想用 AI 帮自己的老师很多。可很多老师一开始接触 AI，迎面碰上的就是一大堆工具和名词：这个听说好用，那个听说很厉害，工具五花八门，不知道从哪儿下手。

接下来，我想以一个普通教师的经历，来展示我们老师可以从哪里入手AI，又可以怎样一步步地提高运用AI的能力。

prompt：让AI做自己的顾问

假设有这么一位老师，小张，他要上公开课，课文是《沁园春·雪》。备课时他想给学生介绍一下作者，可网上的资料太多了，要想从中筛选出对学生最有价值的内容，需要一一读完，可那就太费时间了。

他想起了 AI，问了这么一句，这句话就是prompt：

假设你是一个语文教师，你会如何向学生介绍《春江花月夜》的作者？

这个问法其实挺聪明，先给它一个身份，让它的回答符合教学场景。AI 给了小张很好的回答，既筛选出了和教学目标相关的人物简介内容，还把怎么跟学生讲解都标注清楚了。小张很满意。

顺着这个势头，他接着问了第二句：“新课标里对诗歌教学有什么建议、方法和要求？”

这回不对了。AI 的回答虽然依然有条理，有底气，但里面混进了一些旧版课标的内容——有些说法在新课标里已经改过了。看得出来，AI出现错误了。而且这种情况还比较普遍，小张问AI课文里某个字怎么讲，它讲错了，而且它引用的一些教学案例、名家评论，根本找不到出处。

这下可就麻烦了，麻烦不仅是AI会犯错，还是AI的错误我们很难发现。它答错的时候，语气跟答对的时候一模一样，一样地肯定、一样地自信。

这里的 AI，就像一个学了很多东西，但都是一知半解的学生，他能说出很多东西，但这些东西是否可靠，那就听天由命了。

RAG：让AI做自己的专属顾问

该如何解决这个问题呢？小张的办法很朴素，询问课标的意见时，小张学习网上的方法，把最新版课标传进一个知识库，然后要求 AI 只从这里面找答案，别处的东西都不许用。这就有一个好处，它可以避免AI被互联网上鱼龙混杂的信息误导，也能节约小张核对AI回答是否有依据的成本。

这种做法有个名字，叫 RAG，也就是先把资料上传给AI，向AI提问后，AI会到你上传的资料里去找相关段落，再按照这些段落回答你的问题。AI说的每一句，都能在这份文件里找到出处。这就意味着，你能便捷地核对AI的回答是否有依据了。之前它引一段教参、引一句名家评论，你要么干瞪眼，要么满互联网地查找资料去核对；现在AI会把它的依据出自资料中的哪一处都标记得清清楚楚，它的回答是有真凭实据，还是信口开河，你一望便知。

不过这里也要说一说RAG这种技术的软肋：知识库里放什么，还是得你判断。你放进去的资料本身错了、过时了，它照样给你答得整整齐齐。它只保证“我就是照这份文件说的”，不保证“我这么说是对的”。

tool-calling：让AI可以用工具完成任务

课标层面的要求理清了，小张接着收集资料。资料攒够了，新的问题来了。

这些资料全都躺在对话窗口里。想往上翻找一段，得翻很久；翻着了，想在上面划两笔不行；想打出来带进办公室读，也不行。

于是小张就想：这些整理好的资料，能不能直接变成一个 Word 文件？要是能顺手把教学课件的 PPT 也做了，那就更好了。

于是他换了个软件——打开 WorkBuddy 这样的 AI 助理工具，让它自己调用外部工具去生成 Word 和 PPT。

让 AI 调用外部工具去做事，技术上叫工具调用，英文写作 tool calling。名字听着唬人，其实就是让 AI 伸出手，去用别的软件。

前两档，AI 都在说话。这一档它开始干活了。它交给你的东西，不再是一段聊天记录，而是一个能存下来、能打开、能修改的文件。

这里还有个不显眼的门槛：不是每一个聊天窗口都能替你动手。要它干活，得用带工具的软件。这也是为什么走到这一步，很多人需要换个地方用 AI。

skill：让AI能完成复杂的事情

小张打开AI 生成的教案，发现这教案禁不起细看：诗文里的知识点，一条一条照本宣科地讲下来。哪句用了什么手法、哪个字用得好、这首诗表达了什么，它讲得清清楚楚，几乎挑不出错处。可是这节课里，没有情境，没有让学生去想象，也没有设计什么活动让学生自己动脑动笔。新课标倡导的让学生在语文实践里感受诗歌之美的事情从头到尾都没有发生。总之，这是一份非常平庸的教案。

为什么会这样呢？因为AI并没有教学经历，不知道撰写一份教案前需要怎样分析教材、阅读教材、把握学情，撰写教案时要怎样排列重难点、设计教学活动等，这些和撰写教案有关的方法、技能，它都不知道。于是它只能使用自己之前被投喂过的教案素材，照猫画虎地仿写一份。这就相当于让一个没有教学经验的人写教案，他写出来的教案怎么可能够用呢？

于是小张认为需要把自己撰写教案的经验整理出来，交给AI，让AI学习自己是怎么备课的、怎么设计教学的、怎么整理成教案的。于是他把自己的方法写了下来，整理成一份说明，交给 AI。

这种写给 AI 的说明，现在大多叫 skill。你可以把它理解成一份操作手册：你平时怎么分析教材、怎么定教学目标、怎么设计学习活动，一条条写清楚；哪些做法你不许它用，也一并写上。它一接到任务，就先读这份说明，再照着你说的做。

这个操作手册和你在聊天框里随口交代的prompt不一样。随口交代的prompt只管这一次对话，新开一个对话它就忘了；写成 skill，AI就有了一份可以复用的东西，往后每一次AI都会照着做。

那么skill里的说明是怎样的呢？我们可以来看看下面这个例子：

## 技能名称：语文课文教学设计技能## 核心宗旨教学设计严格遵循义务教育语文新课标，落地四大语文核心素养：语言建构与运用、思维发展与提升、审美鉴赏与创造、文化传承与理解。教学设计全程坚守三大核心原则：有意思、有意义、有挑战性。- 有意思：让学生乐于参与课堂学习- 有意义：保证学生获得扎实可靠的学习收获- 有挑战性：设置适度难度的学习目标，激发学生思维## 强制教学规则（必须全部遵守）1. 单核心统领原则从课文提炼**1个贯穿全课的核心关键问题/核心关键词**，全部教学环节围绕该核心展开，不得偏离。核心问题/关键词要求表述简洁易记、能激发学生兴趣，鼓励新颖表达，但不能晦涩难懂。

…………

方法交出去以后，AI 的教案确实变了，它不再是网络上那些平庸的教案，相反，它开始按照小张的备课思路、教学习惯来编写教案，写出的教案既达到了小张的水平，又体现了小张的风格。

这时，相信敏锐的你一定发现了，AI产出的结果，很大程度上取决于用AI的人的水平。如果用AI的人，有丰富的教学经验，卓越的教学艺术，还能把自己的教学实力用清晰明了的语言表达出来，整理成可以供AI使用的文档，那么AI就能产出优秀的成果；但如果用AI的人，自己都不知道教学有什么注意事项和方法，那AI的实力也会埋没于其间。

workflow：让AI自动地完成一系列任务

运用AI的帮助，小张上完这节课后，又开始着手准备下节课。这时他发现自己要再带着AI走一遍上一次的流程：研读课标、研读教参、分析教材、分析学情、定目标、写教案、做课件，每一步都需要重新告诉AI要做什么，怎么做。

小张觉得，这可真麻烦啊，要是能把这个流程固定下来，以后告诉AI要生成哪节课的教案，AI自己就能按照流程去备课、写教案、写课件就好了。于是小张把这些步骤整理成了一个叫workflow的东西，以后只要把课的基本信息填进去，AI就能自己按顺序往下跑，一步一步交东西。这么做，不仅能省下交代AI的时间，还能省下每一步的注意力——小张不必关注AI做到哪一步了，反正AI会自己推进，一步步地完成教学的设计。

使用了几次之后，小张还发现了一个好处，那就是，一旦把原先存在于经验之中的流程写下来之后，这个流程就变成了一个可以不断改进的东西，每当小张发现了更好的做法，就可以直接在流程上做改进，从而让这个流程可以不断更新迭代，极大地促进了小张的成长。

agent：让AI自主规划和完成复杂的任务

小张的学校对AI赋能很感兴趣，听说小张在这方面有多探索，于是让小张开一门课，给学校老师讲一讲这方面的经验。

可小张语文课上得很多，AI的课，可一节都没有上过，完全没有教别人AI知识的经验。那这门课怎么设计呢？小张想了很久也没有想明白，上课的日子越来越近了，小张决定请AI帮忙。

可这一次，情况有些不同了。之前要AI帮忙做什么，怎么做，小张都有清晰的想法，但这次呢？小张只知道要设计出一门让学校老师受益的AI课，压根不知道要设计什么内容、采取什么方法。

于是小张决定只告诉AI要做什么事情——设计出一门面向学校老师的AI赋能课程，至于如何设计这门课程，就由AI自己去计划和执行。而AI 也没有辜负小张的希望，它收到指令后，开始自主规划整套课程：确定培训对象痛点、设定课程目标、划分课时模块、挑选案例、设计课堂活动、准备配套练习与课后任务，并一步步地实施自己拟定的计划。半天后，AI就把这门AI赋能课程的课时计划、课件和练习题都制作出来了，并发给了小张。

这种由AI自主规划并实施的工具，就叫作agent。

成为开发者，与大家共享AI的能力

听完小张的课程后，老师们也开始探索用AI赋能教学的方法，为了节约大家探索的时间，学校找到小张：能不能做个工具，把你探索的成果封装在这个工具里，供全校老师用？

这时可能有读者会问：豆包、deepseek这种AI，打开聊天框就能用，什么都能聊，让同事们直接用它不就行了？为什么还要做成一个工具呢？

这是因为小张探索出来的那些成果，一个都装不进那个聊天框。同事要的不是“一个会聊天的 AI”，而是“我们学校设计一节课的整套做法”：课标在哪儿找、教材怎么分析、目标怎么定、教学活动怎么设计。这些东西现在都在小张的知识库里、 skill里、工作流里，是他一个人的家当。要让同事用上，除非每个同事都去建一遍知识库、抄一份 skill、画一份工作流——而大多数老师不会去干这个。

所以小张开始用 AI 开发一个设计教学的小程序，把自己的知识库、skill和工作流都封装进去了。同事只需要输入课的名字，小程序就能按照要求输出相关教案和课件。

最后

在本文的起点，小张使用AI的方法是与AI对话，在本文的末尾，小张的同事们使用AI的方法也是与AI对话，可AI回答的结果却天差地别。为什么呢？因为在这之间，小张逐渐给AI装入了知识库、工具、skill、workflow，这些东西让AI不再是想到什么说什么，而是有了思维的素材、设计的方法、使用的工具和有序的流程，极大地提升了AI赋能的效果。

实际上，一个教师探索AI的进程不必止步于此，这条路依旧可以向前延伸，延伸到很远很远的地方。只是，再往远处走，需要的不仅仅是个人的能力和热情，还需要科研平台的支撑、大量算力的供给。愿每一个有志于此的同行，都能得到这样的支持，一同见证更远处的风景。