夜雨聆风
前些天，我重新翻了一遍那套刚整理好的培训课件知识库。
181 份课件，2607 页。
里面讲过的产品真的不少。ChatGPT、Claude、NotebookLM、ima，各种智能体、图片生成、语音分析、课堂互动平台，往下翻几页就能碰见一个新东西。
可我翻得越多，脑子里越冒出一个很朴素的问题。
老师到底缺的是工具吗？
有时候还真不是。
很多老师手机里已经装了好几个应用，培训时也学过怎么生成教案、出练习、做图片、写评语。现场操作的时候都挺顺，讲师点哪里，大家就点哪里，十分钟以后，一份像模像样的材料就出来了。
可回到自己的课堂，最容易卡住的往往是另一件事。
这东西，到底该放在哪一步？
是在课前帮老师备课，还是让学生课中直接用？
是用来给答案，还是用来暴露问题？
生成的内容谁来检查？
它进来以后，老师原来做的哪一步可以省掉，哪一步反而必须加重？
这些问题没有想清楚，工具学得越多，课堂可能越忙。
老师要开平台，要切页面，要发任务，要解释操作，还要随时防止生成内容跑偏。学生看起来一直在动，扫码、提问、生成、提交，课堂也很热闹。
但下课以后回头看，学生到底多想明白了什么，未必说得清楚。
我有时候觉得，这就是今天教师 AI 培训里一个很隐蔽的误区。
我们总在教老师给旧课堂加工具，却很少停下来问，旧课堂的流程是不是也该重新画一遍。
不是在原来的课件旁边加一个 ChatGPT 图标。
是把整节课摊开来看。
信息从哪里进来，学生在哪一步开始思考，老师在哪一步看见证据，反馈在哪一步发生，错误有没有机会被修正，课后又靠什么确认学生真的会了。
这些箭头重新连起来以后，AI 应该出现在哪里，才会慢慢变清楚。
我拿一节很普通的古诗词鉴赏课来说明。
传统流程大家都熟悉。
老师课前查资料、做课件，课堂上介绍背景、讲解字词、分析意象、归纳情感，然后提几个问题，让学生回答。课后再布置背诵或者赏析练习。
这套流程当然能上，而且很多优秀老师已经上得很好。
问题是，当我们想把 AI 放进来时，最容易做的动作，是让 ChatGPT 帮忙写教案，让 image2 生成一张诗境图，再让学生现场问几句作品赏析。
看起来每一处都用了新技术。
课堂的骨架却一点没变。
老师仍然在课前准备大部分解释，学生仍然主要接收结论，AI 只是让材料来得更快、页面变得更漂亮。
这时候的 AI，像是在一辆原地不动的车上多装了几块屏幕。
屏幕很亮。车没往前走。
如果把流程重画一次，起点就可以换掉。
课前不先让 AI 写完整教案，而是先给学生一个很短的问题。
读完这首诗，你认为诗中最强烈的情绪是什么？请找出一句原文作为依据。
学生的回答收回来以后，去掉姓名、学号和其他身份信息，再交给 ChatGPT 或 Claude 做初步归类。
不是让它判断谁对谁错。
只是让它帮老师看见，全班出现了哪些不同理解，哪些回答有文本证据，哪些只有情绪标签，哪些学生注意到了某个意象，却没有把意象和情感连起来。
这一步完成以后，课堂的入口就变了。
老师不再从自己准备好的标准解释开始，而是从学生已经暴露出来的差异开始。
同一首诗，有人读到孤独，有人读到旷达，有人觉得是思乡。老师可以挑出两三个有代表性的匿名回答，放在课堂上比较。
你为什么这样判断？
哪一个字支持你的理解？
如果把这一句拿掉，你的判断还站得住吗？
这时学生做的就不只是听赏析。
他们在用文本证据保卫自己的解释。
AI 在课前做的是归类，是把几十份回答里原本不容易看见的差异摊开。真正进入课堂以后，判断、争论和解释仍然属于学生，追问和节奏仍然掌握在老师手里。
你看，工具并没有抢走课堂。
它只是把课堂的起点，从老师准备讲什么，移到了学生现在怎么理解。
顺着这条线再往下走，课堂中段也会发生变化。
以前老师讲完重点以后，通常会问一句，大家听懂了吗？
教室里大概率会有几个人点头，也会有人沉默。
这个问题的问题在于，它几乎不给老师留下可判断的证据。
学生说懂了，可能只是听懂了老师刚才那句话。换一首诗、换一个意象，他还能不能自己判断，不知道。
重画流程以后，这里不再用懂没懂收尾，而是插入一个很短的新任务。
给学生另一段没有讲过的诗句，让他们独立完成一次情感判断，写下依据，再和同桌交换检查。
如果班级设备条件合适，可以让 ChatGPT 按老师给定的难度和知识范围，生成几组迁移材料的候选。老师提前核对原文、出处和难度，只留下能用的部分。
如果设备条件一般，也完全可以把候选提前打印出来。
真的没必要每个学生都在课堂上开一个聊天窗口。
我很理解有些老师一说 AI 课堂，就担心设备不够、网络不稳、学生乱问、课堂失控。
这些担心一点都不多余。
四十多个学生同时操作，登录问题就能吃掉好几分钟。生成速度一慢，教学节奏会被打断。学生拿到答案以后直接照抄，原来设计的思考过程也可能消失。
所以重画流程不是把所有环节都在线化。
恰恰相反，它会逼着老师做减法。
如果 AI 在课前帮助老师处理材料，比让全班在课中同时操作更稳，那就放在课前。
如果一张纸更快，就用纸。
如果同伴讨论比生成答案更能暴露学生思路，就先讨论。
技术不需要占据课堂中央。它只需要在某个原来很费力、很难看见、很难分层的地方，帮老师把事情往前推一步。
这话听着不够炫，但我是真的觉得，它更接近一线课堂。
回到刚才那节古诗词课。
学生完成迁移任务以后，流程还没结束。
老师可以让 ChatGPT 或 Claude 再做一次初步归类，看看学生的新回答里还剩下哪些问题。有人仍然只写情感词，没有文本依据。有人会找关键词，却不会联系整首诗。有人已经能比较两种解释，并说明自己为什么选择其中一种。
这次归类不是为了给学生贴标签。
它是为了决定下一步。
哪些问题要全班再讲一次，哪些学生只需要一个提示，哪些学生可以进入更开放的比较任务，哪些错误值得进入下一节课的开头。
反馈不再是课堂结束后的附加动作。
它开始反过来决定下一轮教学。
到了这里，我们再回头看这节课的流程。
原来是老师备课、老师讲解、学生回答、老师批改。
现在变成了学生先留下证据，AI 帮助归类差异，老师选择真正的问题，学生围绕证据讨论，新任务检查迁移，反馈再进入下一轮教学。
同样是一节课，信息流向完全不一样。
老师不是讲得更少了。
老师是把自己的力气，从准备一套完整答案，挪到了发现问题、选择证据、设计任务和追问学生上。
学生也不是自由地和 AI 聊天。
他们有更明确的任务、更清楚的材料边界，也必须留下自己的判断过程。
这才是我说的重画课堂流程。
它不是画一张好看的流程图，也不是把教学环节换几个新名词。
它是在重新回答五个问题。
第一，学生在进入课堂时，带来了什么真实证据。
第二，这节课最需要解决的堵点到底在哪里。
第三，哪一步必须由学生亲自思考，不能被生成答案替代。
第四，AI 的输出由谁核对，又怎样回到教材、原文和学生作品。
第五，课堂结束时，用什么新任务证明学生不靠刚才的答案也能完成。
这五个问题画清楚以后，再打开 ChatGPT、Claude、NotebookLM 或 ima，感觉会完全不同。
以前是看到一个功能，再努力给它找课堂场景。
现在是先看到课堂哪里堵，再判断哪个产品能帮忙。
顺序一换，老师就不容易被产品牵着走。
NotebookLM 和 ima 更适合围绕老师给定的课标、教材、教参和案例做有来源的整理。ChatGPT 和 Claude 适合生成备选、归类匿名回答、制作变式，再从不同角度检查遗漏。Codex 适合处理更大规模的资料工程，比如把大量课件、教案和审核记录变成可搜索语料。
它们能力不同，使用位置也不同。
但课堂流程没有画清楚时，再强的产品也只能给出一堆看起来不错的材料。
说到这里，可能有老师会觉得，这套做法是不是比直接生成教案更麻烦。
坦率的讲，刚开始确实可能更慢。
你要重新看自己的课堂，要设计一个能留下证据的小任务，要想清楚哪些数据可以处理，哪些学生信息不能上传，还要逐条核对生成材料。
第一次做，甚至可能比自己按老习惯备课花更久。
这个学习成本不能假装不存在。
但它有一个很大的好处。
只要一条流程跑通，后面就可以复用。
课前诊断可以沉淀成模板，匿名处理可以形成规则，学生回答的归类维度可以逐步稳定，迁移任务可以积累成题库，课后反馈也能回到下一轮备课。
老师最后得到的，不是某次惊艳的生成结果。
是一条越用越顺的教学工作流。
我最近整理 181 份培训课件时，也有一个很深的感受。
单个工具很容易过时。
按钮会换位置，产品会改名字，免费额度会调整，有些功能今天还能用，过一段时间就下线了。
但一条围绕真实任务建立起来的流程，会稳定得多。
只要你知道输入是什么、判断点在哪里、要留下什么证据、谁负责审核、最后怎么验收，就算换一个产品，整套方法仍然能跑。
这有点像厨房里添了一台新设备。
真正提高效率的，从来不是把机器摆在台面中央，所有人围着它转。
而是重新安排备料、烹饪、出餐和清洁，让机器恰好接住最耗时的那一道工序。
课堂也一样。
AI 不该成为一节课最显眼的主角。
它应该成为一条更好的学习流程里，那个恰到好处的连接点。
所以，如果你准备开始用 AI，我反而不建议今晚继续收藏工具清单。
找一张白纸，选一节自己最熟的课。
先把现有流程画出来。
老师做什么，学生做什么，哪里产生学习证据，哪里最费时间，哪里最容易看不见学生的真实理解。
然后只挑一个堵点。
让 AI 进去试一次。
别急着重做整节课，也别急着追求展示效果。跑完以后看看，老师是不是更早看见了问题，学生是不是留下了更多思考证据，反馈是不是能进入下一轮教学。
如果答案是肯定的，这一步就值得留下。
如果没有，就删掉。
老师用 AI 的第一步，不是把工具请进课堂。
是先重新决定，这节课究竟应该怎样发生。