什么是 AI 备课？教师备课的助手

豆包、Kimi 这类对话工具走红之后，不少老师把它们请进了备课环节。AI 备课指的是：把教什么、教谁、多长课时这些信息交给大模型，让它产出一份教学设计初稿，涵盖目标、环节安排、课堂提问与练习题，老师再在初稿上修改成正式教案。它定位是助手，有一条边界要先说清：AI 不替代学业评价与师生沟通。

像一位随叫随到的教研搭档

它像一位随叫随到的教研搭档。深夜十点冒出一个新讲法，搭档也能立刻陪你把框架搭出来；换一届学生、换一套教材，它也能马上按新约束重出一份。不嫌琐碎、不怕重来，这是人类搭档很难给到的。工作强度大的学期，这种随时可用本身就是价值。

把约束喂足，初稿才好用

用得好的人通常给足约束：年级、课时、前置知识、易错点、想练的思维能力——约束越具体，初稿越可用。流程一般是四步：定主题、给约束、选初稿、动手改。文心一言这类对话工具、WPS AI 这类文档工具都能承担其中一部分，后者适合直接在文档里续写与调整格式，省去来回粘贴。同一件工具，喂不同的背景资料，产出完全不同，这正是约束的价值。

机器铺架子，老师做判断

从分工看，机器擅长铺量与搭架子：同一主题出五版不同风格的框架、批量配练习题、按难度分层出题；老师擅长判断与打磨：这个例子班里的孩子能不能接住、这个提问会不会冷场、这节课的情绪节奏怎么走。要清楚它的短板：它不了解你这班学生的真实水平，生成的环节可能过于理想化；它可能编出看似合理实则错误的知识点，尤其是数据、年份、引文这类细节，用之前必须核对；它给的常是「平均口味」的设计，缺个人风格的巧思。给 AI 布置备课任务，也可以像出考卷一样验收——先定验收标准再看初稿，Agent 评测里多步任务的考卷思路借过来检查初稿同样顺手。两边配合，备课耗时常常能压下去一大截，质量还更稳。

两条不碰的线：学业评价与师生沟通

这是 AI 备课的定位边界，两条线不能交出去。学业评价这条线：给学生的作业评定、成绩判断、评语反馈，直接关系到对学生的公平与责任，AI 可以列评价维度做参考，落笔的判断必须由老师完成；让机器替你给孩子下结论，出了偏差没人兜得住。师生沟通这条线：孩子在学习里暴露的畏难、困惑、情绪，需要的是老师当面的观察与回应，AI 读不到教室里的表情和沉默。备课环节交给机器，评价与沟通留在手上，这根线划清了，工具用起来才踏实。

不同学段的用法侧重

低年级重在设计游戏化环节，机器出的环节往往偏成人化，要逐个改成孩子听得懂的说法。好课堂与好模型的道理相通：模型训练讲究先热身，warmup 为什么是训练的第一步，课堂导入同样是给注意力热身。高年级重在与考试口径对齐，把评分标准喂给它，练习题才不至于跑偏；职业课堂强调任务驱动，让它按真实工单设计练习。课后服务、跨学科主题这类新场景，初稿的价值尤其明显。

教研组层面的协作用法

团队层面有一套协作玩法：把教研组公认的好教案喂给它当参照，让它归纳组内的设计套路，新老师备课先有一份「组内风格」的底稿；集体备课时，每人认领一版机器初稿现场改，比轮流主笔快得多。用得久了，再把往届学生的易错点整理成文档一并喂进去，初稿的针对性会明显提升；这些文档要按学期更新，旧学情喂久了反而误导。过程留痕、结果可回看，这种做法在 AI 系统里已经成熟，盯住执行过程的可观测性思路值得借鉴——备课档案越完整，下一轮迭代越有依据。

三个正文没展开的问题

机器初稿能直接交给教研组审吗？不建议。未经你修改的初稿缺本班学情的适配，先过一遍手、补上你自己的设计意图，再进组内流程。

学生用 AI 写作业，和老师用 AI 备课冲突吗？两边是同一件事的两面：工具都在提效，关键都在人的判断。老师备课的底线是评价与沟通不外包，对应到学生那边，就是学习过程与独立思考不外包，课堂规则可以这样讲给学生听。

用久了个人风格会被稀释吗？风险在懒用，不在工具。每节课留一段只属于你的设计——一个只有你能讲的例子、一个你班上才接得住的提问——全盘照搬才会失去辨识度。

AI 备课速查

• 四步流程：定主题、给约束、选初稿、动手改
• 约束喂足：年级、课时、前置知识、易错点、思维能力
• 数据、年份、引文必须核对，AI 可能编造细节
• 学业评价与师生沟通两条线，留在老师手里
• 每节课留一段只属于你个人风格的设计