如果你和我一样每周至少有十个晚上都在干同一件事——把教材上的知识点“翻译”成学生能听懂的话那这篇就是写给你的。我用了 ChatGPT 简化教学大概一个月最直观的变化是备课的初稿时间从两三个小时压到了四十分钟出题从“憋半天凑不齐一组变式题”变成了“批量生成再人工挑错”。这篇是系列第一篇先讲最核心、也是收益最明显的部分怎么把 ChatGPT 接入备课、出题和讲义生成这条主链。我会把提示词模板直接给出来也会解释每句提示词背后的逻辑方便你按自己的科目调整。不过先说清楚一个前提ChatGPT 不是用来替你上课的也不是让 AI 直接写一份“看起来像那么回事”的教案然后你照念。它真正擅长的是把教学里那些重复性高、结构化强、靠拼贴和重组就能完成的工作接过去——比如把一个知识点拆成教学步骤、把一道例题改造成同构变式题、把零散的课堂记录整理成整齐的讲义。这些事不涉及对学生的情感判断也不需要真实的教学现场经验恰恰是 AI 最可靠的地方。判断用什么例子、怎么组织课堂互动、哪个学生卡在哪个环节这些仍然是教师的核心工作。1. 教学场景里ChatGPT 到底该放在哪个环节1.1 我梳理的教师日常任务清单动手之前我先把自己一周的工作摊开来看了一遍。教师工作看起来是“上课”实际上被大量隐性劳动塞满备课要查资料、设计导入、编排练习课件要做结构作业要出题、批改、反馈课后还要答疑和整理错题。我按“是否适合交给 AI”给它们分了类结果是这样的任务环节每周大概耗时是否适合交给 ChatGPT原因知识点拆解与教学步骤设计2-3 小时非常适合结构清晰可模板化课件大纲整理1-2 小时非常适合本质是信息重排例题与变式题生成1.5 小时非常适合需要组合替换而非原创讲义/学案排版1 小时部分适合AI 给结构人工校核作业批改与评语2-3 小时不建议涉及情感判断与个性化面对面答疑1-2 小时不建议需要即时观察学生反应这个分类给了我一个很重要的启发教学里最耗时的往往不是“讲课”本身而是讲课前的翻译工作。同一个知识点你怎么把它从教材语言转成学生能接受的语言才是备课的核心成本。而“翻译”恰恰是 ChatGPT 这类大语言模型最擅长的事。它不擅长的是编造全新的教学法但它特别擅长在你给出的框架里做结构化的内容重组。1.2 用 ChatGPT 提效最明显的四类任务基于上面的分类我实际用下来提效最明显的是下面四类任务。排第一的是把知识点拆成“从旧知识到新知识的台阶”。数学里讲一元二次方程学生先要有因式分解和一元一次方程的基础物理里讲力的合成学生得先理解力的图示。这个“台阶”是可以拆出来的每级台阶包含一个旧知识锚点、一个新概念、一个用来确认学生是否跟上的检查问题。这类任务以前靠脑补现在用模板就能批量做。第二类是把单个例子改造成同构多例也就是变式训练。教材上通常只有一道标准例题但学生需要至少三道同构题才能真正掌握。以前我会手动改数字、改情境、改设问方向现在让 AI 按我的要求生成三个变式我再人工检查有没有超纲。这省掉的是最机械的那部分时间。第三类是按难度标签批量出题。这个后面会专门讲核心是给 AI 一个可操作的“难度锚点”而不是模糊地说“出简单一点”。第四类是把杂乱的备课笔记整理成结构化讲义——我经常在纸上写一堆零散想法扔给 AI 让它按“目标-导入-讲解-练习-小结”的框架整理它做得比我自己打字快得多。1.3 容易被忽视的前提先教会 ChatGPT“认识你”很多人用 AI 备课是打开对话框直接说“帮我设计一堂三角函数课”然后对结果不满意就认定 AI 没用。其实问题不在于 AI而在于它根本不了解你的教学场景。你不知道你面对的是高一学生还是高三复习不知道你习惯先讲概念还是先讲例题不知道你输出格式是要逐字稿还是要点式讲义。它只能按平均水准给你一份“放之四海而皆准”的东西。我的做法是花五分钟写一段“教师设定”在每次开启一个新备课任务时先发过去然后再进入正题。你可以把它理解成 AI 的“工作简历”。下面是我自己用的版本你可以直接复制修改你是一位有十年教学经验的【高中数学】教师目前带的班级是【高二年级中等偏上水平】。 你的教学风格是 1. 先给一个生活化类比帮助学生建立直觉再讲严格定义 2. 讲完每个知识点后必须设计一个至少 30 秒的课堂停顿问题用于即时检测学生是否跟上 3. 所有输出使用简体中文术语准确避免长难句。 你在输出教案时遵守以下规则 1. 每份教案包含教学目标、知识台阶拆解、例题、变式题、常见错误预警 2. 例题和变式题必须标注难度和预估用时 3. 禁止输出模糊的、不可执行的教学建议比如“引导学生思考”这种话。这个设定的作用是把“你会怎么上课”这个上下文一次性交代清楚后面每轮对话 AI 都会自动带上这些约束。实测下来加了这段设定之后AI 生成内容的可用率至少提高一半。花五分钟写入省下的是后面每轮对话反复纠正的时间。2. 一套能直接用的备课提示词模板附改写逻辑2.1 课题拆解提示词把“教这个知识点”变成五个步骤很多老师备课的第一步是“想清楚这节课的推进逻辑”。以前我在这一步最容易卡住——知识点就摆在那但怎么把它拆成一节 40 分钟课的节奏靠的全是经验和感觉。AI 虽然不懂你的课堂但它见过大量教学结构可以帮你生成一个供参考的骨架。我的拆解模板是这样的我正在备【课题名称】这节课授课对象是【年级水平】。 请帮我完成以下任务 1. 把这个知识点拆解成 5 步教学台阶每一步包含 - 旧知识锚点学生已经学过、能和本步建立连接的旧知识 - 新概念引入本步需要讲清楚的核心概念不超过 2 句话 - 检查问题一个用于在课堂上即时提问、确认学生理解的问题。 2. 在 5 步台阶之外额外列出学生最容易卡住的 2 个地方并给出对应的处理方式。 3. 所有内容用要点式输出不要写成完整段落。我解释一下每一行的用意。为什么强调“旧知识锚点”因为认知心理学里有个基本结论新知识必须挂靠在已有的知识结构上才能被有效吸收。很多新课讲得失败不是新知识太难而是旧知识没有提前激活。让 AI 显式列出旧知识锚点等于逼着它在设计时先想“学生从哪里来”而不是“我要讲什么”。为什么强调“检查问题”因为课堂讲授最怕的就是你讲得行云流水学生听得云里雾里。检查问题不需要多复杂可以是“用你自己的话说一下这个公式里的 b 代表什么”。关键是每个知识台阶后必须有一个让课堂节奏自然形成“讲-查-讲-查”的循环。2.2 学情分层提示词同一个知识点生成三个版本一个班里的学生水平从来不是均匀的但备课时间不允许你给每个层次的学生单独准备一套方案。AI 在这里最大的价值是低成本地做“同一知识点的多版本”。我的模板是在拆解步骤的基础上加一个“难度分层”指令针对【知识点名称】请分别生成三个教学版本 版本 A基础版面向基础薄弱的学生。 要求用最生活化的类比引入只讲一个核心概念只配一道示例题。 类比必须来自日常生活不能来自抽象数学情境不出现任何超纲术语。 版本 B标准版面向中等水平学生。 要求在概念引入后加入一步推导过程配两道练习题一道模仿例题一道稍作变式。 版本 C进阶版面向学有余力的学生。 要求加入一个需要逆向思维或综合运用的问题问题设计要考察概念的本质而非机械计算给出提示但不要直接给完整解答。这个模板我用得很多尤其是复习课前的分层学案。实际使用时要注意AI 对“基础薄弱”的理解可能是“把句子写短一点”不一定会真正把认知负荷降下来。所以我在版本 A 里额外加了一条硬性要求——类比必须来自日常生活且不能出现超纲术语。这相当于逼着 AI 在“做减法”。宁可它给出的版本 A 简单到有点幼稚也比它的“简化版”仍然默认学生知道很多概念要好。2.3 逐字稿/讲稿提示词从骨架到能直接开口讲的话有了教学台阶下一步就是把它转成“你能直接拿着上课堂说的话”。这一步我以前是最痛苦的——脑子里有结构但组织语言费时间。让 AI 生成逐字稿的意义不在于你照着念而在于它帮你完成口语化转写你再按自己的语言习惯修改。根据以下教学步骤生成一份课堂讲稿 【粘贴上一步生成的 5 步教学台阶】 要求 1. 口语化像老师在课堂上真实说话不要书面语 2. 每个知识点讲完加入一句“停一下我们花 30 秒想一个问题”然后接上对应检查问题 3. 每讲到关键结论时用“注意”开头提示学生记录 4. 总长度控制在 15 分钟内讲完用【段落分隔】标出自然停顿点。生成之后我不会直接拿去用而是把它当“半成品”再过一遍哪些类比学生可能有歧义哪些停顿点位置不合适哪些地方以我对这个班的了解需要补一个例子。AI 生成的讲稿解决了“怎么开口”的问题而“还能怎么更好”仍然需要你判断。这个过程比我完全从头写要快得多而且它给出的口语化版本经常会冒出一些我想不到的类比角度。3. 出题与讲义生成如何控制难度和格式3.1 控制难度的“难度锚点法”出题是最容易让 AI“露馅”的环节。你让它“出五道中等难度的题”它会给你五道看起来差不多、实际上要么过于简单要么难度失控的题。根本原因在于“中等难度”对 AI 来说是一个没有操作性的模糊词。它不知道你的班级平均分是多少不知道哪类题学生容易错更不知道你说的“中等”是相对教材习题还是相对考试真题。我后来摸索出一个办法叫“难度锚点法”——不给 AI 形容词给它可操作的量化指标。比如请出 5 道【知识点】随堂练习题难度要求如下 1. 第 1-2 题学生读完题 30 秒内能在脑中口算完成不需要动笔 2. 第 3-4 题需要动笔做 2-3 步中间计算但每一步都是单一知识点 3. 第 5 题需要两步推理其中第二步用到的知识是前四题中某题的结论。 4. 每道题标注难度星级、预估用时、涉及的唯一核心知识点。“30 秒口算”“2-3 步中间计算”“用上一题的结论”——这些才是可执行的难度描述。AI 不理解你的学生但它理解“步骤数量”和“推理链条长度”这些客观指标。用这种方式出题即使它出的题有不合适的地方你调整起来也很快因为难度分布是可控的。3.2 格式控制与 Markdown让 AI 输出能直接使用控制难度之外第二个痛点是格式。AI 默认输出的是完整段落或编号列表直接复制进 Word 往往乱成一团。我的做法是在提示词里强制要求它用 Markdown 表格和代码块围栏输出。这样生成出来的题目自带结构化标签复制到任何编辑器都能基本保留格式。输出格式要求严格遵守 用 Markdown 表格输出如下字段 题目编号 | 题干 | 选项 A-D | 正确答案 | 解析 | 知识点标签 | 预估用时 | 难度星级 如果题目是主观题“选项”字段填“无”答案字段填评分要点。 解析必须单独一行控制在 50 字以内。我用这个格式批量出题后直接把表格粘贴到在线文档里就能排版成学案。小技巧是让 AI 在同一轮里把五个题一次性按表格输出比让它一题一题输出省力得多——表格格式只要在第一次声明后面它会自动沿用。注意要强调“每个表格之间用空行隔开”否则连续多个表格粘到 Word 里容易粘连。3.3 通过“一轮反馈二轮修改”把 AI 当助教一次生成就满意的概率很低这不说明 AI 不行而是你的“第一次要求”和真实需求之间总会有差距。正确的做法是把对话当成和学生交流一样先让 AI 产出第一版然后给它具体反馈让它改。我常用的反馈模板有三类难度调整“把第 3 题改简单一点去掉文字游戏式陷阱改成直接计算。”内容调整“第 7 题的解析写得太抽象改成一个具体计算过程第 2 题换个情境。”整体调整“整套题偏容易因为这是巩固课不是新课。请把最后两题升级为需要两步推理的综合题。”我踩过的坑是反馈时用模糊表述“感觉不太对你优化一下”。这样 AI 只会做表面润色不会改实质内容。给它的反馈必须包含“改哪里”和“朝什么方向改”两个要素。它就像一位没上过你的课但很听话的助教你交代得越具体它干得越好。4. 结构化输出让 AI 生成内容直接进入课件/讲义4.1 用固定输出模板与批量生成减少对话轮次用 AI 备课最浪费时间的其实是“对话本身的次数”。每多一轮来回你就多等一次生成时间。我发现效率最高的方式不是让 AI 一项项交付而是用一个“批次指令”同时完成多个紧密相关的任务。比如我把“课题拆解 目标陈述 导入设计 两份随堂练习 小结”放在同一个提示词里让 AI 一次性输出一份完整讲义草案再针对不满意的局部修改。另一个减少轮次的技巧是使用固定的输出模板。如果你的 AI 每次都按同一种结构输出讲义你就能形成习惯性的“提取动作”——哪里是教学目标直接复制哪里是例题直接粘贴到课件哪里是常见错误预警可以转成板书要点。模板会形成肌肉记忆长期下来比每次重新阅读 AI 的“自由发挥”要快得多。4.2 分章节输出而不是生成整章长文我一开始有过一个天真的想法让 AI 直接生成一份“三角函数全章讲义”。结果它生成了很长但很混乱的内容中间的知识点跳跃严重有的地方重复有的地方漏掉。教训是AI 不适合一口气生成长文本尤其不适合生成需要有严谨递进关系的教学材料。后来我改成“一次只生成一个知识点最后再合并”的策略。一个知识点一个对话轮次生成完先检查这个知识点的完整性确认没问题再进入下一个。全部完成后用一条合并指令让 AI 把各个片段按我指定的章节顺序拼接成完整讲义。虽然看起来麻烦但在质量稳定性和调试效率上远远超过一次性生成。还有一个额外好处分知识点生成时我更方便对某个知识点单独修改而不影响其他部分。4.3 从讲义到课件大纲的两步转换法讲义做完后下一件事是把它转成 PPT 大纲。以前的流程是打开 PPT 一页页打字现在我可以让 AI 先用两分钟完成大纲提取。提示词是这样的请根据以下讲义内容提取一份可用于制作 PPT 的大纲 【粘贴讲义内容】 要求 1. 一级标题对应每一页幻灯片的标题用简短短语不超过 8 个字 2. 二级要点对应页面中的 bullet 内容每条不超过 15 个字 3. 页面底部用“备注”标记本页需要口头展开的细节 4. 输出格式为 Markdown 大纲不要输出完整段落。得到大纲后把它贴到 PPT 的“大纲视图”里再逐页微调排版。这个流程省掉的是“打字把内容搬进 PPT”的时间保留的是你对页面结构的设计和取舍。从我个人的经验看一份 15 页的课件用这个方法可以把搭建时间从一小时压缩到二十分钟左右剩下的大部分时间是在调格式和补图而不是在逐字敲内容。5. 实践中最容易翻车的四个场景与排查思路5.1 AI 一本正经地编造内容幻觉检测清单用 AI 辅助教学最危险的不是它拒绝回答而是它用非常自信的语气给出错误信息。这个在行业里叫“幻觉”。我做高中物理的一个同事遇到过 AI 在一道运动学题里编造了一个不存在的物理常量还有一次 AI 把单位换算错了一位但整个解题过程看起来极其顺畅几乎以假乱真。我的应对办法是建立一套“幻觉检测清单”凡是 AI 输出中涉及具体数字、年份、公式推导、标准名称、人名定理的必须人工核对教材或权威资料把 AI 给出的关键结论反喂给 AI 自己要求它“请检查上一条回答中所有数值和公式是否正确”这能触发它的自我纠错更稳妥的做法是只让 AI 做“重组知识”的工作而不是“生成新知识”的工作。重组知识的过程中它只是在翻译你提供的材料幻觉空间小得多让它凭空生成数值幻觉空间就大得多。我给自己的底线原则是AI 出初稿教师定终稿。涉及关键数据、公式推导、标准定义的教师必须亲自过目。5.2 输出内容“永远正确但空洞”切换具体性模式另一种翻车方式更隐蔽AI 生成的内容看起来全是正确的话但你根本没法直接用。比如“加强学生对函数概念的理解”“培养逻辑思维能力”这种——它们没有错误但没有任何操作价值。我发现出现这种情况往往是因为提示词里包含了太多抽象词而 AI 的默认输出风格就是“正确但泛泛”。解决办法是强制要求它进入“具体化模式”。发这样的补充提示刚才的生成内容太笼统请重新生成。 这次的要求是每一条建议都必须包含一个可直接使用的课堂操作格式为“在什么环节做什么动作预期学生出现什么反应”。如果无法给出具体反应就说明你的建议需要重新设计。我实测下来“学生可能出现的反应”是让 AI 从空转切换到实打实的最有效关键词。一旦它必须描述学生动作它就没办法只说漂亮话了。老师在课堂上再怎么灵活备课时的内容都必须落到一个个具体的操作点上。5.3 “无法加载 config.toml”报错导致对话无法继续的修复记录用了一段时间之后我在桌面客户端遇到过一个很烦人的问题打开客户端准备继续昨天的备课结果直接弹窗提示“无法加载 config.toml因此此对话串无法继续”后面还有一句要我去修复 config.toml 里的 model 字段。整个对话串卡死之前存的提示词模板都看起来打不开。我当时的处理链路是这样的你也可以参考。第一步先确认报错指向的是配置文件。这个文件是客户端本地保存的配置文件不在云端格式是 TOML打开后会看到里面有模型名称、接口地址、一些开关选项。第二步找到这个文件的存放位置。不同客户端的路径不同但通常都在当前登录用户目录下的 App 配置文件夹里Windows 一般是%APPDATA%下某个子目录macOS 一般在~/Library/Application Support下。如果你找不到可以直接在系统的文件搜索里搜config.toml文件名。第三步打开文件检查model字段。我遇到的情况是这里填写了一个不存在的模型别名客户端启动时校验不通过直接拒绝启动。我先把原文件复制一份做备份然后把 model 改成当前可用的标准模型标识保存文件后重新启动客户端对话就恢复正常了。第四步如果你不想手动改也可以把疑似出错的配置项直接注释掉——TOML 里用#注释——让客户端用默认值启动。注意改完如果仍然报错优先考虑是新版客户端改了配置格式去更新到最新版本通常能解决。这里要提醒一句改动任何配置文件之前先备份原文件。我备份的习惯是复制一份并改名成config.bak.toml。另外不要用记事本之类的编辑器在 Windows 上乱改行尾会导致解析错误建议用支持 TOML 语法高亮的编辑器改完保存为 UTF-8 编码。5.4 一直“卡在处理中”与桌面版打不开的轻量排查另一个高频问题是发送消息后一直转圈显示“处理中”好几分钟没反应或者客户端能打开但页面一直白屏。这类问题大多跟本地缓存状态和登录态有关。按照我自己的排查顺序从轻到重分别是先等两分钟。长文本生成偶尔会慢尤其是让 AI 一次性生成长讲义时。我后来习惯把大任务拆成小任务生成会快很多也不容易卡死。重启客户端或刷新页面。有时候只是会话状态卡住退出重进就能恢复。确认登录态是否过期。长时间没使用登录态可能会失效退出账号重新登录即可。清理客户端缓存。在设置的存储选项里找到清理缓存清理后重启。这一步能解决大部分“打不开”“白屏”问题。更新到最新版本或重新安装。如果在清理缓存后仍然异常一般是客户端版本的问题去官网下载最新版覆盖安装。重新安装前确认本地配置和数据已备份。我不建议一遇到问题就重装因为有些配置会丢反而更麻烦。按上面从轻到重的顺序排查大多数情况在前三步就能解决。5.5 邮箱收不到验证码的常规处理思路注册新账号时“邮箱收不到验证码”是一个非常影响情绪的卡点。遇到这种情况我通常是按这个顺序排查的先看垃圾邮件箱。很多邮箱服务会把自动发送的验证邮件误判为垃圾邮件这是最高频的原因等 10-15 分钟再点一次“重新发送”。有的系统发送频率受限短时间内多次点击反而会触发拦截检查邮箱地址本身有没有拼写错误尤其是域名部分换一个常用邮箱重新注册试试——企业邮箱有时会屏蔽自动发送的邮件个人常用邮箱的成功率更高如果以上都不行就暂停尝试隔天再继续频繁操作有时会触发风控。这个问题的关键不在于“怎么绕过验证”而在于耐心排查常规路径。我一直不建议用非常规方式解决问题一方面风险大另一方面一旦账号出问题里面存的教学资料找不回来损失更大。6. 第一周的落地路线图6.1 先选一门课做试点不要全面铺开很多老师第一次用 AI 备课恨不得所有科目所有年级同步上。我的建议恰恰相反前两周只选一门课、一个固定课型做试点。选那一门你每周都要准备、重复性最高、最让你头疼的课把上面这些模板先跑一遍。这个选择很重要——如果选的是一门不常教的课你连基本的判断标准都没有很难判断 AI 输出的质量。第一周我给自己的计划是这样的时间行动计划对应模板周一用课题拆解模板准备一个 20 分钟的知识点片段2.1 拆解提示词周二为这个知识点生成三个变式题和一个检查问题2.2 分层提示词周三把拆解步骤转成逐字稿并提炼 PPT 大纲2.3 讲稿提示词、4.3 大纲转换周四对 AI 输出做一轮反馈修改重点检查难度和准确性3.3 反馈模板周五复盘哪些提示词直接用哪些要改记录到存档表6.2 提示词存档表我最大的心得是不需要一开始就把所有提示词模板全部用上。第一周只用两三个模板跑通一个完整的备课闭环比每个环节都浅尝辄止有效得多。先看到“从拆解到出题到讲义”全流程跑通建立信心再逐步扩大使用范围。6.2 建立一个提示词存档表记录哪些有效哪些无效用了两周之后你手里会有十几个提示词模板但其中真正好用的可能只有五六个。如果不记录下周你会发现自己还在用同样的方式“重新探索”一遍非常浪费。我建议从第一天就建立一张存档表字段包括适用环节、完整提示词、你的学科、使用次数、效果评分、修改记录、失败原因。这个表的核心价值不在于保存提示词本身而在于保存修改痕迹。比如我第一次用的变式题提示词没加“必须包含一个文字陷阱选项”这一条结果生成的题全是直来直去。记下这次修改下次就不会再犯错。提示词是有生命的工具它会随着你对 AI 能力边界的理解而演变。没有存档表的提示词库本质上是靠记忆工作摸过一段时间就丢了。等到积累了两到三周的存档记录你就能清楚地看到自己在哪些环节真正省了时间哪些环节反而因为反复修改更耗时。这一步很重要因为有些工作其实不适合 AI 化。我从记录里发现“课后答疑话术”这个环节用 AI 生成效率反而低因为学生的问题太具体AI 给不出针对性的回答。于是我把这部分回归人工把省下来的时间花在更有价值的事情上。6.3 我给自己定的三条边界原则用 AI 做教学工作三个月之后我给自己定下了三条边界供你参考。第一条AI 出初稿教师定终稿。任何进入课堂的材料哪怕是 AI 生成的都必须经过教师的眼睛。这不是不信任 AI而是教师对教学内容负有最终责任这条不能外包。第二条涉及学生评价和情感反馈的内容不外包。作业评语、谈心谈话、学习建议——这些需要你对这个学生有真实的了解AI 给不了。把这些交给 AI 表面上看省时间实际是省掉了教育里最核心的“关系”成本。第三条学生的个人数据绝不输入 AI 对话。无论是成绩单、作业内容还是其他个人信息都不应该出现在 AI 对话里。这不是技术问题是职业伦理的底线。无论多方便这条线不能破。有了这三条边界再用 AI 备课你会发现自己不是被工具推着走而是很清楚地知道哪里该用工具、哪里该自己来。我自己的体会是AI 真正简化教学的方式不是让你从 10 小时变 1 小时的那种魔法式缩减而是把 10 小时里最机械的 3-4 小时切掉让你把省下来的精力放到真正需要教师判断的地方。这些提示词模板和排查思路就是我在这个系列第一篇里想分享的全部内容。下一篇我会接着写作业批改和课后答疑这两个方向到时候见。