老师问「AI 能不能帮我写教案」· 正确答案是能——前提是吃你自己的教研数据
教研与课程 · 真实业务触发
周五晚,老师要备下周三个班的新课(传感器与条件判断)。教研库(教研知识库沉淀)里这个单元有骨架、有前几年踩坑的备注,课堂记录(课堂表现随手记)里有两个孩子上节课卡在变量——备课要同时接住这三样,而现在是深夜十一点,老师刚回完家长的消息。
不是流程描述,是调研出来的真痛点 —— 每条可点开核对出处
变化不在「快」,在「参与的角色」和「覆盖的范围」
6 步 · 每一步的产出都是下一步的输入
痛感 5 × AI 适配 5 ÷ 落地难度 2 = 13.8
最大差异点 · 与 200+ 通用教案平台的分界线就一条:原料来自本机构——教研库的骨架与踩坑备注(教研知识库沉淀)+本班学员的真实课堂记录(课堂表现随手记),生成的每一处设计都标注出处。通用平台给的是「一节还行的课」,这里给的是「你们机构这个班下一周的课」。
评分口径:痛感看「这事没做好谁会生气、生气到什么程度」; AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」; 落地难度是分母 —— 需要客户先做数据治理的场景,分数会被压得很低。
判断标准只有一个:这份东西能不能直接进企业的流程
初稿不直接进课堂:老师改定签字后才用,改动留痕;不替老师定教学目标与重难点,只按教研库骨架展开并标注依据;教研库里「未课堂验证」的骨架,初稿必须显式标出、不得当成定论;生成内容的人工质检是教育部指引的硬要求,审定环节不可省略。
Live Demo 里有一个完整案例的每一步,包括 Agent 在哪一步拦住了