在教师圈子里，问得最多的不是“AI能不能帮我备课”，而是“AI到底怎么帮我备课”。过去一年，我陆续试过不少AI工具，也组织过教研组做小范围试点，最后真正能稳定留在日常工作里的，反而是最不起眼的流程化用法：把Claude当作一个“时刻在线的备课协作者”，把教案、课件、作业设计拆成一段段可复用的工作流。这篇是这个系列的第一篇，我以Anthropic Claude为例，聊聊大厂AI是怎么进入教师备课工作流的，以及普通老师拿到以后，怎样在明天上课前就能用起来。
这句话大家可以先记住：工作流不是玄乎的工程概念，它就是你把平时备课时一定会做的几个动作固定下来，让AI在每个动作上帮你省掉一遍遍地复制粘贴和打草稿的时间。文章后面我会直接给可抄作业的提示词模板，也会讲Claude Code、n8n这类进阶玩法，但就算你完全不懂代码，前两章已经足够你开始第一次完整用AI备课。
1. 大厂AI进入备课场景的底层逻辑
1.1 备课工作流中真正的痛点是“时间碎片化”
教师备课很难有一整段不被打断的时间：上课间隙改几页作业，午休查点背景资料，晚自习后才有空坐下来写教案。这种碎片化状态导致备课效率低，而Claude这类大模型恰好能在极短时间里完成“整块”的文本工作，把零散的5分钟、10分钟变成真正能产出内容的窗口。
一个典型的备课时段往往是这样被浪费的：找到了资料但没空把信息组织成教案；脑子里有设计但手跟不上打字速度；好不容易写完了导入语又觉得换个班级就不适用。这些浪费不是靠“单轮问答”能解决的，而是需要一套“分段处理”的流程：先定目标，再生成骨架，再补充素材，最后产出成品。这就是我强调“工作流”的原因——只有把任务拆开，AI的每步产出才能保持可控，你也能在任意一步叫停和修改。
举个实际例子。这学期我要给《故乡》第一课时备课，传统做法大概需要两个小时：翻教师用书、找学情数据、写教案、做课件、出两道随堂练。用Claude的流程走下来，40分钟内能把教案骨架和课件大纲弄完，剩下时间都花在改AI初稿上。这个时间对比不是“AI写得快”这么简单，而是“流程固定后，每一步都不需要重新思考接下来干嘛”，大脑负担小很多。
1.2 Claude适合教师场景的三个硬性能力
第一个是长上下文理解。Claude能容纳整篇课文、课标要求、学生习作甚至一次测验的答题情况，老师可以直接把材料放进去，不需要自己先做提炼。以前我们习惯“复制一段教材，问一个最核心的问题”，现在可以整章贴进去，让它回答“这一章和上一章的知识衔接点到底在哪”。就像是把一个助教塞进了手机，它已经把材料通读了一遍。
第二个是结构化输出。教案、板书、作业题这类内容，如果AI只回你一大段文字，根本没法直接用。Claude的优势在于可以按表格、步骤清单、分层条目来组织内容，哪怕你要一个“导入环节的三句话脚本”，它也能逐条给出来。对老师来说，“拿来就能改”远比“看起来很丰富”重要。
第三个是教育场景写作的自然度。Claude生成的教学语言比较接近一线教师的口吻，写评语、写过渡语、写课堂提问，不会一直使用那种“在这个日新月异的时代”的套话。这直接决定了你愿不愿意用它写发给家长的反馈。当然，它也会偶尔一本正经地编统计数字或引用出处，所以凡涉及事实和数据的部分，一定要人工核验。
1.3 为什么把焦点放在“工作流”而不是“单次问答”
“单次问答”像问一个很博学的朋友：“帮我设计一份教案。”他会给你一个大概，但到了具体课堂还需要大量调整。工作流则像是流水线：把教案生产拆成五道工序，每个工序之间有固定输入输出，最后组合成人能用的成品。这也是大厂在推广AI进课堂时更愿意做的事——提供一批“格式化的提示词模板”，而不是鼓励老师从空白对话框开始瞎聊。
只有把焦点放在工作流上，你才能获得“稳定结果”。教师毕竟不是运气型玩家，明天就要上课，容不下AI偶尔糊涂一次。单次问答的偶然性很大，但如果你把“先写目标、再写环节、最后出练习”的顺序固定下来，每一步的产出质量都会稳定很多。这也是Anthropic在Claude for Teachers这类教育资源里反复强调的思路：先给老师结构，再让老师在结构上做教学判断。
2. 从Prompt到工作流：用Claude完成一次完整备课
2.1 五步备课工作流的基本结构
我目前用得最顺的备课流程，一共五步。每一步都与前后步有明确的承接关系，你可以一次做完，也可以分几次做完，看当天时间碎片有多大。
| 步骤 | 输入 | Claude承担的工作 | 输出 |
|---|---|---|---|
| 1. 输入教材与学情 | 课文/知识点、学生基础、课时数 | 提炼核心内容，判断重难点，指出可能的认知冲突 | 要点清单与重难点判断 |
| 2. 定教学目标 | 第1步的输出 | 将目标转化为可观察、可评估的行为表述 | 3-5条核心素养目标 |
| 3. 生成教案骨架 | 第2步的目标 | 按导入、新授、互动、练习、小结组织环节 | 带时间标记的教案初稿 |
| 4. 转化课件与活动素材 | 第3步的教案 | 提取PPT大纲、板书设计、过渡语、问题序列 | 课件大纲与活动脚本 |
| 5. 生成作业与分层练习 | 第3步的重难点 | 设计基础巩固、情境运用、拓展思考三类练习 | 题库与参考答案 |
这个流程最大的好处是“出错可控”。比如第2步出来的目标太宽泛，你就不用急着生成教案，先让Claude把目标改具体，后面的教案质量自然会提升。想起来就一次把五步走完，碎片时间多就拆成两次、三次，但每一步之间都留着一个可检查的产物。
2.2 备课第一站：教学目标的输入与转化
很多老师第一次用Claude备课，上来就是“帮我写一份教案”。这么问不是不行，而是结果会很泛。更好的做法是先明确教学目标和重难点。下面这段提示词是我在语文课上经常用的，换成其他学科只需要把角色、课文和背景换掉。
你是一名有10年教学经验的初中语文教研组长。下面是这节《故乡》第一课时的基本情况：学生已预习全文，能复述主要情节；班级语文基础中等偏上；课时40分钟。 请按照“核心素养目标”的框架，输出4-5条课时教学目标。要求： 1. 每条目标必须写明学生可观察的行为表现（如“能够分析……”“能够说出……”）； 2. 区分基础目标和挑战目标； 3. 避免空话，不要出现“提高素养”这类无法评估的表述； 4. 最后用一句总结本节课的核心问题。为什么要按这个结构写？因为AI非常吃“背景信息”和“输出格式约束”。你给了它“10年经验的教研组长”这个角色，它的语言风格会自动向经验丰富的老教师靠拢；你要求“可观察的行为表现”，它就不会写“培养语感”这种没法检查的话。很容易发现，删掉这些约束时，Claude给出的目标大多是“了解、掌握、体会”，而不是“能够通过比较少年闰土和中年闰土的变化，说出时代背景对人物命运的影响”。
还有一个小技巧：如果你不知道学生水平怎么描述，可以写“学生基础一般，常见困难是……”让Claude根据常见困难来倒推目标。这样反而比笼统地写“基础一般”更精确。
2.3 教案主结构：让Claude生成可用的环节设计
教学目标确认后，下一步是生成教案骨架。我推荐直接要求它按“导入—新授—互动—练习—小结”组织，并且每个环节都要有时间、教师活动、学生活动。给一个可以直接复制替换的模板：
基于以下教学目标，生成一份40分钟教案： [把上一步生成的教学目标粘贴在这里] 要求： - 按五个环节组织：导入、新授、互动、练习、小结； - 每个环节需写明时长、教师活动、学生活动、环节目标； - “互动”环节不要只写“小组讨论”，要给出具体的讨论问题或活动规则； - 语言风格平实，可直接在课堂上使用。很多AI生成的教案里，互动环节只有一句“组织小组讨论”，这其实是AI在偷懒。你需要在要求里明确写出“讨论什么问题、怎么分组、最后怎么汇报”，它才会真正给出可操作的设计。比如我在《故乡》这课，要求它设计“比较闰土外貌变化的表格”，并把班级分成五组分别填写不同段落，再请每组代表汇报。这个环节用完，学生基本能自己得出“横向对比”的方法。
不要把AI给的教案当成定稿，它的价值是“骨架完整，血肉需要你来填”。你在原基础上改的时间可能在10到15分钟，但相比从零开始写，已经很值得。
2.4 课件与作业：从教案到课堂素材的自动转化
教案骨架有了以后，课件大纲就是顺水推舟的事。我喜欢让Claude按“每页一个核心信息”的规则生成PPT大纲，顺便让它写出页面备注，这样公开课检查时也不用再想备注写什么。提示词可以是：“根据教案生成一个12页以内的PPT大纲，第一页为标题，最后一页为课堂小结，正文每页只保留1个核心观点和2-3条支撑要点，页面备注里写清老师要说的过渡语。”
作业设计也是一样的逻辑。作业必须贴着教学目标和重难点来，不要让AI“自由发挥”。我常用下面这个模板：
请根据教案中的重难点，生成一份课堂练习，分三部分： A. 基础巩固（覆盖核心概念，约15分钟可完成） B. 情境运用（需要运用本节知识解决一个实际问题，题目要贴近生活） C. 拓展思考（提供一个有思辨性的开放问题，附评价标准） 每道题都要有参考答案和简要解析。若题目来自教材或常见习题集，请用“自编题”表述，避免直接输出未授权材料。这里特别提醒一句：不要要求AI逐字复制课本原文或出版社试卷。引导它“自编题”不仅是版权意识，也能让题目更贴合学生的实际生活。你要做的只是把贴合的素材（比如本地方言、校园场景、时事话题）提前给它，它会自己编出题目来。
2.5 一个可直接复制的备课Prompt模板
如果你不想每次分五步设置，可以直接用下面这个“全家桶”模板。复制到新对话里，替换中文占位符就行。
你是一位资深[学科]教师，请根据下面的信息，为我完成一次[课程名称]的完整备课： 【教材内容】（粘贴或简述） 【学生情况】（学生年级、基础、常见困难） 【课时长度】[_]分钟 【特别要求】（如：需要情境导入/分层作业/板书设计） 请依次完成： 1. 提炼本节课的核心内容与重难点； 2. 写出4-5条核心素养导向的教学目标； 3. 生成教案骨架，按导入-新授-互动-练习-小结组织，每个环节标清时间与师生活动； 4. 生成一页板书设计； 5. 设计三类课堂练习题（基础1-2题，情境题1题，开放题1题），附参考答案与解析。 注意：生成内容要具体、可操作，避免空泛。如果需要我补充信息，只列出不超过3个关键问题。第一次用这个模板时，我建议先只看1和2的输出，确认核心提炼和目标没问题，再让它继续生成3到5。别怕多花一轮对话，磨刀不误砍柴工。等你跑顺了，一套完整的第一版教案大概10分钟就能出来。
3. 进阶玩法：把Claude Code和自动化编排接进教研日常
3.1 Claude Code对教师的价值
可能很多老师看到“Code”就劝退。Claude Code本质上是个命令行助手，可以读你指定文件夹、批量处理文件、执行多步操作。对教师来说，你可以这样理解：它是一个能同时处理“文档柜里几十个文件”的AI助理，而不只是聊天的窗口。比如期末写评语，你把几十个学生的写作文档放进一个文件夹，让它逐篇分析并生成评语，最后汇总成一张表。这个能力叫“批处理”，是教师工作流里省时间最明显的场景。
我自己是从抵触命令行开始的。后来发现，Claude Code的很多用法不需要写代码，只需要用自然语言告诉它“读取当前文件夹的所有教案，按统一格式输出摘要”，它就会把README一样的报告给你。哪怕你只是想一次性问5个文档里的共同问题，也比手动逐个复制粘贴舒服太多。
3.2 三个适合教师使用的Claude Code场景
场景一是批量生成作业反馈。把十几篇学生作文放进同一个文件夹，然后在Claude Code里说：“请阅读当前文件夹下所有作文，按字数、结构、语言三方面给评语，输出为一个markdown表格。”它会自己遍历文件并汇总。为了避免反馈语气不一致，第一次跑之前可以先拿3篇试水，确认你满意了再跑全班。
场景二是Markdown教案转Word。日常用Markdown写教案，要交电子稿时再用工具批量转格式。Claude Code可以结合脚本做转换，哪怕你不懂编程，也可以让它生成一个转换命令，然后复制执行。例如：claude -p "请帮我用 pandoc 把当前目录所有 .md 文件转成 .docx，保留标题层级"。如果电脑上没装pandoc，它会给出安装提示，照着提示做就行。
场景三是学情分析。从成绩表生成小组分析，Claude Code可以直接读取CSV文件，然后输出各知识板块强项弱项以及教学建议。我试过让它“分析grade.csv，列出正确率最低的5个知识点，以及对应的教学建议，保存为report.md”。一开始我以为会得到一段挺玄的总结，结果它按数据说话，比纯肉眼判断靠谱。要是你不会配置Claude Code，跳过这节完全不影响前面章节的用法，这只是“进阶选项”。
3.3 和n8n、Coze等工作流平台配合的轻量级方案
可视化自动化平台（n8n、Coze）可以用来串AI动作。例如：早晨学生把问题提交到表单，平台自动汇总，调用Claude做初步解答，再把答案发回到教师邮箱；或者每周自动整理教研组会议记录。教师在实际落地时，不需要自建系统，可以在平台已有的节点里拖出“AI对话”“发送邮件”“定时触发”。
一个最简单的自动化流程是“每周教案摘要”：每周五17点自动读取本周教案文件夹中的新文件，让Claude生成一份本周教研亮点摘要，发到群里。搭建这样的流程第一次可能花一两个小时，但之后每周能省下至少20分钟整理时间。如果你对工具不熟，我建议先找学校信息化老师协助，或者只做“定时提醒 + 一次问答”这种很浅的流程，先感受一下自动化的节奏。
这些平台不是教学必需品，它们的价值是让AI“在你不盯着的时候也能干活”。比如晚自习结束后自动把当天课堂生成的反馈整理成表格，第二天一早你直接看一眼就行。对一线老师来说，少一次复制粘贴都是赚到。
3.4 从个人尝试到教研组协作：工作流模板的沉淀
当一个人用顺了以后，自然想把方法分享给教研组。最有效的做法不是发一篇经验分享，而是把一个一个Prompt模板存成共享文档，按学科分类。每个老师拿到模板后，只需要把“教材内容”和“学生情况”替换成自己的实际数据，就能得到一份个性化学案。
教研组协作还有一个好处：可以共同维护“踩坑清单”。哪些学科适合用AI生成导入，哪些环节必须人工把关，哪些题型的答案经常出错，记录得越细，后面的人越少走弯路。我们组现在每个学科都有一个“AI备课模板库”，里面除了Prompt，还有专门记录“错例”的地方。比如物理组发现AI计算具体数据时有时候会算错，就在模板开头加了一行要求：“所有数值计算必须重新验算。”
还要明确一点：AI只产初稿，定稿永远是教师的。我们教研组的规矩是，任何一份用了AI的教案，首页必须写“备课审核人”，这个审核人是真人。这样既保护了老师的专业判断，也避免了出问题找不到责任人的尴尬。
4. 避坑实录：教师用Claude备课的常见问题与排查技巧
4.1 回答太“宏大”或太啰嗦，怎么改prompt
Claude有时候会输出一大段“高情商但没用”的文字。这时最有效的办法不是抱怨它，而是把约束加得再具体一些。比如“帮我写《故乡》教案”可以改成“写一份40分钟的《故乡》第1课时教案，每个环节不超过80字，包含导入语1篇、提问3个、板书1个”。只要把篇幅和数量限制写清楚，内容立刻变得可用。
还有一种方法是让AI先给短版本，再挑一个方向展开。比如“先给我3个不同的教学思路，每个控制在100字以内”，你选一个感兴趣以后，再说“就按思路2展开成完整教案”。这就像面试学生，先给答题框架，再顺着框架追问，比一次要一个大答案稳得多。
4.2 多轮对话后跑题，上下文丢失怎么办
Claude有长上下文，但也不是无限的。一个对话里聊了十几轮以后，前面提到的学生情况、课时要求可能会被“稀释”。我的习惯是：一个任务开一个新对话，或者至少在对话开头把最关键信息重新写一遍。很多老师遇到“AI越聊越不对”的情况，正是因为对话拖得太长。
如果你要基于一篇很长的课文或试卷来做分析，不要只靠复制粘贴，尽量用上传附件或者项目文件夹的方式。附件是一种稳定的上下文来源，不容易被后续对话冲掉。如果不想传附件，就把关键段落放在每次提问的开头，让AI每次都能“看到”最新任务。
4.3 批量处理时的连接与命令报错
用Claude Code或者平台接口时，常见报错和排查方法我整理成了表格：
| 现场表现 | 可能原因 | 尝试方向 |
|---|---|---|
| 提示“unable to connect to anthropic services” | 网络波动、学校网络策略限制、服务端繁忙 | 稍后重试，检查本地网络，分批处理任务，避免并发过多请求 |
| 提示“claude: 无法将‘claude’项识别为 cmdlet、函数、脚本文件或可运行程序的名称” | 命令行工具未安装或环境变量没刷新 | 重新执行安装命令，关闭并重开终端，检查PATH |
| Windows提示“claude’s workspace requires the virtual machine platform on windows” | 虚拟化组件未启用 | 在“启用或关闭Windows功能”中开启Windows虚拟机平台，重启后重试 |
如果是网页版或App，遇到连接提示最常见的原因就是网络波动。等几分钟再试，或者把一个大任务拆成几个小任务分批处理。教师做批量反馈时，不要一次性丢100个文档进去，这既是给服务降压力，也是让自己有机会在中间检查输出质量。
4.4 学生数据与隐私保护：红线别碰
使用AI处理学生数据时，有几条红线不要碰。第一，不要输入学生的身份证号、家庭住址、详细联系方式；第二，不要用完整姓名和真实学籍信息，可以用编号代替；第三，涉及学生答案与习作的分析结果，尽量存到本地或校内平台，不要放在公共对话里。
学校通常会有数据安全要求，不确定时直接问信息化负责人。给家长发评语前，如果里面引用了学生的具体错误，建议做匿名处理。教育行业一旦泄露学生隐私，后面的麻烦会很大。永远记住：AI只是工具，保护学生数据是教师的职业底线。
4.5 教研组推广AI准备时最容易卡住的三种意见及应对
第一种意见是“AI会让老师变懒”。这种担心很常见，回应思路是：AI只承担初稿，你是那个做修改、审核、判断的人。第二学期我们的经验是，用了AI的老师反而更愿意在课堂活动设计上花时间，因为重复劳动被压缩了。第二种意见是“AI质量不稳定”。最好的办法是先在组内做小范围试点，积累三五个成功案例，再把这些案例当场演示一遍。比空对空争论可靠得多。第三种意见是“增加负担”。推广时只要求每个老师交一份基于模板的教案，而不是要求所有课都用AI。降低启动门槛，才会有人愿意尝试。
我个人在实际操作中最深的体会是：AI进课堂能不能持续，不看这个工具多厉害，而看它有没有真正塞进你原有流程里。如果你只是偶尔打开网页聊两句，它很快就会被遗忘；如果你把“教材信息→教学目标→教案骨架→课件大纲→作业设计”这条流水线固定下来，它就会变成一个你离不开的队友。我这几周最大的变化不是写教案变快，而是每天多了差不多30分钟，去做那些只有老师本人才能做的事——翻翻学生错题、改改PPT里的例子、在课后找几个状态起伏的孩子聊几句。这大概就是工作流带来的最实际的好处。
