夜雨聆风
从智能体到“龙虾”，高效能老师应该配备哪些AI工具？
事实上，在选择任何一个工具之前，必须首先明确自己的目的，比如教学目标是什么？要解决什么问题？目的越明确，选工具和使用的效果就越好。
2026未来学校智能峰会，长期研究“教师AI应用”的艾迪鹅创始人秦阳、深圳市龙岗区教师发展中心教研员吴向东，分享了如何让AI从一次性帮手变成可复用的系统，让老师真正从繁杂事务中解放出来。
围绕教师日常工作，常用的AI工具可分成四类：大模型、智能体、现成应用和AI助手。不同的问题，用不同的工具解决。哪些工作适合用智能体，哪些适合搭建“AI助手”，取决于不同的场景需要。
通用大模型：
适合低频、专业度不高的事务
改通知、整理会议纪要、润色课件，分析材料结构、预判课堂风险，低专业度的事，适合大模型（如DeepSeek、豆包）作基础处理，节省时间。可以用大模型进行初筛、当作陪练，最后取舍仍由教师完成。
场景1：拆解名师教案
拿到一份特级教师教案，过去往往要自己慢慢看、细细琢磨，几遍才能摸到门道。现在可以先让AI提取优质教学材料里的结构和方法，再根据这份教案里的思路，帮助自己的新课题做整理。
示例——
这是一份特级教师的教案[上传附件]请你从以下维度做深度拆解：1.整体结构：教案分几个环节？时长与权重如何分配？2.教学目标：目标是如何陈述的？3.导入设计：用什么方式切入？为什么这样设计？4.主问题链：核心问题有几个？它们之间是什么关系？5.活动设计：学生活动vs教师讲授的比例与节奏如何？6.追问与生成：预设了哪些学生回答？对应的追问策略是什么？7.评价与反馈：用什么方式检测学生是否达成目标？8.隐含的教学理念：这份教案背后透出哪种教学观？分析完成后，请严格套用以上拆解出的设计思路，为我的新课题写一份教案。[附自己的信息，比如学科、年级、课题、课时、已有素材等]
场景2：打磨公开课
公开课磨课也是类似场景。可以这样做：先给大模型设定角色，比如“语文特级教师”，再把公开课的基本情况、教材内容、学生情况和已有素材发过去，让它按步骤参与打磨。
好的磨课，重点是提前看见课堂可能在哪里失控、在哪里空转、在哪里经不起追问。教案文字修得漂亮，只是表层。当然，AI给出的判断只适合作初筛，最后还要回到教师对学生、教材和课堂现场的经验。
示例——
你是资深语文特级教师，请帮我打磨五年级上册《圆明园的毁灭》第二课时，学情是[填写信息]，课时40分钟。课程初稿如下：[上传附件]第一步，请先一句话诊断：这节课最核心的问题是什么。第二步，罗列5个翻车点，每个点要说明：哪个环节、为什么会翻车、具体的改法（必须是动作级，不接收抽象建议）第三步，课程预演：评委最可能提问的3个问题，互动环节学生最可能给出的2个意外回答，以及我该怎么接。注意：不用说优点，不要用“整体不错”、“建议加强”、“可以考虑”这类反馈。
智能体：
把经验变成“可复制的流程”
当一项工作反复出现，大模型的问题就会暴露出来：每次都要重新交代背景。要反复告诉它自己教几年级、用哪个版本教材、希望输出什么格式、哪些空话可以省掉、先看什么再看什么。次数多了，就成了新的负担。
这类工作，如果背后有相对稳定的专业标准，就适合做成智能体。
场景3：搭一个教学设计诊断智能体
搭建教学设计诊断智能体，要梳理以下内容——
角色：它有什么背景？画像如何？
技能：它能帮助我做什么？
目标：实现什么？
约束：输出有什么要求？
工作流：先做什么、再做什么？
它不能只是一个会说好话的工具，而要像有经验的教研同伴：能识别教学环节，预判问题，给出可执行的替换方案，识别盲区，预演课堂突发情况。
约束要写清楚。比如，不要说“整体不错，建议加强”这样的空话，不要只提优点；要指出具体问题，说明原因、课堂后果和替换办法。否则，智能体只是把套话自动化，并没有把教师经验留下来。
流程上，它可以先接收教师提供的教学设计，后续不再反复追问背景；然后输出诊断，再进入多轮模拟和预演。
这有点像老教师带新教师。过去，一位老教师可能要花一年、两年带一个新教师。现在，如果能把这些规则和经验提取出来，设定到智能体里，可以稳定地帮助更多教师做初步诊断。
智能体角色设置参考框架
场景4：搭建学生作文指导智能体
吴向东设计过一个高考作文指导智能体，通过苏格拉底式提问指导学生写作：每轮只解决一个问题，不贪多；致命问题没有改到位，不进入下一个问题。
比如，针对测试中的深圳二模作文题，它会先追问：“你努力成为值得保卫的，这句话主语是谁？材料里说的值得保卫，主语是国家还是个人？你再回去看看材料，想一想你的论点有没有把这两个东西混在一起。”
智能体不直接给答案，而是把学生重新带回题目和自己的文本；也不替学生改出一篇完美作文，而是引导学生自己想清楚、自己写出修改稿。
AI应用：
便捷生成高质量学习资源
有些工作不必从零搭建，很多AI应用已经封装好了。相关AI应用很多，每个工具擅长的方向不同。豆包、扣子（Coze）里也能找到别人做好的智能体。
教师不一定什么都自己做，会筛选、会组合、会调用，也是AI时代的一项必备能力。
场景5：精准生成知识信息图
AI生图给教学过程中的直观呈现带来便利，最新推出的GPT Image 2工具进一步降低了这个门槛。
输入“植物细胞和动物细胞结构对比”，可以生成对比图；输入“火山内部结构横截面，比例16:9”，也能在一分钟内生成相应图片。知识图、物理知识卡片、历史课插图、地理板块构造示意图，过去需要教师到处找素材，现在可以先由AI生成。
场景6：用AI生成课件
五年级课文《圆明园的毁灭》，网上直接搜索到关于圆明园的照片大多是遗址，或者烧毁之后的情况。没有图，课堂就只能依靠文字讲述。学生很难感受到被毁之前的美和被毁之后的惋惜。
这时可以让AI生成画面。比如，把课文里的“蓬莱瑶台”发给生图软件，让它生成对应画面；再把“众星拱月”这样的布局输入进去，让原本不好描述的抽象概念变成可见画面。
之后，再用工具做配音、配乐、高清化，最后做成课件展示。AI补的是普通教师过去很难具备的呈现条件，不是教师的教学判断：不会画画、不会复杂软件，也能先把一个抽象概念变成可被学生看见的材料。
AI视频《圆明园的毁灭》
自主式AI：
属于“你”的私人助教
智能体面对一类任务，AI助手面对一个具体的人。
教师有固定学科、固定年级、长期项目、表达偏好和工作卡点，需要的就不只是一个反复对话的窗口，而是一个长期协作的助手：能持续积累记忆，理解他的工作场景、习惯和偏好。
场景7：自动整理讲课内容
如果经常需要把讲课内容整理出来，做成文稿、课程或新的选题。过去这件事很容易被拖掉：讲完课已经很累，录音放在那里，什么时候整理、怎么整理，都要重新找时间。
现在，可以在上课时开着录音笔记类软件，龙虾自动提取前一天笔记里的录音文件，整理哪些内容可以写文章，哪些可以做到课里，哪些可以继续发展成文稿。
这里的价值不靠AI一次性写出成品，而靠它每天主动把散落的材料捞起来，先整理成可判断的线索。对忙碌的教师来说，一个60分初稿，往往比一堆录音文件更容易启动。
案例8：课后反思追问
在听一堂科学课的时候，吴向东随手拍下学生用木头做船、承载螺帽的照片，发给自己的AI助手。AI助手自动识别出这是“用浮的材料造船”这节课，并整理出这节课对应的课标核心概念、工程设计步骤，以及几个设计方案的特征对照表。
它还识别了可能的失败模式，并提出教师可以怎样追问，帮助学生反思浮力、沉浮概念和设计改进。比如，有的学生为了让船不歪，把螺帽都叠放在中心位置；有的设计看起来能浮，但对“重的船会沉、轻的才能浮”这类概念理解并不清楚。AI给出的追问，能帮助教师把这些课堂现象转化为后续讨论。
AI助手能给出有价值的提问建议，是因为长期训练它，把“提问是推进学生思考的第一基础”这一探究式教学原则嵌入其中。它不是看图之后突然变聪明，而是在长期协作中，被教师的原则、标准和反馈持续塑造、进化。
场景9：教材研究
作为教研员，吴向东的一项工作是教材研究。他尝试让AI分析两种教材——提供分析框架，给一些要求，包括质量保证的要求。AI就自己建立了一系列的技能和系统，然后不断比对，做分析报告，然后不断迭代。
经过分析，两种教材的特色、问题、注意事项、基本教学方法、教学改进建议都梳理出来了。
然后，他又让这些教学方法变成了新的Skill——遇到什么样的课、适合什么样的教学方法，就调用相关的Skill去做教学设计。
自主式AI能力越来越强，让个性化学习从稀缺变成人人拥有。未来，AI将彻底重构学校：变成学习的合伙人、班级的智能协调器、教师的分身和助手，成为教育公平的放大器。
