先在纸上画一条线。

线的左端是“AI很聪明，但和我的课没关系"。你把一篇高质量论文喂给它，它能在5秒内给你一个漂亮的总结。但当你问它“我下周要讲第六章高质量发展，你有什么建议吗"，它大概率会给你一个放之四海而皆准的回答——“建议结合最新时政热点"“建议采用案例教学法"——这些话对，但没有用。因为它不知道你的课标是什么，不知道上周讲了什么，不知道学生哪里没听懂。

线的右端是“我有一个知识库，但我不知道怎么让AI帮我用它"。你把上百份教案、课件、教材精读笔记、时政案例都存在了IMA知识库里，每次上课前一个个翻，找上次用的那张图、那个案例。你知道这些资料里藏着好东西，但找起来比备课本身还累。

这篇文章想做的事，就是在这条线上找一个锚点。

5月27日，我开始做一件拖了很久的事：把习概论18章的教学设计逐章拉出来，和教材、课标、案例库做一次对照分析。

在此之前，我已经把课程相关的各种资料——课程标准、授课计划、教材逐章精读笔记、时政案例、往届教案、课件、题库——全部放进了IMA知识库。截止那天，知识库里有874条内容，按7层架构组织：从课程标准到底层案例，每一层都可以被精准检索。

但我一直没做的是让AI帮我诊断这些内容的质量。

于是那天我打开WorkBuddy，说了这样一段话：

“帮我逐一检查习概论18章的教学设计方案：每章的教案是否完整？教案里提到的案例和案例库里的是否对得上？教学目标和课标里的是否一致？哪些章有明显缺口？"

WorkBuddy通过IMA MCP接口读了我的知识库，花了大概40分钟，逐章对比，然后输出了一份报告。

这份报告的核心发现是：15章教案完整，但有7个结构性问题。举三个例子：

1. 导论章的教案偏“理论概述"，缺少“时代背景"的时政牵引——学生听完会觉得“这课和我的生活有什么关系"？

2. 第六章（高质量发展）用的案例最多，但60%是2024年以前的——不是案例不好，是学生觉得“不够新鲜"

3. 第十五、十六章完全缺教案——这意味着讲到“一国两制"和“人类命运共同体"时，老师是纯手打状态

这些都不是“AI发现的惊天秘密"。任何一个有经验的教师翻一翻教案也能看出来。但问题在于：没有人在备课的压力下，还有时间去逐章对比17章的教案、案例、课标、教材之间的一致性。

AI的价值不是替代这个判断，而是让“发现这些问题"的时间从几天缩短到几十分钟。

知识库是大脑，AI助手是手脚

这里我想讲清楚一个概念，因为它决定了接下来的所有事情。

很多人对AI备课的想象是：把课标扔给AI，AI吐出一份教案，老师拿着就去上课了。

这在现实中行不通。原因不是AI不行，是教学这件事的决策权永远在教师手里。AI可以告诉你“第六章的案例可能过时了"，但它不能替你做“用哪个新案例"的决定——因为只有你知道你班上的学生喜欢什么话题、能接受什么深度、上一节课的情绪状态是怎样的。

所以我们的架构设计是这样的：

知识库（IMA）→ 负责"记住"：课标、教材、案例、教案、学情数据AI助手（WorkBuddy）→ 负责"思考"：搜索、对比、生成、审校教师 → 负责"决策"：选什么、怎么讲、往哪个方向引导

举个具体的例子。

当一位教师对WorkBuddy说“帮我备课第六章"时，实际发生的事情是：

第一步，WorkBuddy通过IMA检索知识库，瞬间找到：

• 第六章的课标要求（教学目标和重难点）
• 往届3位教师写过的第六章教案
• 时政案例库里和“高质量发展"相关的最近案例
• 上一轮课后测验中，学生错得最多的知识点

第二步，WorkBuddy基于这些信息生成2-3条候选教学逻辑线。不是凭空想的，而是从以前的成功教案里提炼结构，用最新案例替换内容。

第三步，教师选定逻辑线后，WorkBuddy生成初版教案，教师审校定稿。定稿后自动归档回IMA知识库——下一次备课，这份教案就成了新的参考。

这三个步骤，把原来需要3-4小时的初备压缩到30分钟左右。不是AI代替了教师，而是AI代替了“翻资料、查课标、对案例、写草稿"这些纯事务性的工作。

从一个人到一群人

单体效率提升之后，下一个问题是：一个教研室能不能一起用？

这里有一个容易被忽略的前提：WorkBuddy是每个人的个人AI助手，不是云端共享平台。张老师的WorkBuddy和李老师的WorkBuddy之间不互通——它们各自独立运行，有各自的对话历史、自动化任务、使用习惯。

很多人听到这个前提的第一反应是“那协作怎么办"。

但我们的答案是：助手独立，知识共享。

具体来说：三位教师的WorkBuddy各自独立，但它们都连接着同一份IMA共享知识库。教研室主任把知识库分享给其他教师，设为“编辑者"权限——于是每个人的AI助手都能读取同一座“素材大脑"。教案的协作写作则通过腾讯文档完成——所有人的WorkBuddy都能通过MCP接口读写同一份文档。

翻译成工作场景是这样的：

周一：主任的WorkBuddy自动扫描本周时政热点      → 生成"第六章备课参考包"（3条时政素材+学情数据+往届教案）      → 推送企业微信备课群周二：主备教师打开自己的WorkBuddy      → "帮我备课第六章"      → WorkBuddy从共享IMA库搜素材，生成初版教案周三：集体备课，打开腾讯文档      → 所有人实时看到初稿，讨论修改      → 当场对WorkBuddy说"加一个交通行业的高质量发展案例"      → WorkBuddy在腾讯文档里实时插入新内容周四：主备教师最终审校定稿      → 归档到IMA"教学设计方案库"      → 同步归档到乐享"精品教案"

这个流程的关键在于：每个教师拥有自己的AI助手，但所有人的助手读取同一份共享知识。 知识积累不依赖于某个人，但每个人的教学风格和决策权完全由自己保留。

那些我们踩过的坑

实话实说，这个方案不是一开始就长这样的。

第一个坑：知识库变成了“什么都往里扔"的垃圾场。

最初我们觉得“越多越好"，教案、课件、论文、微信文章、学生作业……什么都往里扔。结果三个月后，搜索“高质量发展"，出来47条结果，其中真正有用的就5条。其余的要么过期，要么重复，要么和教学无关。

现在我们有入库标准：必须经过课堂验证、必须有明确的教学价值标签、内容不能过期超过一学期。每月1日清理一次。

第二个坑：教师以为AI能搞定一切。

有老师试了一次之后说：“AI生成的教案还需要我改那么多，还不如我自己写。"

问题出在预期。AI备课不是“输入章节→输出完美教案"，而是“AI做初稿→教师做决策"。AI负责信息搜集、结构搭建、草稿生成，教师负责选择、判断、个性化。这两个角色不可互换。

我们后来在教师培训中专门强调了这一点。与其说是“AI帮你备课"，不如说是“AI帮你做那些你不喜欢做的重复性劳动"。

第三个坑：集体备课时大家不知道谁在做什么。

因为WorkBuddy是各自独立的，第一次集体备课时出现了混乱：A老师让WorkBuddy改了第二段，B老师让WorkBuddy改了同一段——两个版本冲突了。

解决方式是：集体备课过程中，只有一个人操作WorkBuddy生成内容（通常是主备教师），其他人提出修改建议。WorkBuddy是“写手"，教师团队是“编辑委员会"。这和传统集体备课的逻辑一样，只是执笔人从人变成了AI。

WorkBuddy和他的朋友们

 |周三发布，讲述一个思政课老师和他的AI同事的真实故事