一场让老师放下焦虑的AI培训,北航做了什么?

当AI能写教案、AI能生成课件插图、AI能批改作业的消息铺天盖地时，一个尖锐的问题摆在了每一位教育者面前：我们是要被替代的人，还是那个驾驭新工具的人？

4月25日至26日，30多位学员选择走进北京师范大学国际学术交流中心，参加首期“人工智能教师专业技能培训”，用两天时间给自己一个答案。就在培训举办前不久，教育部等五部门刚刚发布了《“人工智能+教育”行动计划》，明确提出要“提高广大教师的智能素养与技能”。政策的号角已经吹响，而这场培训，正是对时代命题的第一次落地应答。

这场由北京航空航天大学计算机学院中德联合软件研究所（AI for Science项目组）与北京师范大学科技集团北京京师教育培训中心联合举办的培训，从一开始就定调清晰：不教零碎的提示词技巧，也不只是教工具，而是帮教师建立起理解AI、应用AI、用AI重塑教学的系统能力。

和常见的教师培训不同，这群学员除了一线骨干教师外，也有来自联想、字节、微软等企业的技术人，甚至还有金融领域的从业者。教师与不同背景的学员共同参与学习与任务实践，在跨领域协作中不断碰撞出新的理解与视角。

从“什么是人工智能”讲起，围绕人工智能的基本定义、关键能力与发展简史展开。课程将人工智能放在计算机科学与交叉学科背景下理解，帮助学员认识到，AI不仅是当下热门的生成工具，更是一套涉及感知、学习、推理与决策的技术体系。

在正式进入线下集训前，学员先通过线上课程回到人工智能的来时路：从形式逻辑、图灵机、达特茅斯会议，到神经网络、控制论与人工智能学科的诞生。这样的预习安排，使后续线下课程不再只是围绕“某个工具怎么用”展开，而是建立在共同的认知基础之上。

4月25日上午，北京航空航天大学计算机学院博士生导师栾钟治栾教授围绕「洞悉原理之基：人工智能七十年」展开授课。

这一模块从人工智能的思想源头讲起，梳理从莱布尼茨的通用符号设想、布尔代数、谓词逻辑、图灵机与图灵测试，到1956年达特茅斯会议正式提出“人工智能”概念的关键脉络。

随后，课程进一步展开人工智能技术路线的演进：从符号主义、连接主义、行为主义，到专家系统、机器学习、深度学习和大模型时代；从AlexNet带来的深度学习突破，到Transformer奠定现代大模型基础，再到ChatGPT推动AI进入大众化应用阶段。

这些内容看似偏“原理”，但对教师而言，恰恰是理解AI应用的起点。只有知道AI能力如何形成，教师才不会把AI简单理解为一个“答案生成器”；只有理解技术发展背后的逻辑，教师才更容易判断它适合解决什么问题、不适合替代什么判断。

这也是本期初级课程“应用筑基”的第一层落地：先建立面向AI时代的基本认知框架，再进入具体工具、方法和场景实践。

在大模型应用方法课程中，培训进一步进入AI应用层面。

课程从Token讲起，解释大语言模型如何处理、理解和生成语言。随后，课程延伸至Agent，帮助学员理解AI如何从一问一答的对话形态，逐步走向具备任务拆解、工具调用和流程执行能力的智能体形态。

在这一部分，课程进一步讲解了大模型、对话、上下文、提示词、RAG、Function Calling、MCP、Skill等概念之间的关系，使学员能够从系统结构上理解AI应用的形成过程。

课程中的Harness部分，则把AI落地问题进一步引向工程化与可靠性。AI应用真正进入教学和管理场景，难点不只在模型本身，也在于如何设计稳定流程、调用合适工具、处理异常情况、控制输出质量，并确保结果可用、可检验、可持续优化。

对教师而言，这一模块的重要价值在于，它帮助大家看到AI应用背后的完整链条。课堂中的AI使用，不应只是“提一个问题，拿一个答案”，而应围绕教学目标、任务流程、学生特点和结果判断进行设计。

4月25日下午，霍建同老师和马老师继续带领学员进入AI应用与教学场景实战环节。

与上午的原理和方法学习相比，下午课程更侧重AI能力在具体任务中的使用与转化。

课程首先围绕提示词工程展开。提示词工程是通过精心设计自然语言指令，引导大模型输出符合预期结果的方法。课程从分隔符使用、结构化输出、风格信息、提供示例、明确步骤、迭代优化等方法展开，帮助学员理解：好的提示词并不是简单发出指令，而是要有清晰目标、充分上下文、明确约束和合适示例。

这些方法很快与教师的实际工作发生连接。在备课、课件生成、课堂活动设计、学习评价、教研材料整理等任务中，AI输出质量往往取决于教师是否能够准确描述教学对象、教学目标、课堂环节和评价标准。

多模态AI部分，则进一步拓展了教师应用AI的边界。多模态AI能够同时处理文本、图像、语音等多种信息，使AI不再只是文本生成工具，也可以参与图像理解、素材生成、课堂表达、项目作品支持和多形式学习任务设计。

现场学习中，学员关注的不只是“AI能生成什么”，也开始进一步思考“如何让AI生成的内容更符合课堂目标”。从最初关注课件、文案、材料生成，到进一步讨论年级特点、学科目标、教学环节和评价标准，学员的提问也逐渐从功能体验转向教学设计。

除课程学习外，本次培训还通过分组安排，促进不同背景学员之间的交流互动。

人工智能赋能教育，并不只依赖某一位教师掌握工具，也需要更丰富的教育生态共同参与。学校管理者、一线教师、教研人员、教育行业从业者，以及关注AI与教育融合的跨领域参与者，都可以在这样的学习场景中交换经验、提出问题、形成新的合作可能。

课间、午休和小组交流环节中，学员围绕AI如何进入课堂、如何辅助学生完成项目学习、如何帮助教师提升备课与评价效率等问题继续交流。不同学科背景、不同教学场景，也让同一个AI应用问题呈现出更多角度。

这样的交流，使培训不只是单向知识输入，也为后续持续性教研交流和教师能力成长支持奠定了基础。

4月26日上午，北京航空航天大学博士生冯文韬老师以「连接前沿之桥」为主题，将学习视野从教育教学应用进一步拓展到AI+X跨界融合。

这一模块围绕具身智能、AI医疗、AI for Science等前沿应用展开，并对前一日课程内容进行串联，为下午考试做准备。

具身智能部分，帮助学员理解AI如何从数字世界走向物理世界。AI医疗部分，展示了人工智能在影像诊断、药物研发、手术机器人和个性化治疗等领域的应用潜力。AI for Science部分，则进一步指向科学研究范式的变化：当AI能够分析海量数据、辅助生成假设、推动实验设计和结果验证时，科学发现的方式也在发生改变。

对教师而言，这些前沿内容的价值不只在于扩展知识面，更在于帮助教师重新理解未来人才培养的方向。

AI教育如果只停留在工具使用层面，很难回应学生未来面对的真实世界。随着AI进入科学研究、医疗健康、产业创新和社会治理，教育也需要引导学生形成跨学科理解能力、问题解决能力与技术伦理意识。

4月26日下午，学员参加现场考试，对两天课程中的人工智能基础认知、大模型应用方法、提示词工程、多模态应用、前沿技术理解与教学场景转化等内容进行集中检验。

从组织方式看，本次培训通过“线上预习—线下课程—现场考试”的安排，形成了初级阶段课程的完整学习流程。考试不是单纯的结果确认，也是在帮助学员对自身AI基础认知、应用方法和教学转化能力进行阶段性梳理。

按照项目设计，人工智能教师专业技能培训采用三级进阶路径：初级阶段聚焦应用筑基，中级阶段进入智能体进阶，高级阶段面向AI for Science科教融合。

本次首期线下课程的完成，标志着初级阶段“应用筑基”的一次扎实落地。它帮助教师完成从基础认知到应用方法、从教学场景到前沿理解的系统学习，也为后续更高阶段的能力进阶打下基础。

首期「人工智能教师专业技能培训」线下课程的顺利开展，是项目面向教育工作者开展AI能力支持的一次重要实践。

从4月20日线上预习，到4月25日至26日线下集中学习，再到4月26日下午现场考试，本次培训围绕人工智能基础认知、大模型应用方法、提示词工程、多模态教学实践、AI+X前沿融合与考试串讲等内容，帮助学员完成初级阶段“应用筑基”的系统学习。

更重要的是，本次培训没有把AI学习停留在单点操作层面，而是从底层认知、应用方法、教学场景、前沿视野和能力检验多个维度，推动教师重新理解人工智能与教育教学之间的关系。

面向未来，项目将继续沿着“应用筑基—智能体进阶—科教融合”的成长路径，帮助教师从AI工具使用者，逐步成长为AI教育场景的设计者、实践者与创新者。

我们也将持续关注人工智能与教育融合的发展方向，与更多教育工作者共同探索AI赋能教育教学、服务创新人才培养的更多可能。

👇👇关注公众号👇👇

了解更多YOUAI