夜雨聆风
三年多前的一个下午，教研室一位同事凑过来问我：“李老师，你用过那个 ChatGPT 吗？”
我说听过，但不知道怎么用。
她说她也是。
那是 2023 年。到今天，三年过去了。AI 已经嵌入了我每一天的工作流——备课、写材料、做教学设计、指导学生。不是“偶尔用一下”，是“离开会觉得少了点什么”。
这条路我走了三年。踩过坑，花过冤枉钱，也经历过那种“AI 生成了个什么东西”的绝望时刻。但回头看，真正需要跨过的不是技术门槛。是三道认知的坎。
接下来我把这三道坎拆开，你对照看看自己在哪一段。
第一阶段：听说过，但不知道跟我有什么关系
这个阶段的状态我太熟了。你大概听说过 ChatGPT、文心一言、DeepSeek 这些名字，朋友圈也有人在转发 AI 相关的文章。但它就像一个远方的新闻——“挺厉害的，不过跟我备课、写材料有什么关系？”
核心障碍不是“学不会”，而是“不知道学了能干嘛”。很多人卡在这里，不是因为 AI 太难，而是因为没有一个具体的、跟自己有关的小场景来破冰。再加上一点隐隐的恐惧——“我是不是落伍了”“是不是要学编程”——越想越不敢动。
我的破冰方式是：不管三七二十一，先让 AI 帮我干一件具体的事。
那是 2023 年夏天，学院要交一份学期工作总结。我坐在电脑前，面对空白 Word 发了十分钟呆。后来想起“不是有个 ChatGPT 吗”，翻墙注册了一个账号，把去年的总结模板复制进去，让它“按照这个格式帮我写一份这学期的初稿”。三十秒，它吐出一篇。我读完的第一反应是——写得还行，但有点假。它不知道我这学期做了什么，全靠模板硬编。
但这不重要。重要的是，从那个下午开始，“AI 能帮我干活”从新闻标题变成了我电脑屏幕上真实发生的事。
这个阶段该学什么？ 注册一个 AI 工具——豆包、Kimi、DeepSeek，哪个顺手用哪个，别纠结“哪个最好”。用它完成一次完整的交互：提问、拿到回答、判断这个回答靠不靠谱。拿你下周要上的一节课，把课题丢给它，让它出一份教案初稿，看看它给的框架跟你自己想的有什么异同。这个“对比”的过程，就是 AI 认知的起点。
怎么算过了？ 你能独立说出“AI 帮我做过一件什么事，效果怎么样”——不管效果好不好，只要你真的用过，就算过了。
对了，这个阶段千万别花钱报班。市面上的“9.9 体验课→299 进阶课→1999 变现训练营”，本质是在收割你的焦虑。我踩过这个坑。零成本起步，完全够用。
第二阶段：用了，但总觉得哪里不对
过了破冰期，你开始主动去试各种工具。豆包试试，Kimi 试试，看到朋友圈推荐新工具立刻去注册。提示词收藏了一堆，每次用的时候翻半天，“上次那个好用的提示词在哪来着”。
但问题来了：AI 的输出不稳定。有时候惊喜，大部分时候失望。让它写教案，框架还行但内容太空。让它写总结，套话连篇。“这东西到底行不行？”你开始怀疑。
这个困惑不是只有你有。有教研员在大量课堂观察后发现，许多教师用不对 AI，问题出在三个地方——把“技术能用”等同于“教学需要”，把 AI 当替代品而非助手，用使用频次来证明效果而不是看实际改变。
说人话就是：你一直在“点对点”地用 AI。问一句，答一句。每次都是新对话，每次都要重新交代背景。这就像你请了个助理，但每次只让他干一件事，干完就辞退，下次再重新招。效率当然低。
我的顿悟发生在一个周六下午。那周我要备一节公共政策分析课，案例是“三河市牌匾整治”。我之前试过让 AI 生成教案——不行，太水。但那天我换了一种用法：我先花了二十分钟，自己把对这个案例的理解写下来——整治的背景、涉及的利益主体、政策执行中的矛盾点、我自己觉得值得讨论的三个问题。写完了，我把这段内容给 AI，说“根据这个素材，帮我生成一份包含案例背景、讨论问题、课堂活动设计的教案”。
这次不一样。AI 生成的内容不再空洞——因为素材是我给的。它帮我组织的结构比我自己的草稿清晰得多。那一刻我突然明白了：不是 AI 写不好，是我之前没给它“好东西”。
我以前的做法是：对 AI 说“帮我写一份教案”。这等于让一个不认识你的人帮你选衣服——它能选的只有最安全、最平庸的款式。
正确做法是：把你脑子里的东西——你的真实经历、你的学科判断、你的学生反馈——先写出来，再让 AI 帮你缝成一件合身的衣服。
这个阶段该学什么？ 三件事。第一，建立“素材先于提示词”的认知——给 AI 真实的素材，比给 AI 完美的提示词重要十倍。第二，用“三层编辑法”处理 AI 初稿：逻辑校准（补充你真正想说的）、案例替换（把 AI 编的例子换成真实经历）、语气统一（把“建议教师们”改成“我的做法是”）。第三，把常用工作流程封装成 Skill 或模板——这周学会写课程通知的提示词，存下来，下周直接用。
另外，这个阶段最容易踩的坑我替你踩过了：别把 AI 当全自动打印机——它生成的所有数据和引用，必须核实。别同时追十个新工具——选两三个深度用，比浅尝十个有效得多。
怎么算过了？ 你每周至少有三个工作场景，会自然地想到“这个让 AI 先帮我做”，而不是刻意提醒自己“我应该用一下 AI”。
第三阶段：回不去了，而且越用越好
到了这个阶段，AI 不是你工作流里的“外挂”，是你思考方式的一部分。你知道自己该干什么，AI 该干什么，边界清晰且默契。
这个阶段没有标准动作了。每个人的学科、课程、工作重心都不一样。但有三个方向值得投入。
建一个真正属于你的知识库。 把课程大纲、历年教案、学生常见问题、教学反思、你写过的文章，全部导入一个 AI 知识库。这一步做完，AI 不再是“通用助手”，而是“了解你的教学内容和研究方向的专属助理”。它给你的建议不再泛泛而谈，而是基于你已经积累的东西。
找到 AI 和你学科的独特结合点。 管理学课可以用 AI 模拟决策场景，文学课可以用 AI 做文本分析，理工科可以用它辅助数据可视化。别照搬别人的经验——别人用 AI 做课件跟你有什么关系？找到属于你自己的那个“啊哈时刻”。
开始输出和分享。 我在这个阶段做了一件当时没觉得多重要的事——开始写公众号，分享自己用 AI 的真实经历。一开始只是记录，后来有读者留言说“看了你的文章终于敢试了”，再后来有同事来问我“你怎么什么都会”。答案很简单——我只是比你早用了三年。
输出这件事，不只是为了建立个人品牌。它逼着你把模糊的经验变成清晰的表达。你能跟同事清楚地讲出“我是怎么用 AI 改造某门课的”，并且有实打实的效率数据——这本身就是能力的证明。
到这个阶段还有一个隐藏的关卡要过：警惕 AI 给你的幻觉。不是技术幻觉，是心理幻觉。你跟 AI 聊一个想法，它会说“很有创意”。你让它评价你的文章，它会说“逻辑清晰”。AI 被设计成一个永远不会让你不舒服的对话者。但如果你习惯了这种永远正面的反馈，你会慢慢失去对真实世界的判断力。所以到了这个阶段，一定要把东西拿出去见真人——公开发表、给同事看、在课堂上试。真实的反馈，不管扎不扎心，都比 AI 的一百句“写得真好”值钱。
怎么算到了？ 不是看你会用多少工具，而是看你还能不能回去过没有 AI 的日子——回不去了，而且没打算回去。
你在哪个阶段？
三个阶段的划分不是考试分数，不需要逐级通关。你可能今天还在第一阶段徘徊，下周的某次尝试就让你直接跳到了第二阶段的门槛。关键是动起来。
这里有一个简短的自测，帮你对号入座：
回到开头那个场景——三年多前那个说“听过但不知道怎么用”的我，和今天坐在这里写这篇文章的我，中间只隔了一件事：
迈出了第一步。
大学在数字化这件事上，比企业和市场慢了不止一拍。这意味着等学校的培训体系完全搭好，外面的世界可能又往前跑了一大截。与其被动等，不如自己先走。
从今天开始，打开一个 AI 工具，把你明天要上的课题丢给它，看看它会给你什么。
这就是你的第一步。
