# 老师如何用 WorkBuddy 打通备课全流程｜线下培训万字分享
**作者**: 智见AI-大鹏
**日期**: 2026-06-19T12:24:53.000Z
**来源**: [https://x.com/zjp1997720/status/2067946720009584880?s=20](https://x.com/zjp1997720/status/2067946720009584880?s=20)
---
前几天，我在承德应用技术职业学院做了一场教师培训，主题叫《从会问 AI，到会给 Agent 派活》。
这场培训没有从「AI 是什么」开始讲。
原因很简单：很多老师已经不是 AI 小白了。他们已经会用 AI 写材料、查资料、做课件、改文字。真正的问题不是「有没有用过 AI」，而是大多数人的使用方式还停留在单点问答。
比如：
> [text]
> 帮我写个教案。
> 帮我做个 PPT。
> 帮我出几道题。
这当然有用，但价值有限。
因为真实的教师工作不是一个个孤立的文字任务，而是一整条链路：课程标准、教材资料、学情分析、教案、课件、课堂活动、测验题库、课后作业、批改评价、诊改反思。
如果只让 AI 帮你写一段话，它只能解决一个点。
如果能把一整段教学工作交给 Agent，让它读材料、找资料、做映射、出方案、生成文件，再把高频流程固化成 Skill，这件事的性质就变了。
这篇文章就是那场培训的文档版教程。
我会尽量还原现场的核心认知和实操路径。读完之后，你不一定能完全复刻现场的每一步，但至少能掌握这套工作方法的 80%。
## 一、先换一个问题：不要问「怎么问 AI」，要问「怎么给 Agent 派活」
过去我们谈 AI，经常会谈「提示词」。
但提示词这个词很容易让人误解，好像只要找到某个神奇句式，AI 就会突然变聪明。
现场我更愿意用另一个说法：给 AI 派活。
给 AI 派活，本质上很像给一个新同事布置工作。你不会只对一个同事说「去做个材料」，然后期待他交出完全符合你要求的结果。
你通常会交代这些东西：
- 目标是什么
- 材料在哪里
- 有哪些规则
- 大概按什么流程做
- 最后怎样算合格
AI 也是一样。
目标不清楚，它会自己猜。材料不给，它会用公共知识补。规则不说，它不知道边界。验收标准没有，它可能做出一份看起来完整、实际上不能用的东西。
所以，AI 培训真正应该教的，不是记几个提示词模板，而是训练一种新的工作方法：把任务讲清楚，把材料准备好，把边界说清楚，把验收标准立起来。
这就是从「问 AI」到「给 Agent 派活」的第一步。
## 二、SGP：普通老师也能说出来的派活结构
如果只记一个提示词结构，我建议先记 SGP。
它不是玄学技巧，只是把一个任务讲清楚的最小结构。
S 是 State，现状是什么。
比如：
> [text]
> 我是一个刚接手《人工智能通识概论》的新老师。
> 现在手上只有三个材料：课程标准、课程整体设计，还有前辈留下来的第一单元教案。
G 是 Goal，目标是什么。
比如：
> [text]
> 我想知道这门课整体怎么安排，第一单元教案结构是什么样，以及我现在第一步最应该干什么。
P 是 Process，过程怎么走。
比如：
> [text]
> 你按真实老师备课的顺序给我建议就行，不用直接帮我写教案。
合起来，它就是一个非常自然的老师口吻：
> [text]
> 我是一个刚接手《人工智能通识概论》的新老师，现在手上只有三个材料：课程标准、课程整体设计，还有前辈留下来的第一单元教案。
> 你先帮我把这三个材料看一遍，告诉我这门课大概是怎么安排的，第一单元的教案结构是什么样的。
> 我现在最想知道的是：在这种情况下，我第一步最应该干什么？是先找参考教材和参考案例，还是先改第一单元，还是先准备后面的单元？
> 你按真实老师备课的顺序给我建议就行，不用直接帮我写教案。
这段话不复杂，也不专业。
但它比「帮我写个教案」稳定得多。因为它把现状、目标和过程都交代清楚了。
## 三、Chatbot 回答一句话，Agent 接手一件事
很多人第一次接触 Agent，会觉得它只是一个更强的聊天机器人。
这个理解不准确。
Chatbot 的基本工作单位是一轮问答。你问一句，它答一句。它适合快速解释概念、改写文字、生成一段内容。
Agent 的基本工作单位是一件任务。它会围绕目标持续推进：读文件、查资料、调用工具、生成文档、发现问题、调整计划，再继续执行。
Agent 能做事，不是因为它更会聊天，而是因为它有三样东西：
一是工具。它可以读 Word、转 Markdown、联网搜索、生成 PPT、写 HTML、处理 CSV。
二是状态。它知道自己已经做到了哪一步，读过哪些材料，还缺什么。
三是循环。它不是一次性回答，而是在「计划 -> 执行 -> 检查 -> 修正」里持续逼近目标。
这也是为什么现场我没有只打开一个普通聊天框，而是用 WorkBuddy 演示。因为教师备课不是问答任务，它更像一个项目。
## 四、AI 产出表层，很多时候是上下文表层
问卷里有老师提到一个问题：AI 解决的问题比较表层，不能代替我们思考。
这个判断我认可一半，也想补充一半。
AI 确实不应该替老师承担最终判断。但很多时候，AI 的产出之所以表层，不是因为模型能力只能到表层，而是因为我们给它的上下文太表层。
课堂里我用了一个图，叫 AI 乔哈里视窗。
把知识按「人知不知道」和「AI 知不知道」分成四个象限：
- 人知道，AI 也知道：通用教学理论、常见教案结构
- 人不知道，AI 知道：案例、资料、方法、外部知识
- 人不知道，AI 也不知道：需要探索的教研创新
- 人知道，AI 不知道：本班学情、学校模板、课程标准、实训条件、评价要求
最关键的是最后一块：人知道，AI 不知道。
这就是上下文。
上下文可以用一句话定义：
> 上下文就是 AI 不知道，但会真实影响结果的信息。
同样是写一份教案，不同专业、不同班级、不同学生基础、不同实训条件，结果就应该不一样。
如果这些信息没有给到 AI，它只能按通用经验补空白。
所以，不要只盯着提示词。
提示词决定 AI 下一步往哪里走；上下文决定 AI 在这个任务上能走多远。
## 五、上下文窗口是桌面，工作空间是房子
上下文和上下文窗口不是一回事。
上下文是信息本身。上下文窗口是模型一次能处理的信息容量。你可以把它理解成 AI 干活时的桌面。
桌面大小有限。
桌面上放的材料越相关，AI 越容易抓住重点。桌面越乱，AI 也会找不到重点。
这件事放到教学场景里很好理解：你备一节课时，也不会把整个学期所有材料都摊在桌面上。你会把这节课要用的课程标准、教材章节、旧教案、课件模板拿出来。
AI 也是一样。
工作空间则是另一层概念。
如果上下文窗口是桌面，工作空间就是放材料的房子。
课程标准、课程整体设计、前辈教案、参考教材、课件、题库、学生名单，都可以放在同一个课程工作空间里。Agent 接到任务后，会在房子里找材料，把和当前任务相关的东西搬到桌面上处理。
WorkBuddy 在这次培训里的角色，就是把房子、桌面和工具放到一起。
你不需要每次把文件复制粘贴给 AI，也不需要每次都重新上传。你把材料放在工作空间里，让 Agent 自己读取、转换、分析、生成。
但这也提出一个要求：文件夹要规整。
文件夹乱，Agent 也会乱翻材料。无关材料太多，会撑爆上下文窗口。工作空间管理，本质上就是在帮 Agent 管理上下文。
## 六、AI 读文件，不是「打开文件」
现场实操的第一个细节，很多老师会忽略。
我们手上有三个初始文件：课程标准、课程整体设计、第一单元前辈教案。它们通常是 Word、WPS、PPT 这类文件。
这些格式对人很友好，但对大模型并不天然友好。
模型真正能处理的是文本 token。Word、WPS、PPT 这类文件在底层更接近复杂的二进制或压缩结构。Agent 要理解它们，通常需要先调用工具，把文件转换成 Markdown、TXT 或 CSV 这类更容易读取的文本格式。
这就是为什么你会看到 WorkBuddy 先判断文件格式，再调用文档处理工具，再用 pandoc 或其他转换方式提取文本。
这不是多余动作。
这恰恰说明 Agent 真正在处理真实世界里的文件，而不是只在聊天框里生成一段看起来像答案的文字。
这一点对老师很重要。
如果你想让 AI 处理真实教学材料，就不能只关心「它会不会写」，还要关心「它有没有工具读懂这些材料」。
## 七、完整实操：一个新老师如何从三份材料开始备课
这次现场演示，我没有假设老师已经有完整资料包。
我设定了一个很真实的状态：
> 我是一个刚接手《人工智能通识概论》的新老师，下学期要上课，但我手里只有三份材料：课程标准、课程整体设计、前辈留下来的第一单元教案。
这个状态很常见。
很多新老师接课时，不是拿到一套完美教材资源，而是拿到一些前人材料，然后自己慢慢补。
我们让 WorkBuddy 做的第一件事，不是写教案，而是读材料，判断下一步。
## 1. 先让 Agent 读材料，不要急着生成
这一步的提示词是：
> [text]
> 我是一个刚接手《人工智能通识概论》的新老师，现在手上只有三个材料：课程标准、课程整体设计，还有前辈留下来的第一单元教案。
> 你先帮我把这三个材料看一遍，告诉我这门课大概是怎么安排的，第一单元的教案结构是什么样的。
> 我现在最想知道的是：在这种情况下，我第一步最应该干什么？是先找参考教材和参考案例，还是先改第一单元，还是先准备后面的单元？
> 你按真实老师备课的顺序给我建议就行，不用直接帮我写教案。
这段提示词里最重要的一句是：不用直接帮我写教案。
很多时候，我们太着急让 AI 生产结果。结果它很快给出一份看起来完整的教案，但方向可能不对，材料可能没读透，案例可能过时，工具也可能已经不可用。
更稳的做法是先让它判断：
- 这门课整体怎么安排
- 第一单元结构是什么
- 当前缺哪些材料
- 真实老师备课的第一步是什么
这一步是在让 Agent 建立任务理解，而不是立刻交付文件。
## 2. 再做 Agentic Search：搜索也应该进入循环
当 Agent 判断出「现在最应该先确认教材和参考资料」之后，我们进入第二步：找公开、合法、可参考的教学资源。
提示词可以这样说：
> [text]
> 刚才你说，我现在第一步应该先确认教材，这个判断我认可。
> 我联系教研组确认了，没有指定教材，老师自己收集资料备课就行。
> 所以我需要你先帮我找一些官方、公开、可合法参考的《人工智能通识概论》相关教材和教学资源。重点看有没有课程大纲、课件、实验教程、案例资源。
这里有一个很重要的概念：Agentic Search。
普通搜索通常是：搜一次，看几条结果，然后回答。
Agentic Search 更像一个循环：
> [text]
> 明确目标
> → 搜索
> → 阅读结果
> → 判断离目标还差什么
> → 调整关键词
> → 再搜索
> → 汇总成任务所需结论
这和老师自己找资料的过程很像。只是 Agent 把这个过程压缩到了几分钟里。
注意，这一步不是让 AI 随便搜一堆网页，而是让它围绕「这门课怎么备」去找教材、课程大纲、课件、实验教程和案例资源。
目标越清楚，搜索越像工作；目标不清楚，搜索就只是信息堆积。
## 3. 资料下载之后，真正重要的是映射
找到资料以后，不要直接照搬。
很多老师备课时真正缺的不是资料，而是资料和本校课程之间的对应关系。
所以第三步不是「帮我整理资料」，而是「帮我做映射」。
现场用的提示词是：
> [text]
> 这些资源我已经下载到这个目录了。
> 你先帮我梳理一下，这些材料里面分别都有什么内容？都有什么作用？后面我们可以怎么用？
> 然后再帮我看一下，这些参考资料如何映射到我们已有的课程设计上。
> 最后给我一张映射对照表。
这里「映射」这个词很关键。
外部教材是外部教材，本校课程是本校课程。两者不能简单等同。
映射表要回答的是：
- 哪些资料能对应本校哪个单元
- 哪些内容可以直接保留
- 哪些内容需要压缩
- 哪些内容要拆开融入多个单元
- 哪些资源暂时不用
这一步做完，参考资料才从「资料堆」变成「可用的课程资源」。
## 4. 生成教案之前，先生成备课包
很多人会从这一步直接跳到「生成完整教案」。
我不建议。
更稳的方式，是先让 Agent 输出一个备课包。备课包不是正式教案，而是一个给老师确认的中间方案。
提示词可以这样说：
> [text]
> 请你基于我们现在已经有的所有材料，包括课程标准、课程整体设计、前辈的教案、参考教材资源，以及我们刚刚梳理好的这个映射表。
> 接下来我们要进入到第一单元的正式备课环节。
> 我现在需要你帮我重点看一下，讲好第一单元，我们还需要额外收集哪些资料？
> 特别是有一些案例可能已经过时了。过时的案例，我需要你帮我重新联网调研一下最新的适用案例。
> 然后你帮我梳理一个完整的第一单元备课包。
> 这个备课包里面需要讲清楚：这 90 分钟课堂大概怎么安排，每个环节讲什么东西，使用哪个素材，使用哪个案例。
> 先不用直接生成完整教案。
备课包解决的是「方向确认」问题。
它应该包含：
- 旧教案里哪些结构可以保留
- 哪些案例或工具已经过时
- 需要补充哪些新案例
- 90 分钟课堂大概怎么分配
- 每个环节用什么素材
- 哪些内容还需要老师人工确认
只有当老师觉得这个方向可以，才进入完整教案生成。
下一步再说：
> [text]
> 这个备课包的方向可以。
> 你现在按照前辈教案的整体结构，基于刚刚确认的备课包，帮我生成第一单元的完整教案。
> 注意贴合学校课程标准。前辈教案里好用的结构可以保留，过时的工具和案例就替换掉。
> 最后请输出 Word 版本。
这一前一后，区别很大。
直接生成教案，是把判断权交给 AI。
先生成备课包，再由老师确认，是让 AI 做准备和方案，老师保留方向判断。
## 八、Skill：不是提示词，而是 Agent 的工作说明书
当一条流程跑通以后，就可以考虑做成 Skill。
我对 Skill 的理解很简单：
> Skill = 工具 + 说明书 + 最短成功路径。
它不是一个提示词合集。
提示词解决的是一次沟通。Skill 固化的是一条成功路径。
举个例子。
刚才我们已经跑通了「从课程材料到第一单元教案」的流程。它大概包括：
> [text]
> 读初始材料
> → 判断缺口
> → 搜索参考资源
> → 做资源映射
> → 生成备课包
> → 人工确认
> → 生成完整教案
> → 输出 Word
这条流程以后还会反复发生。
第二单元、第三单元、第四单元都可能需要类似流程。那我们就不应该每次重新打一大段提示词，而应该把它固化成 Skill。
先让它对齐需求：
> [text]
> 刚刚我们已经跑通了从课程材料到教案的完整流程。
> 我现在想把这个成功路径做成一个 Skill。
> 这样以后生成第二单元、第三单元教案的时候，就不用每次从头说一遍。
> 你先不要直接写 Skill 文件。
> 在正式设计 Skill 之前，请通过提问的方式和我对齐需求。
一个靠谱的 Agent 会反问你：
- 这个 Skill 覆盖全流程，还是只覆盖备课包之后的教案生成？
- 老师需要提供哪些输入？
- 是否必须保留「备课包确认」环节？
- 输出 Markdown 还是 Word？
- 怎么判断教案质量合格？
这些问题很重要。
因为 Skill 的价值不在于「能不能生成」，而在于「是否可复用、可验收、可迭代」。
不是所有任务都值得做成 Skill。
我建议用四个条件判断：
> [text]
> 高频
> 固定
> 输入清楚
> 输出清楚
> 可验收
教师工作里，很多任务都符合这个标准。
比如生成教案、生成课堂抽测题库、生成课后作业、批改学生作业、整理诊改报告。
这些任务一旦跑通，就不再只是个人经验，而可以变成可复用的教学资产。
## ：真正要控制的是故事线和技术路径
现场我还演示了 AI 做 PPT。
目前让 AI 做 PPT，大体有几条路线：
- 先生成 HTML，再转换成 PPTX
- 直接生成 PPTX
- 用 SVG 画页面，再转换成 PPTX
- 直接用生图模型生成图片型 PPT
每条路线都有取舍。
HTML 转 PPTX 的问题是版式转换可能不稳定。直接生成 PPTX 能编辑，但审美经常不稳。SVG 画 PPT 可控性强，但对模型和 Skill 的要求更高。图片型 PPT 审美和文字渲染很强，但不方便逐项编辑。
这次我测试下来，PPT Master 这类 Skill 的价值在于：它不是让 Agent 完全临场发挥，而是提供模板、图标、图表、布局资源，让 Agent 优先复用，再做微调。
使用这类 Skill 时，有一个很关键的小技巧：
不要只说「帮我做 PPT」。
要明确告诉 Agent：优先使用 Skill 内置资源。
比如：
> [text]
> 我现在需要你帮我把这个单元的教案做成一个 PPT。
> 你严格按照 PPT Master Skill 的流程来做就行。
> 但有一个点要注意：我知道这个 Skill 里面本身有很多可以复用的模板、图表、图标这些资源。
> 所以你做的时候，尽量先去找这些现成资源，能直接复用的就直接复用，不能直接复用的就在原来的基础上微调。
> 不要一上来就完全 Free Design，直接自己画 SVG，这样效果不稳定。
这里的底层逻辑和前面一样。
不是模型越自由越好，而是给它足够好的约束、材料和成功路径，让它在可控范围内发挥。
## 十、课堂互动：让 Agent 直接写一个小工具
很多老师关心一个问题：AI 怎么提升课堂参与度？
我的答案不是「让 AI 自动提高参与度」。
课堂参与度来自课堂设计。AI 能做的是帮老师把课堂表达变得更多模态、更互动、更可记录。
比如现场我让 WorkBuddy 做了一个单文件 HTML 小工具：课堂随机抽问与测验记录器。
它的逻辑很简单：
- 上传班级名单 CSV
- 上传题库 CSV
- 随机抽一个学生
- 随机抽一道题
- 老师现场点选答案
- 系统记录学生、题目、作答情况、得分
- 最后导出 CSV，作为平时分参考
这类小工具以前可能需要找程序员，现在 Agent 就能做。
但关键仍然不是「写代码」。
关键是把需求说清楚。
现场可以这样描述：
> [text]
> 帮我设计一个可以用于课堂互动的单文件 HTML 小工具，名字叫「课堂随机抽问与测验记录器」。
> 使用场景：
> 老师在课堂上把学生名单和题库放进去，点击按钮随机抽一个学生，再随机抽一道题，学生姓名和题目同时出现。
> 题目只有单选题和多选题。
> 学生回答完之后，老师在电脑上帮他点选答案。点选后系统要显示是否答对、正确选项、答案解析。
> 系统自动记录学生、题目、作答情况、得分和时间。
> 最后可以导出 CSV，作为平时分证据。
> 请先不要直接写代码，咱俩先对齐需求。
这里面仍然是 SGP：
- State：课堂抽问场景，学生名单和题库
- Goal：生成一个单文件 HTML 工具
- Process：先对齐需求，再写代码
而且这个工具一旦有了 CSV 模板，就可以继续往后走。
我们可以让 Agent 根据某一单元教案，自动生成符合模板的课堂抽测题库。题库生成流程跑通以后，也可以固化成 Skill。
## 十一、从课堂抽测到课后作业，再到自动批改
课堂抽测只是评价链路的一部分。
如果把这件事继续往下推，会出现一个更完整的流程：
> [text]
> 教案
> → 课堂抽测题库
> → 课堂抽测 HTML
> → 作答记录
> → 课后作业
> → 评分标准
> → 学生提交
> → Agent 批改
> → 班级分析报告
这里有一个很关键的设计点：课堂抽测、课后作业、作业批改不能孤立设计。
课堂抽测更适合检查学生「知不知道」。题型应该短、快、封闭，比如单选、多选。
课后作业更适合检查学生「会不会用」。题目应该更情境化、更开放，更接近真实任务。
如果老师一开始没想清楚二者的区别，可以让 Agent 调用多个 Sub Agent 来讨论。
现场我大概是这样说的：
> [text]
> 现在我们已经有了课堂抽测的这个 Skill。
> 同样的道理，我还想设计一个课后作业生成的 Skill。
> 但是课中抽测题目和课后作业题目之间的定位差异是什么，以及分别的重点是什么，我还没有完全想清楚。
> 我现在需要你帮我多调用几个 Sub Agent，从不同角度去探讨一下。
> 可以从教学设计、教育测量、学生体验、AI 通识课程特点这几个角度来分析。
Sub Agent 的价值在这里很明显。
长线程任务做久了，主 Agent 容易被前文锚定。让几个独立上下文的 Sub Agent 从不同角度思考，往往能跳出来。
课后作业 Skill 还应该和批改 Skill 联动。
也就是说，生成课后作业时，不只生成给学生看的作业要求，还应该同步生成评分标准。这样后面学生提交作业后，Agent 才能按同一套标准批改。
这就从一个工具，变成了一条教学评价工作流。
## 十二、老师真正要保留的，不是按钮操作，而是质量判断
整场培训里，我反复强调一件事：AI 进入教学工作以后，老师不是被拿掉，而是角色发生变化。
重复写作、材料搬运、初稿生成、格式转换，这些工作会越来越多地交给 Agent。
但课程目标是否合理、课堂活动是否适合本班学生、案例是否贴近专业、评价标准是否公平，这些仍然需要老师判断。
AI 幻觉不能靠相信解决，只能靠验收机制管理。
可以要求 Agent：
- 重要结论标注来源
- 不确定内容列出来
- 过时案例说明替换理由
- 评分结果给出依据
- 边界样本标记给老师复核
最终质量负责人仍然是老师。
我有一个判断：
> 替代一个老师的，通常不是一个 AI 工具，而是另一个更会和 Agent 协作完成教学工作的老师。
这句话听起来可能有点刺耳，但它更接近真实趋势。
AI 不会让教学质量自动提高。它只会放大一个人的任务设计能力、上下文准备能力和结果验收能力。
## 十三、最后，把这条流程记住
这场培训如果压缩成一条路径，就是：
> [text]
> 会问 AI
> → 会给 Agent 派活
> → 会准备上下文
> → 会让 Agent 在工作空间里干活
> → 会验收结果
> → 会把高频流程沉淀成 Skill
如果放回教师备课场景，就是：
> [text]
> 课程材料
> → Agent 读材料
> → Agentic Search 补资源
> → 资源映射
> → 备课包
> → 教案
> → Skill
> → PPT
> → 课堂互动
> → 课后作业
> → 作业批改
> → 教学反馈
这不是为了让老师多生成几个文件。
真正重要的是：老师可以把自己的工作流讲清楚，让 Agent 接手执行，再把高频、固定、可验收的路径沉淀成 Skill。
Prompt 解决一次沟通。
Agent 接手一段工作。
Skill 固化一条成功路径。
这就是从「会问 AI」到「会给 Agent 派活」的真正差别。
## 附：文中可复用提示词合集
## 1. 读初始材料
> [text]
> 我是一个刚接手《人工智能通识概论》的新老师，现在手上只有三个材料：课程标准、课程整体设计，还有前辈留下来的第一单元教案。
> 你先帮我把这三个材料看一遍，告诉我这门课大概是怎么安排的，第一单元的教案结构是什么样的。
> 我现在最想知道的是：在这种情况下，我第一步最应该干什么？是先找参考教材和参考案例，还是先改第一单元，还是先准备后面的单元？
> 你按真实老师备课的顺序给我建议就行，不用直接帮我写教案。
## 2. 搜索公开教学资源
> [text]
> 刚才你说，我现在第一步应该先确认教材，这个判断我认可。
> 我联系教研组确认了，没有指定教材，老师自己收集资料备课就行。
> 所以我需要你先帮我找一些官方、公开、可合法参考的《人工智能通识概论》相关教材和教学资源。重点看有没有课程大纲、课件、实验教程、案例资源。
## 3. 做资源映射
> [text]
> 这些资源我已经下载到这个目录了。
> 你先帮我梳理一下，这些材料里面分别都有什么内容？都有什么作用？后面我们可以怎么用？
> 然后再帮我看一下，这些参考资料如何映射到我们已有的课程设计上。
> 最后给我一张映射对照表。
## 4. 生成第一单元备课包
> [text]
> 请你基于我们现在已经有的所有材料，包括课程标准、课程整体设计、前辈的教案、参考教材资源，以及我们刚刚梳理好的这个映射表。
> 接下来我们要进入到第一单元的正式备课环节。
> 我现在需要你帮我重点看一下，讲好第一单元，我们还需要额外收集哪些资料？
> 特别是有一些案例可能已经过时了。过时的案例，我需要你帮我重新联网调研一下最新的适用案例。
> 然后你帮我梳理一个完整的第一单元备课包。
> 这个备课包里面需要讲清楚：这 90 分钟课堂大概怎么安排，每个环节讲什么东西，使用哪个素材，使用哪个案例。
> 先不用直接生成完整教案。
## 5. 设计教案生成 Skill
> [text]
> 刚刚我们已经跑通了从课程材料到教案的完整流程。
> 我现在想把这个成功路径做成一个 Skill。
> 这样以后生成第二单元、第三单元教案的时候，就不用每次从头说一遍。
> 你先不要直接写 Skill 文件。
> 在正式设计 Skill 之前，请通过提问的方式和我对齐需求。
## 6. 让 PPT Master 优先复用资源
> [text]
> 我现在需要你帮我把这个单元的教案做成一个 PPT。
> 你严格按照 PPT Master Skill 的流程来做就行。
> 但有一个点要注意：我知道这个 Skill 里面本身有很多可以复用的模板、图表、图标这些资源。
> 所以你做的时候，尽量先去找这些现成资源，能直接复用的就直接复用，不能直接复用的就在原来的基础上微调。
> 不要一上来就完全 Free Design，直接自己画 SVG，这样效果不稳定。
## 7. 设计课堂随机抽问工具
> [text]
> 帮我设计一个可以用于课堂互动的单文件 HTML 小工具，名字叫「课堂随机抽问与测验记录器」。
> 使用场景：
> 老师在课堂上把学生名单和题库放进去，点击按钮随机抽一个学生，再随机抽一道题，学生姓名和题目同时出现。
> 题目只有单选题和多选题。
> 学生回答完之后，老师在电脑上帮他点选答案。点选后系统要显示是否答对、正确选项、答案解析。
> 系统自动记录学生、题目、作答情况、得分和时间。
> 最后可以导出 CSV，作为平时分证据。
> 请先不要直接写代码，咱俩先对齐需求。
## 8. 区分课堂抽测和课后作业
> [text]
> 现在我们已经有了课堂抽测的这个 Skill。
> 同样的道理，我还想设计一个课后作业生成的 Skill。
> 但是课中抽测题目和课后作业题目之间的定位差异是什么，以及分别的重点是什么，我还没有完全想清楚。
> 我现在需要你帮我多调用几个 Sub Agent，从不同角度去探讨一下。
> 可以从教学设计、教育测量、学生体验、AI 通识课程特点这几个角度来分析。
## 相关链接
- [智见AI-大鹏](https://x.com/zjp1997720)
- [@zjp1997720](https://x.com/zjp1997720)
- [893](https://x.com/zjp1997720/status/2067946720009584880/analytics)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [8:24 PM · Jun 19, 2026](https://x.com/zjp1997720/status/2067946720009584880)
- [893 Views](https://x.com/zjp1997720/status/2067946720009584880/analytics)
---
*导出时间: 2026/7/3 18:11:33*