夜雨聆风种花，浇水，等风来
🌱 一个老师的AI使用手记
你有没有算过，自己每天有多少时间，花在了"不是上课"上？
备课、做PPT、出试卷、改作业、统计成绩、写总结、整理资料……这些事加起来，可能比你上课的时间还多。
更扎心的是——这些事情里，有多少是真正需要"人的智慧"的？
一位信息科技教师，教两个班近80名学生。每次单元测验，批改代码填空题和操作题要花3-4小时，批完还要统计得分点、整理共性错误、分析薄弱知识点——又是额外1-2小时。也就是说，一次小测，光"善后"就要花掉半天。而这半天里，他做的事情是什么？打勾、打叉、登记分数、逐条记录错误——全是机器能做的事。
2026年3月9日，腾讯正式推出了全场景AI智能体桌面工作台——WorkBuddy。它与只能在网页对话框里回答问题的传统AI不同，是一款"能听懂人话、自主思考、操作本地文件"的桌面级AI助手。短短几个月，WorkBuddy月活突破2000万，日活突破1300万，成为国内用户规模最大的办公智能体应用。
今天这篇文章，我们不谈理论，只谈怎么让AI帮你把活儿干完。
以下是WorkBuddy教师实战四堂课，每节课解决一个真实问题，每节课都有能立刻上手的干货。
忘掉"AI=聊天机器人"
它要是只会聊天，那跟养了只会说话的鹦鹉有什么区别？🦜
📌 一、一个让你沉默的实验
我让一位老师打开某个主流AI聊天工具，输入：
"帮我写一份信息科技《网络协议》第一课时的教案。"
AI秒回。结构完整、内容合理、语言通顺。老师很高兴——然后呢？
然后他打开Word，把AI回复的内容复制进去。调整格式。改标题。删不合适的内容。补充自己想要的案例。重新排版。前后花了40分钟。
同样的时间，他对面的同事直接用WorkBuddy说了一句话：
"备一节信息科技《网络协议》第一课时，输出教案Word和配套PPT。"
30秒后教案骨架出来了。10分钟后完整教案+课件PPT摆在桌面上。
一个给你"答案"，一个直接"交货"。
这就是区别。
📌 二、为什么叫"干活工具"？
WorkBuddy与只能在网页对话框里回答问题的传统AI不同，它是一款能直接操作你电脑里本地文件的桌面级AI助手。你只需用一句话描述需求，WorkBuddy便能像同事一样自主规划和执行复杂任务，并交付可验收的结果。
它不是聊天工具——它能直接操作你电脑里的文件：读写Excel、生成Word、做PPT、执行命令。你可以在授权范围内，让WorkBuddy完成文件读取、批量编辑、分类整理、格式转换等全流程操作。
你不是在"问它问题"，你是在"给它派活"。
📌 三、它能干什么？三个真实场景
🌱 场景一：备课
一位信息科技老师要做一个关于"Python条件判断"的课件，约20页。他对WorkBuddy说："风格要简洁代码风，多放流程图和对比表格。"几分钟后课件生成了。他打开看了看，觉得代码示例字体太小、部分流程图的箭头方向不清晰。他让WorkBuddy先去网上搜编程课件设计规范，总结配色、字号、代码高亮、逻辑图示等原则，再回来改。WorkBuddy在几个技术社区和教研网站上搜了一圈，提炼出四条核心设计规范，整理成文档存了下来。
用新规范重新生成——从零到终稿，大约一个晚上。
关键是：那些设计规范存下来了，以后做任何编程类课件自动遵循。
⚡ 场景二：出分层练习
一位信息科技老师，每周面对不同层次的学生：有人刚会写if-else，有人已经在自学递归。以前出一套分层练习，从选题、编写测试用例到写参考答案，少说要花2-3个小时。
用WorkBuddy之后，这个时间缩短到了15分钟。
更关键的是——WorkBuddy能区分学生版（无答案）和教师版（含答案解析+常见错误提示）。教师版里AI会自动加批注，比如"这道题容易混淆=和==，需提醒""链表遍历时容易死循环，注意边界"——这些批注是AI根据编程教学中的常见错误自动生成的。
🚀 场景三：学校管理系统
一位信息技术教师出身的管理者，原先花两个多月自己写一套排课和作品管理工具，只做了个半成品。接触WorkBuddy后——1个人、2周就完成了一套完整的校园作品管理系统，已经部署上线，师生每天都在用。
不写一行代码。
📌 四、这节课的"灵魂拷问"
请你认真想一个问题：
在你的工作中，有没有那么一件事——反复做、机械做、不需要什么创意，但每个月都要花你好几个小时？
改代码作业？统计测评数据？出分层练习？整理学生作品？写教学总结？
一位教师在心得里写道："当老师后，最耗时间的往往不是上课，而是课前课后的'文档体力活'：把一页教案扩成课件PPT、给几十个学生的操作题逐项评分、把零散的代码片段整理成统一格式的习题集……这些事重复、机械，但又不得不做。"
如果这件事不需要你的教学智慧，只需要你的时间和体力——那它就应该被AI替掉。
忘掉第一课
别像教实习生一样，手把手教AI走每一步 🤦
📌 一、一个"用力过猛"的错误
上节课结束后，一位老师兴冲冲回去实践。他的指令是这样的：
"请你现在读取桌面上的'编程测验成绩.xlsx'。然后按照以下步骤操作：第一步打开文件，第二步读取数据，第三步计算每题得分率，第四步统计错误人数，第五步……"
你发现问题了吗？
他确实没有"聊天"。但他进入了新误区：手把手教AI干活。
就好像你请了个助理，然后告诉他："第一步走到饮水机前，第二步右手拿起纸杯，第三步左手按下热水按钮……"——你累不累？助理烦不烦？
好的"派活"不是写步骤说明书，而是告诉AI三件事。
📌 二、SGP三字诀
🎯 SGP三字诀
S = State（现状）：你现在什么情况？手头有什么材料？
"我是信息科技老师。桌面上有'网络协议教案初稿.docx'和'课程进度表.xlsx'。"
G = Goal（目标）：你想要什么结果？
"我要备好下周二的课，输出一份完整教案和配套课件。"
P = Plan（框架）：大致框架是什么？有什么硬性要求？（注意：是框架，不是步骤）
"先梳理一个备课方案让我确认。确认后再生成最终版本。课件多放动态示意图，少堆文字。教案里每个活动环节标注预估时间。"
把这三件事说清楚，剩下的让AI自己规划。
📌 三、WorkBuddy的三种"同事模式"
WorkBuddy有三种运行模式，对应三种跟AI合作的方式：
💬 Ask（问答模式）：只聊天，不动手。适合纯咨询——"这个算法用递归讲，学生更容易理解吗？"
📋 Plan（规划模式）：AI先出方案，你确认后再执行。适合重要任务——"帮我出一套期末操作题，先给我看看题型分布。"
⚡ Craft（实干模式）：你说完它直接干。适合你信任的、重复性的任务——"按上周的格式把这次编程小测的成绩分析做出来。"
💡 新手建议：先用Plan模式。让AI先给你看计划，确认了再让它动手。就像让实习生先写个提纲给你看，看完了再让他做全文。
📌 四、一个真实案例：从"问AI"到"给Agent派活"
一位信息科技教师发现：学生在编程作业中产生的错误蕴含着非常重要的学习信息，但传统错题整理依赖人工翻阅代码和教师经验，难以形成规模化、持续性的反馈。
一道程序错题不只是"运行不通"——它可能反映：语法没掌握、逻辑分支不完整、边界条件没考虑、变量命名混乱、对算法步骤理解有偏差。
他用WorkBuddy接入OCR和代码分析能力，打造了一个程序错题诊断Agent：
学生上传代码截图 → AI识别代码 → 运行测试 → 定位错误位置 → 分析错误类型（语法/逻辑/运行时） → 生成错因卡片 → 生成个性化练习建议
让错题从"一次性订正"变成"可持续利用的学习数据"。
这位老师是怎么做到的？他不是在"问AI问题"，而是把一个完整的教学诊断任务交给了Agent去执行。
📌 五、为什么"忘掉第一课"？
第一课的核心是："AI不是聊天工具，是干活工具。"
这节课说"忘掉第一课"——意思是：当你真正开始用的时候，不需要时刻想着"我不是在聊天"。
就像学会骑车后不需要在上车前默念"我要保持平衡"。
去干。用着用着就自然会了。
别把AI当金鱼
跑通一次就存下来，别每次都重新教一遍 🐟
📌 一、一个扎心的问题
你有没有遇到过这种情况——
上周用WorkBuddy做了一套很棒的分层编程练习，流程跑通了、效果很好。这周要做另一套，你又得从头跟AI说一遍：
"先读这个、再搜那个、然后生成这个、最后输出那个……"
每次重复说一遍，跟每次重新教一遍新同事有什么区别？
第二课我们学会了"不教AI步骤"。但问题来了：你不教步骤，但每次都要重新解释一遍"你要什么"和"按什么流程"——这也很累啊。
更气人的是，AI的记性比金鱼好不了多少。金鱼的记忆是7秒，AI的记忆是——这次对话结束就清零。上周你辛辛苦苦调教出来的完美工作流，这周它忘得一干二净。
你不是在跟AI合作，你是在跟一条金鱼合作——每次都得重新认识一遍。🐟
📌 二、Skill是什么？
WorkBuddy跟普通聊天工具最大的区别，就是这个东西——Skill。
用人话说就是：
Skill = 把你跑通的那条成功路线"存"下来，下次一键启动。⚡
它不是提示词（提示词只管一次对话），它是固化的工作流。
WorkBuddy内置了超20种Skills技能包，支持零代码扩展能力边界。更重要的是——你可以自己写一套"工作SOP"告诉它：遇到什么类型的活儿，就按这个流程干。
打个比方：
提示词是你每次做菜都翻菜谱。Skill是你把菜谱背下来，下次闭着眼都能做。
更准确地说——Skill是你把整个厨房的工作流程写成了标准作业程序：洗菜→切菜→炒菜→装盘。下次你说"按老规矩做"，整个流程自动跑完。
📌 三、一个真实的Skill：程序错题诊断Agent
前面提到的那位信息科技老师，跑通了"代码截图识别→运行测试→错误定位→错因分析→生成练习建议"的完整流程后，把它固化成Skill。
这个流程有多复杂？
学生上传代码截图 → OCR识别文本 → 自动运行测试用例 → 定位错误行 → 分类错误类型 → 生成错因卡片 → 推送同类练习题
以前这一套流程，老师要手动做：翻看每份代码、逐行检查、运行调试、写评语、找补救练习……一个学生至少10分钟。一个班50个人，500分钟。
现在呢？以后每次编程作业，他只需要说一句话：
"运行错题诊断Skill。"
所有步骤自动执行——识别、测试、分析、推送。一个班10分钟搞定。
Skill的价值不是"省掉一次打字"，而是"把一个复杂的工作流变成了一个按钮"。
📌 四、另一个真实的Skill：备课工作流
一位老师把完整的备课流程固化成Skill：
读取课程材料 → 判断知识缺口 → 搜索最新技术案例 → 做资源映射 → 生成备课包 → 人工确认 → 生成完整教案 → 输出Word
下次备"网络分层"这一章的时候，他只需要说一句话：
"用备课Skill生成网络分层章节教案。"
所有步骤自动执行。以前备课3小时，现在10分钟。
💡 设计Skill时有一个关键原则：不要一上来就让AI写文件。先让AI通过提问和你对齐需求——比如"这个Skill覆盖全流程还是只覆盖后半段？""老师需要提供哪些输入？""是否必须保留备课包确认环节？"
一个靠谱的Agent会先问清楚再干活——这才是真正像"同事"的地方。
📌 五、Skill和提示词到底什么区别？
提示词：你跟AI说一次话，它干一次活。生命周期只有一次对话。
Skill：你把一次成功的工作流程"存"下来，下次一句话调用。永久保存，一键启动。
提示词是"点"，Skill是"线"和"面"。
不是所有任务都值得做成Skill。我建议用四个条件判断：高频、固定、输入清楚、输出可验收。信息科技教师的工作里，生成教案、生成随堂小测、生成编程练习题、批改代码作业、整理学业诊断报告——这些任务都符合这个标准。
📌 六、怎么创建你的第一个Skill？
WorkBuddy支持零代码创建Skill，不需要会编程：
1. 打开PC端WorkBuddy，左侧菜单点"技能"2. 点"添加技能"→"创建自定义技能"3. 用自然语言描述你想自动化的流程
💡 新手建议：先手工跑一遍你想要的流程，确认效果满意之后再把它固化成Skill。别一上来就想做个完美的Skill——先造一个能用的，再造一个好的。
省时间的目的是不做杂活
AI替你干掉了重复劳动，你终于有空当"人"了 ✨
📌 一、一个改变认知的真实故事
一位信息科技老师用WorkBuddy做了一次数据分析。他输入了一句话：
"找出这次编程项目得分前30%、但平时课堂测验低于班级平均分的学生。"
结果出来，一个学生赫然在列。
老师顺着这个线索，翻了翻这个学生的项目代码——发现了一个之前完全没注意到的细节：这个学生每次在小组合作项目中都很积极，但独立编码时总是卡在调试环节。不是理解不了逻辑，是缺乏系统的调试策略。
老师找他聊了一次。教他用"二分排除法"找bug。下次项目，他的代码通过率明显提升。
故事的重点不是"数据分析"——是"如果不是AI，老师根本没时间去发现这个细节。"
以前他每次做完项目都在干什么？逐份运行代码、肉眼查错、手工登记分数、逐个写评语。等他干完这些，已经累得不想说话。哪还有精力去"看见"每个学生？
AI替他干掉了杂活，他才有时间去做那个"真正看到学生"的人。
📌 二、一个灵魂拷问
第三课我们学会了把工作流存成Skill，效率大大提升了。但有一个问题你必须认真想：
你把省下来的时间，用来干什么了？
如果你用省下来的时间去做了更多的杂活——整理更多代码库、做更多PPT、出更多练习题——那跟没省有什么区别？
你还是在做"机器能做的事"，只不过做得更多了。
省时间的目的是什么？是让你有时间去做"机器做不了的事"。
什么是机器做不了的事？
💜 跟一个被编程卡到崩溃的学生谈心💜 发现一个孩子在小组协作中表现出的领导力💜 设计一个有真实场景的跨学科项目（比如用数据可视化讲校运会）💜 思考"这学期到底要让学生带走什么计算思维"💜 准时下班，陪陪家人，喘口气
这些才是只有"人"才能做的事。
📌 三、AI不会替代教师，AI会重新定义教师
一位老师在心得里写道："AI替掉的是重复性事务工作——统计分数、整理文档、翻聊天记录——让老师把精力省下来做真正需要人的事：跟学生谈心、设计教学创意、关注每个孩子的成长。"
这不是技术问题，是思维方式问题：
思维升级一：从 "问AI" 到 "给Agent派活"
以前：求AI给你一个答案 → 现在：直接让AI把活儿干完
思维升级二：从 "自己做" 到 "设计流程让AI做"
以前：所有事亲力亲为 → 现在：设计好SOP，让AI自动执行
思维升级三：从 "重复劳动" 到 "创造性工作"
以前：时间花在改作业、统计、整理上 → 现在：时间花在看见学生、设计教学、创造价值上
有教师在培训后总结道："WorkBuddy引导教师实现从'会用AI'向'会养AI'的思维升级，将课程资料、教学案例、课堂反思沉淀为可复用、可迭代的教学知识资产。"
——这才是AI赋能教育的真正意义。
📌 四、三个必须注意的问题
1. 给模板比从零生成效果好
如果你有固定格式的文档（比如学校规定的教案模板、成绩报告模板），先发给AI让它学习格式，再让它往里填内容。效果比从零生成好十倍。
2. AI生成的内容要人审
评语、通知、教案里的关键内容——必须过你的眼，不能直接发。你要始终在决策位置上。AI是辅助，你是负责人。
3. 省积分的3个习惯
WorkBuddy采用积分制：
• 简单任务用轻量模型：纯查询、翻译类切到轻量模型，消耗差好几倍• 需求一次说清：把边界条件、输出格式写全，减少无效对话轮次• 优先消耗快过期的积分：每月免费额度当月有效
另外注意：如果报错429（额度用尽），可以等次月1号自动刷新、买加量包，或者发原创投稿赚积分。如果读不到文件，先检查是否给WorkBuddy授权了对应文件夹。
— — —
最后一句话
WorkBuddy最值钱的能力，不是它多智能，而是它把重复的活儿拿走，让你重新做回"人"。
你不是在学一个工具。你是在重新定义——
"教师的工作，到底应该花在哪里。"
👇 评论区聊聊
四课里哪一课最戳你？或者你第一个想扔给AI的"体力活"是什么？