夜雨聆风
去年春天，我第一次尝试把AI请进我的备课流程。说实话，起初是带着几分试探的——它能懂新课标吗？能理解我想要的单元整体教学吗？几轮尝试下来，我发现问题不在AI，而在我的指令是否足够清晰。当我摸索出一套行之有效的路径后，AI不再是一个简单的问答工具，而成了一个真正懂教学、能深挖的备课合伙人。
以下就是我逐渐沉淀下来的使用路径。
第一步：让AI“看见”我的教学内容
一切从图片开始。我把教材单元页、核心语篇、配套练习拍照上传给AI。这个动作看似简单，实则关键——AI需要第一手素材，而不是我转述的二手信息。
第一次尝试时，我只发了模糊的指令：“帮我分析这个单元”。AI的回答泛泛而谈，说了很多正确的废话。后来我意识到，它需要我明确告诉它：看什么、怎么看、看出什么来。
于是我的指令变成：“请仔细阅读我上传的这组图片，这是某教材某单元的全部内容。请提取单元主题、核心语篇类型、语言知识点和育人价值。”
这一步，AI给我的分析已经比我预想的要全面。它能把分散在几页教材中的线索串联起来，甚至注意到我忽略的细节——比如某个角落的配图其实暗示了文化对比的切入点。
第二步：注入新课标的灵魂
光有教材分析不够，我需要AI站在新课标的高度来重构这个单元。我把自己对课标的理解作为“设计理念”输入给AI：
“请基于2022年版义务教育英语课程标准，分析本单元属于‘人与自我’‘人与社会’‘人与自然’三大主题范畴中的哪一个？提炼单元大主题和子主题。请说明你的判断依据。”
AI的回答开始有深度了。它会引述课标中的具体表述，对照教材内容做匹配分析。比如有一次，它判断一个看似普通的“家庭活动”单元，实际上可以归属于“人与社会”范畴下的“和谐家庭与社区生活”，并建议将主题提炼为“在平凡家务中体认责任与关爱”——这个角度比我最初的设想深刻得多。
接着是学情分析。我会告诉AI学生的年级、已有知识储备、认知特点和可能遇到的困难。AI会结合单元内容，给出分层级的学情预判，甚至提醒我哪些环节学生容易产生思维疲劳。
最让我惊喜的是单元主题框架图。我只需要说“请用层级结构呈现本单元的主题内容框架”，AI就会输出一个清晰的图示逻辑——从单元大主题出发，分解为几个子主题，再落实到具体的语篇和活动。这个框架图直接成为我后续课时计划的蓝图。
第三步：明确课时计划，让AI进入实战
框架搭好后，我会告诉AI我的单元计划共分几个课时、每个课时的核心语篇和主要任务。例如：“本单元共3课时：第1课时为听说课，语篇是……；第2课时为阅读课，语篇是……；第3课时为为项目式输出。”
这时候，AI已经对全局有了把握。它知道每个课时在单元中的位置、前后关联以及各自承担的功能。
第四步：课时语篇研读——指令越清晰，输出越接近理想
到了单课时设计，AI的表现真正让我感到“被赋能”。
我按照新课标要求的“语篇研读”三个维度——What（内容与主题）、Why（作者意图与育人价值）、How（文体特征与语言结构）——给AI下达指令：
“请对第1课时的对话语篇进行三维语篇研读。What层面要提炼核心信息和主题意义；Why层面要分析作者的隐含意图和可以挖掘的育人点；How层面要关注话轮结构、功能句型和语境化表达。”
AI的研读成果往往比我独自备课时更系统。它能在Why层面敏锐地发现一些我读了好几遍都没意识到的情感暗线——比如一次对话中某个犹豫的语气词，AI指出这体现了角色的真实心理冲突，恰好可以作为情感教育的切入点。
但如果我的指令太笼统，比如只说“分析这个对话”，AI的回答就会明显变浅。这一点我反复验证过：指令的颗粒度决定了输出的质量。当我要求它“结合三年级学生的认知水平，聚焦对话中的三个关键话轮”时，它给出的研读才真正具有课堂操作性。
第五步：教学详案——问题链落地的魔法时刻
最让我惊艳的是做教学详案。我提出了一个关键要求：“请使用问题链的方式设计本节课的教学过程，以此落地教学评一体化和英语学习活动观。”
这个指令触发了我所见过的最优质的AI输出。
它会把一节课分解为三个层次的“活动链”，每个层次对应一组精心设计的问题——
学习理解类活动：问题围绕“事实提取”和“信息梳理”。比如：“谁在说话？他们做了什么？第一步发生了什么？”这类问题帮助学生进入语篇，完成基础信息的获取。
应用实践类活动：问题转向“关系发现”和“初步运用”。比如：“为什么角色A会这样说？如果你是角色B，你会怎么回应？这段话里哪个词最能体现角色的心情？”学生开始用自己的语言描述、解释、初步运用。
迁移创新类问题：问题指向“价值判断”和“真实问题解决”。比如：“你同意角色A的做法吗？为什么？在我们的生活中，有没有类似的情境？你会怎么做？”
更妙的是，AI会在每个问题旁边标注预期的学生回答（预设）、评价要点（教师怎么判断学生懂了）、以及如果学生答不上来可以用的支架性问题。这恰恰是“教学评一体化”的落地方式——评价不是课后的测试，而是嵌入每个问题的即时反馈。
我仔细比对过我自己设计的问题链和AI生成的版本。AI在问题的逻辑递进上更加严密，几乎不会出现跳跃或断层；而且它特别擅长设计“认知冲突型问题”——那些让学生停下来想一想、甚至产生争论的问题，恰恰是思维活跃起来的地方。
路径之外的一点反思
当然，AI不是完美的。它有时会过度解读文本，给出不符合学情的“高深”分析；有时生成的活动设计过于理想化，在真实课堂上可能难以驾驭。所以我从不直接照搬，而是把它当作一个有经验的“第二大脑”——它给我提供丰富的可能性，我根据自己对班级的了解做取舍和调整。
另外，这条路径的核心不是AI的技术有多强，而是教师的设计理念有多清晰。AI需要我先把新课标的精神内化、把单元整体教学的路数想明白，它才能在我给出的轨道上跑出深度。换句话说，AI放大了我的专业判断，但不能替代它。
现在，我把这套路径固化成了一个“备课提示词模板”，每次只需要替换具体内容，就能高效地获得高质量的分析和设计。备课时间缩短了将近一半，但教学设计的深度反而提升了。
这大概就是人机协同的理想状态：我做最擅长的顶层设计和价值判断，AI做它最擅长的信息处理和结构生成。我们各自站在自己的位置上，共同完成一份有温度、有深度的教学设计。
