夜雨聆风
“以前我们评价教师，看的是‘教得怎么样’；AI时代，我们要看的是‘设计得怎么样’。
世外智慧的《慧见·AI原生教师白皮书》提出了一个狠观点：只会用AI提效的教师，只是L1；能重构教学闭环的教师，才是L3。
这不仅是技术问题，更是教育评价视角的根本转换。各位局长，不妨看看我们离‘AI原生教师’还有多远？”
教育正在经历一场深刻的范式转换。以大语言模型为代表的人工智能技术深度渗透教育领域，从备课、教 学、批改到评价，AI正在重塑教育的每一个环节。然而，在技术狂欢的表象之下，一个根本性的问题亟待 回答：当AI已经无处不在时，教师应该成为什么？本白皮书提出 “AI原生教师” 这一核心概念，旨在为 AI时代教师专业发展提供系统性理论框架、能力模型与实践路径。
AI原生教师，是以认知科学为理论基座、以AI为默认基础设施，由教师判断主导人机协同，在教育伦理框 架下系统重构备课、授课、作业、评价、教研、家校沟通及专业成长全过程，促进学生完整发展的复合型 教育者。其本质不是“会用AI工具的教师”，而是从工作逻辑到角色定位均因AI而重新设计的教育者。白 皮书区分了AI辅助、AI增强与AI原生三个层次，强调真正的AI原生必须从教学闭环的原点出发，让AI默认 在场、数据回流、个性化支持成为常态，同时始终坚持教师判断主导与教育伦理约束。
认知科学是AI原生教师的底层逻辑。只有理解工作记忆、认知负荷、先备知识、反馈机制、元认知与迁移 等学习规律，才能让AI精准赋能，避免内容堆砌、表面个性化和技术目的倒置。基于高质量教学第一性原 理（学生发生更多、更好、更快、更持久的变化）与AI应用四方向（做快、做好、做到、做新），白皮书 构建了AI原生教师的六维专业能力模型：学科专业力、教学认知力、AI驾驭力、发展设计力、教育判断 力、情感连接力。其中，教育判断力是AI时代最稀缺的专业护城河，情感连接力则是教师不可替代性的源 头。
在角色重构上，AI原生教师从传统的“知识传递者”转型为 “学生发展设计师” ，涵盖认知设计师、AI 协同教练与成长陪伴者三重角色，并以五维发展模型（自我认知、认知发展、情感发展、社会性发展、人 生方向）和三环设计（课堂教学、发展路径、人生成长）为实践框架。在七大教育场景（备课、授课、作 业、评价、教研、家校沟通、专业成长）中，白皮书提出了具体的工作流重构建议，并倡导教师构建自己 的智能体系统（如备课设计师、学情分析师、作业管家等），形成“人师+AI+数据”的动态闭环。
白皮书还规划了从AI使用者到AI创新者的五级成长阶梯，为学校系统推进AI原生教师队伍建设提供了理 念、制度、工具、专业和评价五个层面的行动路径，并强调了数据隐私、防止认知外包、防止负担叠加、 防止技术崇拜等伦理边界。最后，提出了未来需要持续研究的理论、实践与制度问题。
AI原生教师的核心，不是技术，而是教育。最有价值的教师，不是最会写教案或堆砌AI功能的人，而是最 会用AI成全学生成长的人。 本白皮书面向教育管理者、一线教师、教研员、师范院校、教育科技从业者 及学校发展咨询机构，旨在为AI时代教师专业发展提供可操作的思想框架与实践指南。
前言：
AI时代，教师如何与技术共生钻石
技术浪潮一次次冲刷教育的海岸，每一次都留下关于“教师会不会被取代”的焦虑与争论。然而，真正深刻的 问题从来不是“技术能否替代人”，而是“人应当如何与技术共生”。
当大语言模型能够即时生成教案、批改作文、解答疑问，甚至模拟苏格拉底式的对话时，我们看到了一种前所 未有的可能：教育正在从“以资源为中心”走向“以人为中心”。过去受困于规模与成本的一对一关注、深度 个性化支持、过程性发展诊断，如今第一次在技术上变得可行。但这扇门打开之后，教师是走进去成为新的创 造者，还是站在门外成为传统的守夜人？
这份白皮书，正是为了回答这个问题而生。
我们观察到，许多教师已经开始使用AI生成教学材料、批改作业、整理数据，但教学的核心逻辑并未发生根本 改变。换言之，许多教师仍在用旧有的经验去驱动AI工作——AI只是提升了他们的工作效率，却并未真正让教 育变得更好 我们意识到，症结不在于工具本身，而在于缺少一个系统性的理论框架和实践路径。教师需要的不是“多一个 工具”，而是“换一种工作方式”；学校需要的不是“引入AI平台”，而是“重构教师专业发展的底层逻 辑”。正是基于这一判断，我们提出了“AI原生教师”的概念。
“原生”二字，意味着一开始就将AI作为默认基础设施，而非事后追加的插件。它不是对传统教师角色的修补 或叠加，而是从认知科学的底层逻辑出发，重新回答“教师是谁”“教师做什么”“教师如何成长”这三个根 本问题。这份白皮书试图构建一个既有理论高度、又有操作深度的完整体系：从时代背景到核心定义，从能力 模型到工作流重构，从智能体系统到学校行动路径。
我们深知，任何关于教育的理论，如果不能落到真实的课堂和具体的教师身上，终究只是纸上谈兵。因此，白 皮书中的所有框架、模型和工具，都经过了真实教学场景的初步验证和迭代。我们也明白，AI技术的发展远未 抵达终点，这份白皮书不是答案的终结，而是问题的开始。
面向的读者，是那些不满足于“用AI提高效率”，而希望“用AI重新定义教育”的人——无论是学校管理者、 一线教师、教研员，还是教育科技从业者、师范院校研究者和区域教育决策者。我们期待，这份白皮书能成为 一颗种子，在您的实践中生根、发芽，长成属于这个时代的教育新生态。
最后，请允许我们引用结语中的一句话——它不是结论，而是所有探索者共同的信念：最有价值的教师，不是 最会写教案或堆砌AI功能的人，而是最会用AI成全学生成长的人。
愿这份白皮书，助您成为那个人。
世外智慧·学校与区域发展研究院
2026年5月
当AI能写教案、改作业，教师的不可替代性在哪里？世外智慧《AI原生教师白皮书》给出答案：从“知识搬运工”转型为“学生发展设计师”。本期聚焦AI原生教师的六维能力模型与认知科学底座，为区域教师评价提供新标尺。
第一章 时代背景：
从工具进入基础设施
过去的教育技术，大多解决“效率问题”。例如，课件工具提高呈现效率，题库系统提高练习生成效率，阅卷 系统提高批改效率，在线平台提高资源流通效率。
生成式AI带来的变化不只是效率提升，而是结构性重构。它改变了知识的生产方式、学习的交互方式、评价的 反馈方式，也改变了教师的专业分工。
这意味着，AI正在从“教育工具”转变为“教育环境”。在这样的环境中，教师如果只是把AI当作偶尔调用的 外部工具，就无法真正释放AI对教育的结构性价值。
今天的学生正在AI环境中生活。他们会向AI提问，会用AI辅助写作，会用AI解释概念，会用AI生成代码、图片 和报告，也会用AI完成部分作业。
这既带来机会，也带来挑战。
机会在于，学生第一次有可能获得接近一对一的学习支持；挑战在于，如果学生只是把AI当作答案机器，学习 就可能滑向认知外包、浅层完成和虚假掌握。
因此，AI时代的教师不只是要“会用AI”，更要能指导学生负责任、有深度、有判断地使用AI。教师的专业价 值不再只体现在“给出答案”，而是体现在帮助学生提出好问题、识别好答案、经历真实思考、形成稳定能力。
第一，知识传递价值被重新定位。
当AI可以对知识进行即时解释和个性化讲解，教师不再适合把主要价值建立在“我讲得比别人多、比别人全” 之上。教师更重要的任务，是判断学生需要经历怎样的学习过程，才能真正理解知识、形成能力、发展素养。
第二，标准化教学方式受到挑战。
一名教师面对几十名学生，很难仅靠个人精力提供高度个性化支持。AI使个性化诊断、分层反馈、变式练习和 持续追踪变得更加可行。由此，教师需要从“统一讲授者”转向“学习过程设计者”。
第三，评价有效性需要重建。
当学生可以借助AI完成作业，传统“布置—提交—批改—反馈”的评价链条会遇到新的问题。教师需要更关注 过程证据、思维证据、表达证据和发展证据，而不是只看最终答案。
新时代背景下，教师亟需实现从“会用AI工具”向“AI原生”的转型。所谓“AI原生教师”，并不是简单掌握 若干AI工具的教师，而是能够以AI为基础设施，以认知科学为底层逻辑，由教师判断主导人机协同，在教育伦 理框架下系统重构教学、评价、教研与育人全过程，并促进学生完整发展的复合型教育者。
这一转型要求包含两个关键判断：
第一，AI赋能教育不是简单的工具培训，而是教师专业能力的系统重构。
如果只是培训教师如何使用AI生成教案、题目或评语，教师也许能够提升部分工作效率，但教学质量未必真正 发生改变。真正的教师转型，必须回到教育本身：学生如何学习，教师如何设计学习，学校如何支持教师持续 成长与专业进化。
第二，AI原生不是技术崇拜，而是教育回归。
AI可以承担更多可计算、可生成、可分析、可重复的工作，但其目的并不是替代教师、削弱教师，而是帮助教 师从低价值、重复性事务中释放出来，把更多精力投入到教学判断、学习设计、师生连接、个体陪伴和价值引领之中。
第二章 核心定义：
什么是AI原生教师
基本定义
AI原生教师，是以认知科学为理论基座、以AI为默认基础设施，由教师判断主导人机协同，在教育伦理框 架下系统重构备课、授课、作业、评价、教研、家校沟通及专业成长全过程，促进学生完整发展的复合型 教育者。
这一定义包括三个核心层次。
第一，理论基座：认知科学 × AI。
AI原生教师不是“经验 + AI”的简单叠加，而是以认知科学和学习科学为底层逻辑，理解学生如何发生学习， 再让AI精准赋能。教师需要理解工作记忆有限、双通道加工、认知负荷、迁移、反馈、练习、元认知等学习规 律。没有理论支撑，AI应用很容易走偏，例如变成机械刷题、形式创新、负担叠加或表面个性化。
第二，工作方式：AI原生而非AI辅助。
AI原生教师的工作逻辑不再是“旧流程 + AI工具”，而是在“AI默认在场”的前提下重新设计教学闭环。例 如，备课不再只是“写教案”，而是转向“学情诊断—目标校准—AI生成多版本方案—教师筛选重构—AI优化 输出—教师终审定稿—课堂实施—数据回流”的完整过程。在此过程中，AI是默认在场的协同者，但每个关键 节点的筛选、重构与终审，始终由教师判断主导。
第三，角色重构：从知识传递者到复合型教育者。
AI原生教师的核心价值从“知识传递”转向学习设计、数据诊断、AI协同、智能体设计、成长陪伴和价值引 领。AI负责效率、生成、计算和分析，教师负责理解、判断、设计、关系和意义。这一角色转型始终在教育伦 理框架下展开，最终指向学生的完整发展。
误区一：AI原生教师是“工具熟练型教师”。
会使用多个AI工具，只能说明教师具备基本技术适应力，并不意味着已经完成专业重构。如果教师仍然沿 用原有教学流程，只是在某些环节用AI提效，仍然停留在AI辅助或AI增强阶段。
误区二：AI原生教师是“效率至上型教师”。
AI当然可以让备课更快、批改更快、沟通更快，但教育不能只追求快。AI原生教师关心的是：学生是否发 生了更多、更好、更快、更持久的变化。效率只是手段，学生发展才是目的。
误区三：AI原生教师是“技术替代型教师”。
AI原生并不意味着把教师交给AI，也不意味着让AI全面接管教育。恰恰相反，越是AI原生，越需要教师保 持专业判断、伦理意识和教育温度。AI承担的是可计算的部分，教师守护的是不可计算的部分。
可以用一个公式概括AI原生教师：
核心公式
AI原生教师 = 认知科学内功 × AI外功
其中，认知科学决定“AI往哪里用”，AI能力决定“AI能用到什么程度”。
第三章 理论基座：
认知科学 × AI
AI可以生成大量教学内容，但并不天然知道学生如何学习。AI可以设计活动，但并不天然理解一个班级的真实 状态。AI可以给出建议，但并不天然知道什么对学生长期发展真正有益。
如果教师没有认知科学支撑，就容易出现三类偏差。
第一，内容堆砌。
AI让资料生成变得容易，教师可能生成更多材料、更多题目、更多活动，却没有减少学生的认知负担。
第二，表面个性化。
AI可以生成不同难度的练习，但如果教师不了解学生错误背后的认知原因，所谓个性化可能只是“换题目”， 而不是“补结构”。
第三，技术目的倒置。
学校可能把AI应用等同于工具覆盖率、使用频次和平台数据，而忽视学生真实学习是否发生改变。
因此，AI原生教师必须先理解学习，再使用AI；先明确教育目标，再配置工具；先判断学生需要什么，再决定 AI做什么。
从认知科学转化到教师可用的教学理论，可以概括为高质量教学的第一性原理：
从认知科学出发，回到教师真实的教学实践，可以将高质量教学的底层逻辑概括为一个第一性原理。
“更多”，指学生在知识、能力、情感、社会性和自我认知等多个维度发生变化。
“更好”，指变化具有教育价值，而不是只形成应试反应。
“更快”，指在尊重学习规律的前提下提高学习效率。
“更持久”，指学习结果能够保留、迁移和内化。
这一原理为AI应用提供了根本判断标准：任何AI应用，如果不能服务学生真实变化，就不应被视为高质量应 用。
AI在教育中的价值，可以概括为四个方向：
做快： 把原来耗时、重复、低价值的工作变快，例如资料整理、初稿生成、作业初评、数据统计。
做好： 把原来依赖个人经验、容易粗糙完成的工作做得更精细，例如错误归因、分层反馈、评价量规、课堂观 察。
做到： 把原来停留在理解和纸面练习中的学习做实，例如情境模拟、角色扮演、虚拟实验、任务闯关、案例推 演等。
做新： 创造前AI时代难以实现的新场景，例如学生与智能体进行苏格拉底式对话，教师基于对话记录诊断学生 思维，课堂形成“人师 + AI + 数据”的动态反馈闭环。
真正的AI原生教学，不是单纯追求“做快”，而是同时追求“做好、做到、做新”。
认知科学回答“学生如何学习”，AI回答“如何更好支持这一过程”。二者结合，构成AI原生教师的底层方法论。
AI原生教师的专业性，正体现在能够把这些原则转化为可操作的教学设计，而不是只停留在工具使用层面。
第四章 AI协同的层次区分：
AI辅助、AI增强与AI 原生
教师与AI协同的方式，可以区分为三个层次。
L1解决的是“有没有用AI”的问题，L2解决的是“能否用AI提高质量和效率”的问题，L3解决的是“是否基于 AI重新理解教学”的问题。
AI辅助阶段的基本特征是：任务先由教师按照原流程展开，AI在局部环节提供帮助。
例如，教师先写教案，再让AI润色；教师先设计作业，再让AI生成几道补充题；教师先写评语，再让AI检查语 气和错别字。
这一阶段并非没有价值。它可以降低教师使用AI的心理门槛，也可以快速释放部分效率。但它还没有改变教学 的底层逻辑。
AI增强阶段的基本特征是：AI开始嵌入教师工作流程，教师与AI共同完成部分任务。
例如，教师输入教学目标和学情信息，AI生成多个备课方案，教师进行筛选、重构和终审；AI对学生作业进行 初步分析，教师基于分析结果进行重点讲评和个别干预；AI整理教研数据，教师基于数据讨论教学改进。
这一阶段的价值在于，教师开始从单点使用走向流程协作。但如果流程的核心假设仍然不变，教师仍可能停留 在“传统教学 + AI提效”的阶段。
AI原生阶段的基本特征是：教师在设计工作时，默认AI已经在场，默认数据可以回流，默认学生可以获得个性 化支持，默认教师可以调用多个智能体伙伴。
在这一阶段，备课不再只是写教案，课堂不再只是教师讲授，作业不再只是对错批改，评价不再只是分数记 录，教研不再只是经验交流，专业成长不再只是听培训。
AI原生教师会从一开始就思考：
这个任务中，AI最适合承担什么？
这个任务中，教师必须亲自判断什么？
这个任务中，学生必须亲身经历什么？
这个任务是否创造了过去无法实现的新学习可能？
这个流程能否产生数据回流，并支持下一轮优化？
第五章 角色重构：
从知识传递者到学生发展设计师
每个时代对教师的定义，本质上是那个时代对“教育是什么”的回答。
AI时代，教师的终极角色不是工具使用者，而是学生发展设计师。
AI可以承担越来越多与知识、信息、生成、计算相关的任务：解释知识、检索资料、生成练习、批改作业、提供反馈、模拟对话、整理数据。由此，教师不能再把不可替代性主要建立在“知识占有”和“内容生产”之 上。
教师不可替代的价值，在于理解一个具体的人，并设计他的发展路径。
这件事需要对人的发展有深刻理解，需要对具体学生有真实感知，需要在复杂情境中做专业判断，需要在学生迷茫、退缩、困惑或选择时给予支持。AI可以提供建议，但不能代替教师成为学生成长中的重要他人。
AI原生教师可以概括为三重角色。
第六章能力模型：
AI原生教师的六维专业能力
AI原生教师不是只增加一项“AI技能”，而是需要重构整个能力模型。本白皮书提出六维能力模型。
AI时代的学科专业力不再只是“知道多少知识点”，而是能否理解学科核心概念、知识关系网络、学科思维方式和育人价值。
教师需要判断AI生成内容是否准确，是否符合课程标准，是否适合学生认知水平，是否体现学科本质。如果教师缺乏学科深度，AI生成得越快，错误扩散也可能越快。
教学认知力是AI原生教师的方法论核心。教师需要知道学生如何理解、如何遗忘、如何迁移、如何形成概念、如何在反馈中改进、如何在练习中巩固。
经验仍然重要，但经验必须被理论提升。AI时代的教师不能只说“我多年经验觉得这样教有效”，还要能说明“为什么这样设计符合学习规律”。
AI驾驭力包括四个层次：
第一，基础对话能力。
教师能够清晰表达任务，获得可用结果。
第二，结构化提示能力。
教师能够用角色、目标、约束、步骤、评价标准等方式设计提示词。
第三，流程编排能力。
教师能够让AI参与备课、授课、作业、评价、教研等连续流程。
第四，智能体设计能力。
教师能够把高频复杂任务沉淀为可复用的智能体或工作流。
AI驾驭力的重点，不在于教师掌握了多少AI工具，而在于能否围绕明确的教育目标，持续、稳定、可控地调用AI解决真实教学问题。
发展设计力是AI原生教师的角色性核心。它要求教师不只设计课堂活动，还要设计学生的发展路径。
这包括目标设计、过程设计、情境设计、评价设计和干预设计。教师要能把学生的五维发展目标转化为具体任务、活动、反馈和证据。
AI可以生成内容，但不能替代教师判断。AI原生教师必须具备六类审核能力。
AI越强，教师判断越重要。没有判断力的AI应用，可能只是把低质量教学放大。
AI可以模拟关怀，也可以提供即时回应，但无法替代真实师生关系中由信任、责任、理解与陪伴共同形成的生命连接。学生需要被看见、被理解、被鼓励、被信任，也需要在关键时刻得到真实的人际支持。
AI原生教师不是因为AI而减少与学生的连接，而是因为AI承担了更多事务性工作，才更有可能把时间还给学 生，把注意力还给关系，把教育还给生命成长。
📘 内容来源说明
本文整理自上海世外教育集团·世外智慧出品《AI原生教师白皮书（NO.003）》，"芯耘未来"教育公益计划支持。
版权归出品方所有，仅供苏州市教育界同行及"评价万花筒"读者学习、研讨与非商业参考使用。
（本期为该白皮书的第 1 期连载：认知定义与能力模型篇，旨在解决“是什么”和“为什么”。破除误区，树立专业权威。）
