上周六晚上十一点半，我刚把两个班的周测试卷分析完，教研组长发了个链接过来：“Anthropic 出了个 Claude for Teachers，你们研究研究。”我第一反应是：又来一个给老师造概念的大厂 AI 产品。但点进去翻了翻，再结合我自己几个月用下来的经验，我得承认，这次大厂切的角度确实有点准——他们不是想给老师“又一个聊天机器人”，而是想直接住进老师的备课工作流里。
这篇我不打算翻译官方案例。我更想从一线教师的角度回答三个问题：Claude for Teachers 到底是什么，它凭什么能切进备课流程，以及你真把它放进日常教学后，哪些环节值回票价、哪些环节踩坑。适合正被备课和作业分析压得喘不过气的老师读，也适合校本教研负责人做工具选型参考。
1. Claude for Teachers 是什么，以及大厂盯上备课本的真实原因
先说结论：Claude for Teachers 是 Anthropic 面向基础教育阶段教师推出的一套教育方案，核心是让教师通过认证后，在 Claude 上获得更多可用的免费额度、项目空间和创作物能力，并配套一批教育场景模板和官方教程。根据公开信息，教师通常需要提供学校邮箱或教师资格相关证明来完成认证，认证之后才能解锁教学计划里的额度权益。具体赠送多少额度、有效期多长，这些数字官方一直在调整，本文不写死，以 Anthropic 官方页面为准。
不过我更感兴趣的是另一件事：大厂为什么要专门做教师这个群体？
1.1 教师免费计划背后的商业逻辑
教师的文本产出量大且高度结构化。一个认真备课的中学老师，每周至少要产出教案、学案、作业设计、课后评语、单元分析、家校沟通文本，凑在一起平均每天不低于两三千字的书面产出。这正是大语言模型最擅长消化的任务类型——结构化、有格式、需要持续迭代。换句话说，教师是天然的“重度文档用户”，比大多数白领岗位都更适合被模型辅助。
更关键的是教学文本会产生长尾价值。去年的错题记录、上学期的学情分析、历次测验的命题规律，这些材料放进对话上下文之后，模型给出的建议会精准很多。这种“语料积累”就是大厂最想要的东西：教师用得越深，沉淀在平台里的教学资产越多，迁移成本就越高。免费认证计划表面是福利，实际是让教师把工作流安家落户的入口。
另外还有一个长期布局：学生。老师在课堂上频繁使用某个 AI 工具，课堂生成的内容、学生接触到的界面，都会潜移默化影响下一代用户的使用习惯。从商业上讲，先占领教师的电脑，就是占领未来十年的订阅用户池。
1.2 真正的主角不是对话框，而是三个外设能力
Claude for Teachers 并不代表官方专门训练了一个“教师版大模型”，底层跑的还是 Claude 系列通用模型。它真正的价值在外设能力。我把它总结成三个词：上下文常驻、产出物化、风格锁定。
对应到产品功能上就是：
- Projects（项目空间）：把课标、教材节选、班级学情、过往教案作为资料放进一个项目里，之后每次对话都自动带着这些材料。这相当于给模型配了一个“教师档案柜”。
- Artifacts（创作物）：模型生成的内容可以变成独立小窗口，能在里面直接预览、编辑、下载，甚至生成一个可以互动的网页小工具。这是“让 AI 直接产出成品”的关键一步。
- Custom Instructions（定制指令）：一次性告诉模型“我是谁、我要什么风格、我忌讳什么”，之后所有对话默认遵守。
这三个能力都不算黑科技，但它们合在一起解决了 AI 进课堂最大的痛点：上下文断裂。很多老师用 AI 备课，最大感受是“每开一个新对话，它就不认识我了”。Projects 把这个问题从根上解决了。
2. 先拆备课工作流，再看大厂产品从哪里切入
很多人一提到“工作流”就想到 n8n、Coze 那种自动化管线，觉得要写代码、连接口。其实对教师来说，工作流不需要那么复杂。它只是把“我为什么用 AI、在哪个环节用、产出什么、谁负责校验”这件事固定下来。大厂产品的设计恰恰是顺着这个思路来的。
2.1 一次完整备课的六段隐形成本
我把一次常规的单元备课拆开，大致有六个阶段。每个阶段我都估了一下时间，也标了 AI 的介入程度：
| 备课阶段 | 主要工作 | 典型耗时 | AI 可介入程度 |
|---|---|---|---|
| 单元解读 | 读教材、看课标、定重难点 | 40分钟 | 高，需人工确认 |
| 素材搜集 | 找课文背景、例题、拓展资料 | 60分钟 | 中高，需甄别 |
| 教学环节设计 | 写教案、定环节、设计过渡 | 80分钟 | 高，需定制化 |
| 课件与学案制作 | 做 PPT、任务单、板书 | 90分钟 | 中，需工具链配合 |
| 作业与分层设计 | 出练习题、设计分层任务 | 40分钟 | 中高，需验算 |
| 试做与复核 | 自己把题目做一遍、顺流程 | 30分钟 | 低，必须人做 |
这六段加起来大概五个多小时，而且分散在晚上和周末。事实上很多老师真正的寒暑假都是在提前两三个单元的备课中度过的。大厂产品切入的姿势不是“帮你把 PPT 做了”，而是先把前三个文本密集型环节吃掉，再把第五环节压缩一半以上。
2.2 “对话式问 AI”和“工作流式用 AI”是两回事
大多数老师刚接触 AI 时用的都是对话式：打开对话框，输入“帮我写一份《背影》的教案”，得到一份四平八稳的模板，然后自己再改。这种用法不是没用，而是天花板很低。原因很简单——模型不认识你的学生。
对话式的问题是：每次对话的上下文都是空的。它不知道你这届学生基础怎么样、上次月考哪类题错得多、学校用的导学案格式要求是什么。所以输出只能是“正确的废话”。
工作流式用 AI 就不一样。拿 Claude 的 Projects 举例，我创建了一个名为“九年级英语 U5 阅读课”的项目，把课文文字稿、本单元词汇表、近两次测验的错题归类和班级学情摘要一次性传进去。之后再在这个项目里对话，它的每一句回答都基于这些材料。这就是“工作流”最朴素也最有效的含义：让模型持续工作在一个固定的上下文里。
2.3 工作流视角下的三大件：Projects、Custom Instructions、Artifacts
如果把教师备课当成一条生产线，那么三大件各自扮演的角色是：
- Projects 是厂房。所有原材料（课标、教材、学情）都堆在这里，工人（模型）在里面干活时随手就能拿到。
- Custom Instructions 是作业指导书。规定了生产标准：输出语言、格式、语气、禁忌。
- Artifacts 是质检打包台。模型产出的东西不是普通聊天文字，而是可以被二次加工、直接使用的成品文件。
我见过有老师把 Custom Instructions 当成摆设，其实它才是控制 AI“教师味”的核心。同样是让模型写一道阅读理解题，没设置指令时它可能会写得很漂亮但超纲；设置了“必须基于我上传的单元词汇表出题”之后，它就老老实实只在这些词范围内出题。这就是生产标准的价值。
3. 我的一周实测：把 Claude 接进备课的五个真实环节
光讲理念没用，我直接说说自己这一周是怎么用的。我教初中英语，带两个班，一个班基础中等偏上，另一个班词汇量薄弱的学生有三分之一左右。以下五个环节是我实际走完的流程，每一步都给出了能抄走的指令模板和实测感受。
3.1 教材进项目：从 PDF 到单元知识结构图
我做的第一件事，不是让 AI 写教案，而是先把教材“喂”进项目里。
操作很简单：在 Claude 里新建一个 Project，命名成“8A U5 阅读课｜备课资料”，然后把课文扫描版 PDF、单元词汇表、学校发的导学案模板全部拖进去。这里有个经验：扫描版 PDF 直接上传，模型对文字的识别不稳定，经常出现单词粘连或段落错乱。后来我会先用工具把扫描 PDF 转成文字版再上传，模型的理解准确率会明显提升。
上传之后，我给一条很明确的要求：
你正在和我一起备八年级上册第五单元阅读课。我上传了课文文字稿、单元词汇表和导学案模板。请先完成三件事：1）列出本单元高频词汇和短语，标注课文原句；2）输出单元知识结构图，用 Markdown 表格呈现；3）结合我上传的学情摘要，标注哪些词大概率是学生记忆难点，并给出一个 5 分钟课堂导入方案。
实测结果：输出结构非常清晰，词汇表直接按“课标要求/拓展补充”分了层，知识结构图也符合我平时讲课的逻辑。难点预测这点最惊喜——它把“区分行为和目的”这类抽象短语列为记忆难点，恰好是我上一届学生错得最多的点。但我也不能说它全对，第三问的导入方案有点常规，后来我自己改了。整体时间从原来的二十分钟压缩到五分钟。
3.2 教案生成的前提：先喂课标和学情
有了项目里的教材文本，下一步才是写教案。但这里有个坑：模型默认生成的教案全是通用教学法八股文。我第一次让它写教案，它输出的学习目标清一色是“通过小组合作提升学生综合语言运用能力”这种话，放哪个学科都能用，等于没用。
后来我调整了方法。我把教研组发的单元教学指导意见和近三年本地区考试说明中与阅读能力相关的表述，也放进了项目资料库。然后在指令里加了一句：
生成教案前，先结合你上传的课程标准和考试说明，列出本单元需要达成的三条可测量教学目标。教学目标必须能回答“课堂上用什么方式验证学生达成了”，避免使用空泛动词。之后按：教学目标、环节时间分配、教师活动、学生活动、关键提问、板书设计、课堂练习，七个板块输出一份 40 分钟教案。
这次输出质量完全不一样。目标变成了“能在 3 分钟内从课文中定位表示时间先后顺序的关联词”，具体可测。教案的环节衔接也明显更紧凑，过渡语都有了。从开始设计到人工调整完，总共花了 25 分钟，以前纯手写至少得 50 分钟。省下来的时间不是模型直接给了终稿，而是它把“从空白页到初稿”这段最痛苦的过程压缩了。
3.3 用 Artifacts 生成可直接投屏的课堂小工具
这个环节是我觉得最超出预期的地方。Claude 的 Artifacts 不是简单把文本渲染成大段 Markdown，而是可以生成带交互的网页小应用，直接在浏览器里预览和下载。
我给其中一个班设计随堂词汇复习时，在对话框里写：
用 HTML 写一个课堂随机点名器，要求：页面简洁，适合投影仪；每次点击按钮随机显示一个学号并播报学号；内置最近听写成绩较弱的 8 个学号，权重乘 3，让这些人被抽中的概率更高；页面下方显示最近一次抽取记录。
大概一分钟，它生成了一段完整的 HTML 代码，我在 Artifacts 界面里试了一下交互，下载到本地用浏览器打开，投屏就能用。最意外的是“给薄弱学生加权”这个需求，它真的实现成了逻辑：抽中特定学号时按钮文字会变紫。这要是让学校信息技术老师帮忙做，不知道要排到什么时候。
后来我还用它生成过单元自评清单、免作业卡抽选器、课堂计时器。这些工具本质都不难，但能让课堂多一点变化。Artifacts 把“模型生成了内容”升级成“模型生成了可交互的教具”，这是让我对“AI 走进课堂”这件事重新燃起信心的转折点。
3.4 作业分析：让模型做分类员，而不是法官
作业批改是我最不愿意做又不得不做的事。尤其是阅读理解题，一摞四十几份卷子，每份卷子都要在错题旁边写“定位不准”“词汇干扰项”这类重复批注。这周我试了一个新流程：
先把学生作文匿名化处理，用序号代替姓名，整理成一个表格上传，让 Claude 按“内容切题、结构逻辑、语言准确度”三个维度把作文分成四个档位，再给每档写一条参考评语。实测下来，档位划分和我自己快速扫读的判断吻合度有八九成。差的两成主要集中在“立意视角独特但语言偏弱”的作文上，模型容易低估，人工需要拉回来。
不过我有一条红钱：绝不让学生成绩由模型直接打分。模型做分类员、做错因统计员都很好，但给分涉及评分标准的主观裁定、学生个体背景、题目歧义，这个责任只能人担。实用做法是让模型输出“错误类型分布表 + 错误集中在哪个知识点 + 建议明早课上 5 分钟讲什么”，这种数据归类它做得又快又准。
3.5 家长沟通文本的“降火药”
家校沟通也是隐形劳动。期中后要给家长群发一段成绩反馈，措辞稍微直白一点，就可能引发个别家长的不满甚至投诉。我试过让 Claude 帮忙改写，效果确实不错。
我给它的是我最初写的草稿：“本次考试整体偏难，部分学生阅读题失分严重，说明课后阅读量不够。”然后加了指令：“请把这段话改为给家长群的反馈，语气平和不指责，具体指出孩子可操作的两条改进建议，并在结尾给家长一个配合要点。”
它给出的版本开头变成了“通过本次阶段性测试，我们看到阅读题对同学们的信息整合能力提出了更高要求”，然后把“课后阅读量不够”改成了“建议每周增加 20 分钟家庭英语阅读，从孩子感兴趣的简版英文读物开始”，结尾附了一句“请家长鼓励孩子选一本自己爱看的书即可，兴趣比任务更重要”。这版发出去后，群里几乎没有出现往年那种焦虑性询问。
更关键的是，因为对话发生在同一个项目空间里，模型记得我之前给这个班家长发过什么。它不会反复用同一个模板，而是会自动延续前一次的表述习惯，这个细节让我觉得大厂确实在教师场景里做了深耕。
4. 大厂模型和一线课堂之间的三个落差
用了一个多月，我也踩过不少坑。市面上所有宣传“AI 赋能教育”的文章都不会提这些，但每个真实使用者都会遇到。
4.1 幻觉不是玄学，是缺校验锚点
大语言模型的“幻觉”在备课场景里最大的危害，不是编一个不存在的名人名言，而是它会把“看似合理但实际错误”的知识点混进教案里。
有次我让它总结一篇课文的主旨大意，它写得头头是道，但我越看越觉得哪不对，翻原文发现它把第二段作者提到的“个人选择”偷换成了“社会环境因素”，还自作主张补了一句背景介绍，引用的年份完全是错的。从那以后我给自己定了一条规矩：关键事实性内容必须让模型引用原句。
在指令里我会加：“涉及课文观点、作者信息、年份数字时，必须引用你上传材料中的原文，并用引号标注。如果你在材料中没有找到依据，请明确说‘材料中未找到’，不要补充你自己的知识。”这条指令对降低幻觉非常有效。但注意，它不能做到 100% 不出错，所以重要题目、关键数据，最终人工复核这一关绝对不能省。
4.2 学情错位：美国课标下的“正确”对中国课堂未必正确
Anthropic 是美国公司，训练数据里英文母语环境下的教学场景占比很高。我让 Claude 设计阅读理解问题时，它默认假设学生已经有一定词汇量，出的题干里频繁出现初中生不认识的高级词；设计写作任务时，它倾向“开放式表达”，但至少在我带的考纲体系下，学生更需要的是结构清晰、有话可说、切题达意的写作策略。
这不是模型笨，是数据分布决定的。解决办法也很简单：把本地课程标准、考试说明作为项目常驻文档。我用了一段时间后发现，只要我明确告诉它“回答基于我上传的人教版教材和本地考试说明”，输出就开始贴近我的教学实际。有一次我甚至让它对比“我上传的考试说明中阅读能力描述”和“通用阅读教学建议”的差异，它给出的对比表对我做校本教研很有帮助。
4.3 学生隐私红线与账号合规问题
这是整篇文章里我最想强调的一条。教师用 AI 时最容易忽略的是隐私问题。
我的原则很简单：所有涉及学生的信息必须匿名化后再进对话。学号、班级、成绩分布可以给，姓名、家长联系方式、完整试卷扫描件绝不上传。即使是匿名校本题型，我也建议不要贴大量原始照片，尽量整理成结构化表格再给模型。
另外还有一个现实问题：Anthropic 的服务在部分国家和地区并未开放，能否使用取决于你所在地区的官方政策和账号类型，一定要以官方说明为准，并遵守当地法律法规及 Anthropic 服务条款。我的态度很明确：不鼓励任何人使用任何非官方途径访问服务。如果你所在环境无法合规使用 Claude，那就不要折腾，直接选择本地合规可用的同类产品，把本文这套工作流思路完整迁移过去，效果照样能打。
5. 把零散用法沉淀成个人备课资产包
工具用得再多，如果每次都是临时起意问一嘴，那它永远不会真正进入工作流。这一个月我最有成就感的事，不是生成过多少份教案，而是终于把 Claude 从“偶尔问问的聪明人”变成了“熟悉我教学风格的助手”。
5.1 按单元建项目空间，让上下文跟着学期走
我现在会在每个学期开学时建好一整学年的 Project 目录。每个单元一个项目，命名规则统一为：“学期+学科+单元+主题”，例如“2025秋｜九年级英语｜U5 阅读课”。
每个项目里必传四类材料：
- 教材课文文字稿和单元词汇表；
- 区里发的教学指导意见或学校导学案模板；
- 上一届或本班近期的学情摘要（匿名化）；
- 我自己积累的、该单元容易出问题的地方。
这样做的最大收益是期末复习阶段。复习时我直接打开对应单元的项目，让模型“基于本单元学生本周错题记录，生成一份 10 分钟微复习方案”，它立刻能在我之前喂进去的错题归类基础上作答，不需要重新解释背景。长期下来，这些项目空间就成了我个人专属的教学知识库。
5.2 一套可以抄走的教学输出指令模板
下面这条模板是我目前所有教学对话的“地基”，可以直接复制到 Claude 的 Custom Instructions 里，也可以粘到每个项目开头。按需修改学科和学段就行。
你是一位有 15 年一线教学经验的中学英语教师助手，熟悉人教版初中教材和本地考试说明。你所有输出必须使用简体中文，表达具体、可操作，禁止空话套话。涉及事实性信息必须引用我上传材料中的原文并标注；如果材料中没有依据，请明确说明“材料中未找到”。涉及学生数据一律视为已经匿名化处理，不要主动询问姓名。生成教案时须包含可测量的教学目标、环节时间分配、师生活动和过渡语。生成题目时须先说明考查的知识点，并估算难度。
这段指令不是越多越好，关键是“具体、可校验、可执行”。我还加了一句“不要主动询问姓名”，是提醒它隐私边界。设置一次之后，所有对话都默认生效，省去了每个对话重复交代背景的麻烦。
5.3 一个月后回看：哪些环节真省时间，哪些是花架子
我给自己做过一次复盘，用表格记录各环节的前后耗时，得出的结论是：
| 备课环节 | 原来耗时 | 现在耗时 | 体检 |
|---|---|---|---|
| 课文知识结构提取 | 20分钟 | 5分钟 | 推荐，稳定好用 |
| 教案初稿设计 | 50分钟 | 25分钟 | 推荐，需人工精修 |
| 课堂互动工具制作 | 曾外包等一周 | 10分钟 | 超出预期的惊喜 |
| 出单元小测 | 45分钟 | 25分钟 | 可用，题目必须验算 |
| 制作 PPT 课件 | 90分钟 | 80分钟 | 花架子，建议配专业工具链 |
PPT 那栏是我意料之外的低收益。Claude 生成的是内容素材，我还是要一个人在 PPT 软件里排版调整，除非配合其他工具链，否则它省不了多少时间。这说明“AI 进入工作流”这件事不是均匀分布的，它一定在某些环节特别猛，在某些环节非常弱，需要用一个月时间亲自找出真正的高效环节，而不是被厂商宣传带着走。
5.4 如果暂时用不了 Claude，这套工作流也能迁移
最后回答一个被问过很多次的问题：学校统一要求用国产工具，或者自己所在环境用不了 Claude，怎么办？
我的回答是：这套方法论不需要绑定任何单一产品。核心是四件事：
- 把背景材料常驻进对话上下文，不让模型失忆；
- 用角色指令锁定输出标准和风格；
- 把任务拆成小环节，逐环节用 AI 处理；
- 划定人工校验边界，关键内容必须自己复核。
这四件事在任何一个能上传文档、能自定义指令的大模型工具里都能做。如果你本身擅长技术，还可以用 Coze（扣子）这类智能体平台，把“输入单元名→提取知识结构→生成教案初稿→输出作业设计”封装成一个自动触发的备课 Bot，指令和知识库写好之后，效果和 Claude 上的流程殊途同归。
用下来我最深的一个体会是：大厂真正厉害的地方不在于模型参数有多大，而在于它把模型装进了一个让老师“懒得换”的工作流里。认证计划是入口，Projects 是资产，Artifacts 是产出物，三样东西一环扣一环。这样设计师才不只是在做一个产品，而是在重新定义备课这件事的完成方式。
下一篇我想把我在备课过程中反复用到的高复用指令整理成一个合集，直接给模板的那种，方便各位直接抄作业。如果你有自己觉得特别好用的指令，也欢迎甩给我，我复刻成模板的时候会标上你的 ID。先这样，放学了，上线课去。
