老师想用 AI 减负，多半卡在同一个地方：不知道哪些活能交出去、交到什么程度、出了错谁担。备课怕内容跑偏，批改怕标准不一，答疑怕学生拿去当答案抄。这篇不讲概念，按备课、批改、答疑三块拆开，给每块一份可照做的步骤和一份「到此为止」的边界清单，最后附一条自检顺序。
老师想用 AI 减负，多半卡在同一个地方：不知道哪些活能交出去、交到什么程度、出了错谁担。备课怕内容跑偏，批改怕标准不一，答疑怕学生拿去当答案抄。这篇不讲概念，按备课、批改、答疑三块拆开，给每块一份可照做的步骤和一份「到此为止」的边界清单，最后附一条上手前的自检顺序。
先说清一个前提：这三类场景的成熟度是不一样的。有标准答案的批改最容易被验证，其次是素材整理类的备课，最难的是一对一的答疑，因为它既要正确还要引导学生自己想。所以别指望一套提示词通吃，按场景分别定规矩更省事。
备课：把 AI 当资料员，别当主编
备课最容易犯的错是让 AI 直接产出一份完整教案，看着结构齐全，实际上没法上——学情不对、课时对不上、跟本地教材的表述也对不上。正确的定位是让它干资料员的活：找线索、换表述、搭骨架，定稿和评价标准仍然自己来。
- 可以交出去的三类活：找素材线索、把同一个知识点改写成不同难度的表述、把一节课拆成导入-讲解-练习-小结的骨架
- 仍然自己来的：教案定稿、例题的取舍、评价标准的设计，这些跟本班学情强绑定
- 必须人工过一遍的三处：事实性表述（人名、年份、公式推导）、例题的答案与步骤、涉及本地教材版本和考纲的措辞
- 给约束再要结果：明确写出学段、班级基础、课时长度、必须覆盖的知识点，输出要求分「讲解稿 / 练习题 / 板书要点」三段
- 先做一个课时，不要一上来做一单元把范围压到一个课时，避免 AI 在单元层面自行发挥。做完对照你自己的旧教案，看它漏了哪几个必讲点。
- 把约束写进提示词学段、班级基础、课时长度、必cover知识点、输出分几段，一次写全。约束越具体，返工越少。
- 人工过三处事实性表述、例题答案与步骤、教材版本相关措辞，这三处逐条核对，别整篇通读一遍就放过。
- 不适用的场景校本课程、实验课、需要结合本班学情的教案，AI 只能当草稿起点；第一次用某个模型时，先拿一个已经备好的旧课时做对照，看它漏了什么。
判断一段备课产出能不能用，最简单的一条：你能不能照着它直接上课。如果需要补大量背景、改多处措辞，那它只是草稿，别当成半成品往下走。
批改：能批的只有「有明确答案」的那部分
批改是三类场景里最容易验证对错的，也最容易踩坑——因为一旦口径不统一，整批分数就没法用。核心动作只有一个：先把评分标准写清楚，再让它动手。
| 题型 | 适合交给 AI 的程度 | 人工必须做的事 |
|---|---|---|
| 客观题、计算题 | 逐题给分并写出扣分理由 | 抽 3-5 份复核口径 |
| 有标准答案的填空、改错 | 按评分说明给分 | 核对参考答案是否写全 |
| 作文、开放论述 | 只标出问题位置和待改处 | 分数与评语自己写 |
| 涉及成绩录入的环节 | 不建议直接采用输出 | 全程人工，别进成绩系统 |
- 先给评分标准再给作业：把参考答案、扣分点、满分标准写成一份评分说明放进提示词，让 AI 逐题按这份说明给分并写出扣分理由
- 批量批改要防串行：一次只喂一份，命名和学号对齐，批完先抽几份人工复核，确认口径稳定再往下跑
- 别全批完再一次性核对：错了就得整批重来，分批抽检成本低得多
- 数据边界：作业图片和答题卡是学生个人信息，发之前先确认这条链路的数据范围和留存规则，到安全与合规页面核对当前要求
什么情况下不适用？当作业本身就是考察表达能力、需要看长期表现的时候，AI 批改的价值很低，顶多帮你标出明显的错别字和病句位置。这种情况把时间花在设计评语模板上更划算。
答疑：给学生的是台阶，不是答案
答疑最敏感的地方不在准确率，在于学生会不会直接抄。把角色从「答题者」改成「提示者」，方向就对了。做法是在提示词里明确要求：只回答下一步该想什么，不直接给最终结果。
- 提示式答疑
- 只给下一步思路，不给最终答案，学生追问第二次才给完整解法
- 错误分流
- 算错、看错题、概念没懂、方法不会，四类给四种不同的回答模板
- 记录可查
- 答疑机器人的回答要能被老师看到记录，出现明显错误时能撤回或纠正
- 话题限制
- 面向未成年人的场景，限制它主动扩展话题，别让它越聊越远
- 统一模板会让学生收到的提示对不上自己的问题，四类错误分开处理更有效
- 提示词里加一句「如果学生追问第二次，才给完整解法」，能挡掉一部分直接抄答案的情况
- 哪些别交给 AI 接：考试期间、需要保密的竞赛题、涉及升学建议和心理疏导的话题
上手前的自检顺序
- 第一步定点从三个场景里挑一个最耗时、最容易验证对错的活先试，通常是有标准答案的批改或素材整理。
- 第二步定标准把参考答案、评分口径、格式要求写成一份固定说明，以后每篇都复用这一份，别每次重新写。
- 第三步定复核确定谁在什么时候抽查、抽多少、发现问题怎么回退。这个环节没定就先别批量用。
- 第四步看口径想换模型或换工具之前，先到站内对照当下各家的能力与计费口径，别拿几个月前的印象做决定。
这四步的顺序别调。定点在前，是因为要先找到那个真正值得花时间的活；复核排在批量之前，是因为批量出错返工的成本远高于抽检。真开始用了，先跑一周，再回头看哪一步最卡。
下一步想对比不同工具在批改、答疑上的能力差异和费用口径，去站内评测与价格页面看当时整理的数字，再决定用哪个上手。→常见问题
AI 批改的分数能直接进成绩系统吗？
不建议。AI 批改更适合当预批，把结果作为参考分和扣分理由交给老师，再由老师确认或修改后录入。直接进系统的问题是一旦口径偏了，整批成绩都得回头重算，而且家长问起来很难解释依据是什么。
备课用 AI，怎么判断内容靠不靠谱？
看三样：事实性表述是否可查证，例题答案自己是否动手算过一遍，措辞是否符合本地教材和考纲。这三处只要有一处对不上，就说明这份内容还得改。另外第一次用一个模型时，拿一份已有教案做对照测试，比看任何介绍都直接。
学生直接拿 AI 问作业怎么办？
靠禁止通常没用，更实际的是改工具的行为：把答疑入口设成只给下一步提示、不给最终答案，追问才逐步放开；同时让老师能看到提问记录，便于判断某个学生是不是在刷答案。至于工具本身的边界和隐私要求，可以到站内的安全与合规页面核对当前口径。
