我不懂教学,如何给AI＂名师判断力＂建供应链(一)

团队没有一个懂教学的，但要做"像老师那样讲题"的 AI 产品。这件事要成立，先要解决一个问题：好老师讲题的判断力从哪来、怎么持续获得。这篇讲我们的解决办法：拆个课、建雷达供料、用蒸馏工艺加工。

一、先搞清楚要的东西长什么样：拆一份课件

做技术的第一步不是学教学理论，是找一个经过验证的样本拆开看。我们拆的是互动课件《雅尔塔会议的一种版本》（高考山东卷真题讲解），共 23 个步骤。

拆解后的事实是：23 步里只有 4 处提问，其余全是讲解。但这 4 处提问，每一处都对应一个真实的学生错误：

• 第一处针对"整句当史实"：材料里"苏军在波兰展开攻势，把英美军队从覆灭的威胁中拯救了出来"，学生容易把整句划成史实，而后半句"拯救"其实是观点；
• 第二处针对"答非所问"：第二问问"解释形成的原因"，学生容易答成"会议召开的原因"；
• 另外两处分别针对"空泛建议"（"应该更全面"）和"证据误读"。

反馈的设计也有讲究：学生答错后不给答案，只说"你注意到了苏军的行动。再看后半句"——先接住学生已想到的部分，再指向漏掉的部分。

结论：这份课件的核心资产是预判——写稿者提前知道学生会在哪儿想错。我们称之为"障碍点"。这就是要找的原料。

二、验证普遍性：29 期期刊里的证据

一份课件可能是孤例。我们把《历史教学》2024–2026 年共 29 期（约 270 万字）全部检索了一遍，确认"预判学生错误"是普遍做法而非个例。两条代表性证据：

证据一：2024 年福建卷明嘉靖沿海卫所军户柱状图题，正答率 20.05%。36% 的考生选"倭寇问题严重"——看到"嘉靖""沿海"即自动联想，未读图；29% 的考生用排除法后看柱子高低不一，自洽出"沿海经济发展不均"而错选。

证据二：雅典自杀法律题。学生普遍正向思维误选"雅典尊重生命"，正确解法是抓住"自杀需申请批准"做逆向推理——规定的实质是对个人自由的限制。期刊中的讲题示范全部是冲着这类错误点去的。

理论上，这与奥苏贝尔"影响学习最重要的因素是学习者已经知道了什么"以及讲评课"以错定教"的原则一致。

到这里可以确认：预判是行业通法，且可以被记录和收集。这是供应链有货可运的前提。

三、把方法写给 AI：从规则清单改成六个问题

第一次尝试是失败的。我们写了"明白纸 v0.1"：四步管线、规则清单、十条翻车检查表，被评审否决，原话是"你现在是削足适履，不是丰富完善"。

原因：名师的判断不是规则，是遇到具体情况时的选择。规则清单让 AI 照单填空，产出的是不出错的平庸稿。

改为"明白纸 v0.2"：不写规则，写老师备课时心里过的六个问题——①这道题要学生做出什么思维动作？②学生会在哪儿拐弯、卡住、想过头？③钥匙藏在材料哪个角落？④哪个弯停下来互动、哪个直讲？⑤学生答错了此刻最需要什么？⑥学生从这道题带走什么可迁移的动作？AI 必须先答完这六问，才许写讲稿。

用 2025 湖南卷"国球"短文题盲测（无任何现成学情）：AI 按六问挖出了两把钥匙——材料出处《国家认同与集体记忆》直接给出了论点角度，1937 年"便是我民族发扬之时"是材料自带的点题句；并预判出"流水账""史论分离"两类学生错误。但五个预判的弯里只有一个有实证，其余是推测——推测如何验证，是第二篇的主题。

四、原料的持续供给：雷达

知道原料在哪之后，下一个问题是持续获取。靠人翻期刊、刷视频是运气活，不稳定。我们的做法是把"发现"自动化：部署了一台雷达（changedetection.io），目前 27 个监视点，分三层：

• 网页层（15 个点）：《历史教学》《中学历史教学参考》《中国考试》等期刊官网，山东、浙江、湖南等省教育考试院栏目（试题评析发布口），教研平台和名师工作室网站；
• 公众号层（30 个点）：通过搜狗微信搜索监视"中国考试""历史教学编辑部"等账号的新文章；
• 视频层（15个点）：B 站高考历史讲题类 UP 主，新视频抓取 AI 字幕转文本。

雷达发现新内容后写入"素材登记表"（来源、日期、素材分级、表演风险标注），人工每周花两分钟勾选，勾中的进入蒸馏。公众号文章则给一个链接即可秒级提取正文转 Markdown。

五、原料的加工：蒸馏工艺

素材变成可用资产，要过一道蒸馏。我们的流程是六步，每一步都有明确规则：

1. 定位关键事件：不全文通读，先扫描判断密度最高的地方——分歧点、转折点、学生卡壳处、教师"停下、拦住、放过、追问"的瞬间；
2. 按提取单提取（每条六样）：题目与情境；判断痕迹（停/拦/放/追，保留原话）；真实学情记录（学生错误原话、得分率——有就记，没有空着，不许脑补）；判断依据；可迁移模式；层级判定（这条属于经验、知识还是认知层）；
3. 反合理化追问：每条自问"这是教师当时的真实判据，还是事后写文章的合理化解释"，存疑的降置信度；
4. 质检（先于入库）：讲不出具体情境和依据的条目直接扔掉；
5. 五层分口入库：经验层进格子文件（按题型×环节分类）、知识层进模式区（同一模式在三个独立来源重现才转正）、认知层进框架区、元认知和价值观层交人裁决；
6. 入库后三动作：更新索引、回填素材登记表、按层分流去向。
   

库里的条目都长一个样，以一条真实条目为例：【因果题·拦】学生答"商鞅确立新秩序所以秦国富国强兵"，教师用晁错削藩、王莽新政、王安石变法皆败来拦截，追问"不确立新秩序能否富国强兵？"（出处：《历史教学》2025.06，名师实证）。

目前库里有 163 条这样的资产：65 条判断样本、49 条判断链、34 条学生错误案例、若干高层模式与框架。每条都带出处和置信度标签。

小结

进口这一段的做法可以压缩成三句话：拆真样本找到"预判"这种原料（雅尔塔、期刊）；建雷达让原料持续不断供（60个监视点）；用蒸馏工艺把原料加工成带标签的资产（163 条入库）。

下一篇的问题是：这些资产和 AI 用它做出的预判，准不准、谁来验？——质检环节，27 个AI弯老师全打了勾。