AI 教学：
备课、答疑、出题与总结

按课前、课中、课后拆分工作流

将一次具体教学任务作为输入，比只定义一个通用聊天入口更容易确定输出是否可用。以下是工作流规划示例。

教师审核应该放在哪里？

对学生展示之前先确定内容发布规则。备课、题目与总结可以作为草稿供教师修改；课堂答疑则需要明确错误纠正和教师接管流程。官网的 AI 输出是示例，不是特定学科准确率或学习效果的证明。

• 知识核对：用课程材料检查术语、公式、事实与推理过程。
• 教学适配：检查学生基础、题目难度、表达方式和课程目标。
• 答案校验：对练习题独立检查解法、标准答案和评分依据。
• 纠正机制：让教师能够识别并替换错误内容，避免未经核对的结果直接进入复习资料。

如何准备课程材料与数据范围？

项目接入前，应列明哪些资料可以用于 AI 处理、哪些内容不应被发送，以及谁可以访问输出。这里是需求清单，并不声明 eduskit 已提供某种特定数据策略或合规认证。

• 梳理课程资料的使用权限、适用年级与更新版本。
• 按任务提供必要上下文，避免为简单问题传入无关的个人信息或整份记录。
• 确认所选模型服务、部署位置、保留期限与访问权限。
• 明确课程资料、学生问题和生成结果的删除或更正流程。

怎样判断 AI 工作流是否适合课堂？

建议使用一组固定的真实课程任务评估方案，并记录输入版本与教师判断。功能演示能说明流程，不能替代教学验证。

• 选取概念解释、常见误区、练习生成与总结等不同类型的任务。
• 记录回答是否正确、是否引用了允许的课程材料、是否遗漏必要步骤。
• 比较教师修改成本与原有工作方式，确定哪些环节值得引入 AI。
• 把异常输入、资料不足和模型无法可靠回答的情形纳入验收。
• 上线后根据教学反馈调整任务范围，保留必要的人工审核。