夜雨聆风现在 AI 做课件，已经顺到有点危险了。
一句话，一段提示词，课件、教案、案例、图片，很快就能出来。页面好看，结构完整，逻辑也顺。
问题也在这里。
很多课不是被 AI 写错了，而是被 AI 写得太像“能用”了。那些还没想清楚的目标、学情和课堂任务，会被一套漂亮格式轻轻盖住。
上午在学院 AI+课程教学改革沙龙分享时，我心里一直绕着这个判断转：AI 越方便，老师越要把课想清楚。
AI 最容易做出的，是一份“看起来没问题”的课
很多老师都用过出版社配套的教学资源。教学大纲、PPT、教案、试题，一应俱全。从资料完整度看，它当然能用。
但真正拿去给自己的学生讲，就会发现问题。
它太标准了。标准到没有学情，没有课堂节奏，也没有自己这门课真正想解决的问题。它像一件均码衣服，摆在货架上很好看，穿到具体的人身上，总有地方不合身。
AI 生成的课件也有类似问题。它能把互联网上常见的材料吃进去，再按概率给出最稳妥的表达。你要逻辑，它给逻辑；你要重点，它给重点；你要案例，它也能补案例。
问题是，课堂不是把材料摆整齐。
课堂要回答更具体的问题：这节课到底要让学生会什么？学生最容易卡在哪里？这个案例是不是贴合他们的经验？这个任务是不是能逼他们动手？这些判断，AI 不会自动替老师完成。
所以我不反对 AI 写课件。相反，很多重复劳动就应该交给 AI。整理材料、润色表达、先写一版草稿，这些工作本来就耗时间。
但老师不能把最终判断也交出去。AI 可以做粗活，老师要守住标准。说到底，AI 能把页面做漂亮，但不能替你判断这堂课有没有用。
学生已经不缺概念，缺的是把概念用出来
我下学期还要上网络营销课。以前讲用户旅程，会讲认知、认可、认购、复购、分享。这个框架本身没有问题，拿来生成课件也很顺。
如果只看逻辑，它当然自洽。
但学生学完以后，真正遇到一个商品页，问题就来了。这个页面有流量没成交，到底卡在哪里？是认知不够，还是信任不够？是卖点没讲清楚，还是承接路径断了？
更麻烦的是，现实中的用户行为并不总按 1、2、3、4、5 往下走。
有人看见就买了。有人不买，但会转给朋友。有人收藏很久，之后从别的渠道成交。真实世界不是流程图，课堂上最该训练的，恰恰是学生判断“什么时候用、怎么用、用到哪一步”的能力。
这也是 AI 时代老师价值变化最大的地方。
以前老师讲一个模型，学生可能第一次听。现在学生直接问 AI，得到的概念解释可能比课堂上还完整。模型、框架、定义、案例，AI 都能给。
如果老师还只是把概念讲一遍，学生很容易觉得没必要听。不是学生不尊重课堂，而是知识获取的成本变了。
那老师还剩下什么价值？
我理解，老师的价值要从“讲概念”转向“设计练习”。从“告诉学生是什么”转向“让学生知道什么时候用”。职业教育尤其如此，知识要落到动作上。背下来不算会，能在真实任务里用出来才算会。
一门课真正有用，不是学生记住了多少词，而是他遇到问题时，知道该拿哪把工具。
不要先让 AI 写，先让 AI 问
这段时间自己用 AI 备课，最有用的一个动作，不是写提示词让它直接干活，而是反过来，让它先问我。
比如，不要一上来就说：“帮我写一份网络营销课教案。”
可以换成：“如果我要把这节课上好，你觉得需要先问我哪些问题？”
它通常会问：这节课的核心目标是什么？学生原来有什么基础？最容易卡在哪个地方？你希望他们课后能完成什么任务？课堂时间有多长？有没有真实案例？
这些问题一出来，真正卡住的往往不是 AI，而是老师自己。
有时候自己也答不上来。那就老实说答不上来，再和 AI 讨论。目标不清楚，就一起把目标拆开；学生卡点不清楚，就让它列几种可能，再结合自己的课堂经验判断；任务设计不清楚，就先让它给几个粗版本，再慢慢改。
这个过程不是让 AI 替老师想，而是让 AI 把老师脑子里的东西问出来。
很多老师教了很多年，脑子里其实有很成熟的判断。只是这些判断平时散落在经验里，没有被整理成清楚的结构。AI 的好处，不是比老师更懂课堂，而是它会不停追问。你一回答，自己的思路就被迫清晰起来。
所以，备课时可以先把 AI 当成一个会提问的同事，而不是一个写材料的助手。
直接让 AI 写，得到的是一份平均答案。先让 AI 问，老师才有机会把自己的判断放进去。AI 越会写，老师越要会问。
把资料放进工作区，再让 AI 帮你整理
第二个动作，是把资料放进一个可控的工作区。
老师手里其实有很多材料。以前的 PPT、Word 教案、课堂案例、学生作业、录音、视频、公众号文章、网页链接，零零散散存在不同地方。真正备课时，最大的问题不是没有材料，而是材料找不到、串不起来、用不上。
现在可以换一种做法。
先把和某门课、某个主题有关的资料放到一个文件夹，或者一个材料工作区里。再让 AI 围绕主题做整理：哪些材料能做案例？哪些能做课堂任务？哪些只是背景资料？哪些需要老师再判断？
这里要补一句边界。
资料可以先沉淀在自己可控的地方。至于用本地模型、在线模型，还是学校允许的平台，要看材料敏感程度和质量要求。公开资料和普通备课资料，可以用效率更高的在线工具；涉及学生隐私和内部材料，就要分级处理。
关键不是迷信某个工具，而是建立一个习惯：不要每次备课都从空白开始。
材料一旦进了工作区，AI 就不只是写稿工具，而是资料管理员、初步分类员和草稿生成器。它可以帮老师把散乱材料理顺，把粗糙表达说清楚，把第一版任务卡写出来。
最终仍然要回到老师判断：这个案例适不适合学生？这个任务是不是太难？这个材料有没有风险？这个环节能不能在 45 分钟内跑完？
AI 可以把材料搬到桌面上，怎么上菜还得老师决定。
承认学生会用 AI，然后把作业改成真实任务
还有一个现实，必须承认：学生一定会用 AI。
不只是会用，有些学生用得还不错。让学生做 PPT，你一看就知道用了 AI。结构完整，页面漂亮，备注也很齐。放在以前，这样的作业对很多学生来说有门槛。现在，AI 把门槛降下来了。
这件事不一定是坏事。
问题不在于学生有没有用 AI，而在于老师布置的任务值不值得用 AI。
如果作业只是“解释一个概念”“整理一个定义”“做一页 PPT”，那 AI 很容易替学生完成。学生交上来的东西好看，但学习不一定发生。
如果作业变成真实任务，情况就不同。
比如网络营销课，不让学生泛泛写“用户旅程是什么”，而是给他一个具体商品页：这个页面有浏览、有收藏，但咨询少、成交少。让学生判断用户卡在哪一步，补一段卖点表达，设计一个承接动作，再说明为什么这样改。
这时候，学生可以用 AI。
他可以问 AI，用户旅程有哪些步骤；可以让 AI 帮他生成几个卖点版本；可以让 AI 帮他检查表达。但他最终要交出来的，不是一段概念解释，而是判断、选择和修改理由。
老师评价的也不是“你有没有用 AI”，而是看三条线：你问了什么问题，选了哪些材料，为什么这样改。只要这三条线存在，AI 就不是代写工具，而是练习工具。
说到底，学生不是在使用 AI 的那一刻学会了，而是在提问、判断和修改中学会了。
这个任务卡还可以继续往下拆。第一栏写“用户在哪一步卡住”；第二栏写“证据是什么”；第三栏写“准备怎么改”；第四栏写“改完怎么验证”。四栏加起来，比一页概念解释更能看出学生有没有思考。
这类作业的好处是，老师不用假装学生没用 AI。学生可以用，但不能只交 AI 的答案。他要交自己的判断链。课堂训练的重点，也从“能不能背出模型”变成“能不能拿模型解决一个具体问题”。
要沉淀的，不是一份课件，而是一套做法
如果一个动作只用一次，AI 帮忙写完就结束了。
但教学里很多事情会反复出现。一节课怎么备，一个任务怎么设计，一个 PPT 怎么生成，一份作业怎么评价，这些动作下学期还会用，下一届学生还会遇到。
这种反复使用的东西，就值得沉淀成自己的工作流。
第一次做，肯定磕磕绊绊。第二次做，开始知道哪里要补材料，哪里要提前问清楚，哪里要让 AI 只出草稿。到了第三次、第四次，就可以把它固定下来。
比如一节课的备课工作流，可以很简单：
让 AI 先问我这节课需要澄清的问题；把已有资料放进工作区，让它帮我归类；让它先写一版课堂任务卡；老师再按学情改掉不合适的地方；再把可复用的提示词和任务模板留下来。
这不是复杂系统。它只是把老师以前凭经验做的事，整理成下次还能继续用的动作。
AI 时代，老师不需要把每个工具都学成专家。真正值得做的，是把自己的课程判断、材料资产和课堂任务慢慢沉淀下来。工具会换，平台会换，但这套判断不会轻易过时。
这也是我现在对 AI+课程改革最朴素的理解。
AI 可以帮老师省掉很多重复劳动，但省下来的时间，不是用来少想一点，而是用来把课想得更清楚一点。
一节课留下一个做法，慢慢就会长成自己的教学系统。
