夜雨聆风不少老师一听"用AI写教案"就皱眉：生成的东西太模板，照搬进课堂根本用不了。
这个担心是对的。但问题不在AI，在用法。
我翻了不少一线老师的实践案例，发现真正把AI用顺手的，都不是让AI"写一份教案给我"，而是把AI当成备课桌上的搭档。老师定方向，AI补素材、给选项、做整理，最后判断还是老师做。
下面这几招，是不同学科老师验证过的，照着做就能上手。
先给AI"三条信息"，它才懂你的课
很多老师第一次用AI，直接丢一句"帮我设计一节《XXX》"，出来的东西当然空。
有位老师总结了"三段式"：前置、中段、后段。
前置阶段最关键，你得把三样东西喂给AI：
学情（这班孩子是基础弱，还是阅读能力强，还是两极分化严重） 教材节段（第几单元第几课，别只给课题名） 课堂目标（这节你想让学生拿到什么，知识还是能力还是某种思维）
信息给够，AI才知道往哪个方向使劲。
中段让AI当"方案扩展器"：同一节课，让它出三套不同风格的设计，一套讲练结合，一套任务驱动，一套探究活动，每套都带时间分配和环节目的。
你手里一下有了三套备选，挑着用，比从白纸想省力太多。
后段让AI帮你"装订成册"：黑板怎么写、提问链怎么排、哪里容易错、错了怎么接。这些琐碎但重要的活，交给它。
一个万能提示词框架，套哪个学科都行
有场教师工作坊里，专家带大家用了一个五维框架，叫"背景、角色、目标、关键结果、试验改进"。
说人话就是：
背景：你面对的是哪个年级、什么基础的学生 角色：让AI扮演什么（比如"资深教研员"） 目标：这节要达到什么 关键结果：希望产出里必须包含哪些模块 试验改进：先出一版，再带着不满去改
有个老师拿它套人教版《因数和倍数》，AI十几秒就吐出一份含学情分析、教学目标、生活化互动案例的教案。
框架好用的地方在于，它逼你把模糊的"帮我写教案"拆成具体指令。指令越具体，AI越靠谱。
好教案是"磨"出来的，不是一次生成的
有个老师分享自己用AI备《带上她的眼睛》的过程，前后跟AI对话了六轮。
第一版按常规思路来，结构完整但像流水线的产品，没有打动人的力量。
他没接受，而是一步步加要求：先立"从隔阂到传承"的意，再引名师解读重构框架，又按真实学情让AI把抽象的"情感分析"改成带原文关键词提示的填空表，最后还让AI把零散思考整合成完整设计。
每一轮，他都在否定AI、也在逼自己想清楚。
这恰恰是AI最被低估的价值：它不只是出结果，更是陪你把一个模糊的念头，磨成清晰的教学思路。只扔一句"帮我设计一节课"的老师，永远停在浅层。
让数据替你做判断，别只靠经验
参加教学比赛的老师，越来越多用"数据驱动"这一招。
课前，让AI分析前几单元的测验、课堂表现、学习习惯画像，帮你定分层目标，给基础弱的推补弱资源，给学得快的开进阶任务。
课中，平台上学生的答题正确率、停留时间、重复观看节点，AI会自动标出全班的认知误区，你据此决定哪块细讲、哪块探究。
课后，AI把数据汇成班级和个人的分析报告，直接反哺下一轮备课。
从"我觉得该讲"变成"数据说这里要讲"，评委一眼就能看出厚度。
说到底，AI是补能，不是替你
翻完这些案例，有个共识特别清楚：AI干的是高耗时、重复、结构化的活，老师留的是教学判断、课堂调控、对学生反馈的拿捏。
你让它代写，得到的是模板。你让它搭把手，得到的是被解放的备课时间，和一份真正属于你这节课的设计。
先从"三段式"试起，今晚备课就用上。用不顺手再来问我。
