和选项。我见过AI把正确答案和解析都写错的情况，比如把密度公式代入数值时算反了。所以我的原则是：AI负责出“毛坯题”，老师负责“精装修”，用AI提高出题速度，用老师的专业能力守住质量底线。

还有一个非常省力的用法：让AI把老题改成新题。我手头有不少前几年的练习册和试卷，直接复印发给学生既枯燥又有版权担忧。我会把一道旧题的文字描述输给AI，要求它“保留数学关系和考点，把情境换成当前热点事件”，比如把行程问题里的“两地相距”改成“骑行打卡路线”，既不改变考查本质，也让学生觉得新鲜。

5.2 当心AI批改的“判断漂移”

AI批改客观题（选择、填空、判断）非常快，但对主观题和作文的批改，我的判断是：只能当辅助，不能当裁判。原因很简单，AI的评分一致性有问题——同一份作文，你隔天再让它批，给的分数可能差出两个档次。而且它经常被漂亮的辞藻吸引，忽略内容是否切题。我自己实验过，让AI批改一篇跑题但语言优美的作文，它给了高分，理由竟然是“文笔流畅”。这说明AI对“语义理解”仍有明显短板。

所以我现在对AI批改的使用策略是：让它先做“初筛”，把所有作文按“疑似跑题”“疑似偏题”“基本切题”分类，我再精读有问题的那些。它还能帮我做标注工作，比如把每篇作文里重复出现的错别字都找出来，生成一份全班错字清单。这个活儿以前要花一晚上，现在十几分钟就有了结果，而且准确率相当高。至于雷达图式的学情分析——把班级成绩导入AI生成图表和文字描述——我建议把它当作辅助汇报的材料，而不是诊断依据。它描述的“平均分下降、及格率提高”这类趋势虽然真实，但背后的原因还得结合课堂表现来综合判断，不能让数据牵着走。

6. 高频坑点与避坑清单

最后这部分，是这段时间踩坑最多的地方。工具毕竟是工具，它在带来效率的同时也制造了新的麻烦。如果只看成功案例而不看翻车记录，很容易在关键场合被AI坑一把。我自己就经历过几次公开课前一晚发现课件配图全部变形、教案里引用了一句话但作者信息完全虚构的窘境。下面把这些经验按问题类型整理出来，方便你对号入座。

6.1 幻觉问题：AI会在你不会防的地方说谎

AI最典型的问题是“一本正经地胡说八道”。它不会说“我不知道”，它会编造一个听起来非常合理的答案。有一次我让AI帮我想几个化学趣味实验，它建议用某种家里常见物质做反应，我按照常识判断觉得不太稳妥，查阅资料后发现那个物质根本不会产生它描述的现象。从那以后，凡是涉及科学事实、数据、引文、政策信息的内容，我都会做一次交叉验证。这不是不信任AI，而是它本来就不是检索工具，它的本质是根据概率生成文字，事实核对需要有据可查的搜索引擎来兜底。

6.2 版权与隐私：AI素材不是“拿来就用”

生成类AI输出的图片、文字、音频，并不自动等于“完全无事”。不同平台的用户协议对生成内容的商用权利规定并不统一，我会选择那些明确写“用户拥有生成内容使用权”的平台，而且保留好生成记录。同理，学生的作业、照片、成绩单，凡是涉及个人信息的东西，在上传之前都要做脱敏处理。最稳妥的做法是：名字用“学生A”“学生B”代替，照片不传原图，只传描述，敏感信息坚决不进AI对话。

6.3 最大的风险：让AI替你思考

这可能是全篇最想强调的一点。AI能帮你写的，是那些“本来就没什么新意”的部分；真正的教学设计——比如怎么让一个后进生对数学重新产生兴趣、怎么调整课堂节奏应对突发状况——这些依然需要人来主导。我见过有同事让AI写了一整学期的教案，上课时却对着教案念都念不顺。就是因为“写出来”和“想明白”是两回事。AI产出的内容，你至少要能说出“它好在哪、不好在哪、我要怎么改”，才算没有被工具牵着走。这里的底线是：AI服务教学，不是教学迁就AI。把这个位置摆正，工具才能成为助力而不是依赖。

回到个人体会。这套AI工作流用了三个月后，我最大的收获不是省了多少时间，而是晚上十点之后不再为机械性的材料工作焦虑了。以前我总被“写材料—改格式—找图配图”这些事缠住，真正留给教学设计的精力少得可怜。现在这些工作的初稿都由AI完成，我只需要做判断和打磨，反而对课堂本身想得更细了。最后再分享一个实用小技巧：给AI建一个专属文件夹，把历次对话的精华回答、好用的提示词模板、生成过的素材分类存好，积累两个月之后，你会发现手里攒了一套只属于自己的“教学AI资源库”。后续不管换什么工具，这套资产都能用上。