ARTICLE · 1103001
1176【学科探究】“AI赋能语文教学工具与实践”(五)依标据本,用Workbuddy备常态课
AI赋能语文教学工具与实践（五）——如何依标据本，用Workbuddy辅助备课
深圳市龙华区教育科学研究院附属学校 石梅
一、从“对话”到“干活”
备课这件事，语文老师都懂——教参翻烂，课件拼凑，每年都还看不上之前做的课件，除了构思，一节课背后是大量的时间用来重复的搬运和排版。而真正属于“教学决策”的时间，反而被挤压得所剩无几。
常见的大模型如豆包、deep seek，“驯化”后的确可以生成还不错的教学设计，但做课件还是需要一个搬运过程。以及，它们还有一些隐形的缺点：忘记上下文需重新对话、经常出现不够忠实课标教材的情况，更可怕的是会出现AI幻觉，比如杜撰一些让我们信以为真的资料……
我想：能不能让AI承担“做课件”的体力活，把“教什么、怎么教”的判断权留给老师自己？
如何让AI生成的教学设计能依标据本，能对接中考考点，能设计教与学的活动，还能模仿自己既有的教学风格？
如何让AI生成的PPT，不是“一堆文字”，而是“能直接上课的视觉化教学流程”？
如何让这一套流程自动化为一套框架，以后的备课都能在此基础上优化？
那么，应该可以尝试让AI agent成为能理解自己教学风格的助手去干活啦。
于是，我尝试用Workbuddy跑通了这样一条路径：
输入课标、教材和教参等作为知识库→撰写提示词初建备课项目平台→输入指令，生成教学设计文稿和PPT→拍板修改→形成可沿用的备课逻辑。
以《济南的冬天》为起点进行测试，对话打磨课件，到初次尝试输出《从百草园到三味书屋》2课时的教学设计和课件。
跑通后，以后的课件体系就都可以走这条路径了。
以下是第一次跑出来的课件，看看助手的工作效果如何吧👇
左右滑动查看更多
左右滑动查看更多
二、我是怎么做的？
第一步：前期准备——安装skill，建立“知识库”
在Workbuddy中建立知识库文件夹（注意不要太多太杂)：
01教材文件夹：存放课本PDF
02课标文件夹：义务教育语文课程标准（2022年版）PDF
03教参文件夹：存放教参对应页面的拍照图片（图片含我的手写批注,勾画。哪些内容必讲，哪些可略，哪些与课后习题对应，哪些教参建议3课时但我只想2课时上完——这些判断，直接用红笔批注在教参上了。）
04教学论文：（暂未放）
05既往课件：（用来分析学习既往教学流程和课件风格）
第二步：搭建工作台——让AI理解“我的意图”
输入提示词，明确角色、需求、限制、输出格式、质量要求。这一步非常关键，前期设置好，后期少走弯路，可借助deepseek 豆包等常用大模型辅助。（10min及以上）
2.学习已有的课件，如《济南的冬天》，测试。（4min）
3.尝试打磨，调试，优化指令，每次修改都会形成“记忆”。（20min左右）
第三步：输入指令——让AI执行
我输入的指令是：
“按照此方法，备课第三单元《从百草园到三味书屋》，教参建议2-3课时，我想先看看2课时版本，先出设计，拍板后生成课件。思路：关注课后习题的逻辑，以及在教参图片中手写笔记的部分。”
这个指令包含三个关键信息：
课时要求：明确2课时，不接受教参的3课时建议
内容依据：以课后习题为逻辑主线，以教参手写批注为取舍标准
输出格式：先看备课文稿，确认拍板，再生成PPT
第四步：AI执行过程中——识别、增删、生成
Workbuddy调用了以下能力：
识别教参图片中的手写批注（哪些内容我圈了、划掉、写了“必讲”）
理解课后习题的逻辑链和对应的课标学业质量要求的能力点
生成备课稿：按我的课堂“三环节”结构，1个核心问题撬动2-3个任务，每环节配笔记区提示中考考点。
生成PPT：字体、格式、笔记区高亮均按要求输出，可编辑
我们还可以沿着这一条脉络延伸去，优化我们的备课台，让它形成学案、教学设计、课件、说课稿、教学反思一条龙。
三、与AI协同备课的一些原则
1.AI提供“多种可能”，而老师保留专业的“选择判断”
AI的价值在于拓宽可能性，而不是替我们做决定。比如它会给你三种课堂环节展示形式、两种笔记排版、四种作业设计——但哪一种最适合学生、最贴合你的风格、最符合你的课时要求，只有自己能判断。
操作要点：不要期待AI一次给出“正确答案”。把它当作一个能快速生成多个方案的助手，我们的任务是从中挑选、组合、拍板。
2.将确认点前置，比后期返工更省力
操作要点：
在输入指令时，就把关键决策点说清楚，如：课时要求（比如教参建议3课时，但我决定只上2课时）
课堂环节（开展多少教学活动）内容取舍标准（课后习题对应的必讲，其他可略）学生笔记分区（归入学生活页笔记本哪一区）PPT格式（字体、笔记区位置、配图方向）
先想清楚再动手，比写了再撕重写快。确认点越前置，返工越少。
3. “养”AI——让它记住你的抉择，内化成新指令
这是Workbuddy区别于普通大模型的核心优势。每次你做出“拍板”动作——删了什么、调了什么、改了什么——它都会记住。下一次备课，它会沿用你的风格，自动按你的取舍标准生成内容。
操作要点：每次修改后，给AI一个明确的反馈指令：“以后遇到类似情况，都按这个标准处理”。把反复使用的取舍标准固化为“指令模板”。
意味着，前期的学习成本会因“养的过程”稍微高一点，一旦跑通，后期的AI助手就会越来越“聪明”啦。
最后，以这次暑期参加的市级AI赋能种子教师培训中一位老师说的话为收束，“好的AI不会取代好的老师，好的AI会让好的老师更加强大。”
文图：石梅（龙华区教育科学研究院附属学校）
初审：钱雅纯（龙华区行知学校）
终审：史俊瑞（龙华区外国语学校教育集团）