这一两年教育圈的AI工具一波接一波地出但真正能在课堂上、备课室里用得顺手、用得住的其实不多。很多老师第一反应是去问大模型“帮我写一份教案”得到一份四平八稳、但完全没法直接用的模板回头还得自己重写一遍时间一点没省。问题不在AI在于没有把AI当“工作搭档”来调教。WorkBuddy这类的AI Agent工具我实际用了快半年最大的感受是只要把备课、教研、作业批改、无生试讲这几个场景的流程理顺把提示词和工作流设计到位它是真的能顶半个助教。再加上QuickForm这类工具的本地部署把学生数据留在自己的电脑或者校内服务器上很多以前不敢想的自动化方案就能落地了。这篇就写写我是怎么把这套全流程搭起来、跑通的包括每一步的操作细节、提示词模板以及踩过的坑。1. 先把WorkBuddy在教育场景里的定位说清楚1.1 为什么教育场景需要一套“定制流程”而非一个万能对话框老师们最容易踩的第一个坑就是把AI当成一个无所不知的问答框。今天让它写教案明天让它出卷子后天又让它改作文然后发现每个结果都“差点意思”。这不是AI能力不行而是通用大模型根本不了解你班级的学情、不熟悉你用的教材版本、也不知道你们学校的教学常规要求。比如你说“写一份《背影》的教案”它能给你写出一份结构完整的东西但里面的教学环节设计、课时安排、学生活动可能和你的实际进度、学生水平完全对不上。WorkBuddy这类AI Agent的价值在于“可定制”。它允许你给它定规则、建角色、设定输出模板甚至让它记住一套长期生效的工作规范比如“所有教案必须包含学情分析、核心素养目标、任务驱动环节、分层作业设计”。只要这些规则设好了它每次输出都自动带上你的“个人要求”产出质量就完全不一样了。我最早用的时候光是在系统里配置这些规则就花了一个下午但后面每一个产出的东西从教案到教研分析只需要小幅修改就能直接用。1.2 WorkBuddy与CodeBuddy的分工别再拿错锤子和WorkBuddy经常一起出现的CodeBuddy很多人分不清区别容易用错。我自己理解是这样的CodeBuddy更偏代码场景主要面向程序员做代码生成、程序调试、代码解释这一类工作WorkBuddy的定位则更泛适合做知识工作流、文档处理、数据分析、多步骤任务编排这类日常办公和教育场景。教育应用上显然WorkBuddy这类Agent更对路因为它要处理的是教案文本、学情数据、批改记录这些离散信息而不是代码逻辑。说得直白一点CodeBuddy解决的是“这个功能怎么写”WorkBuddy解决的是“这件事怎么安排、怎么执行”。你要写一个自动统计学生成绩的脚本那是CodeBuddy的活你要搭一套“每周自动生成当周教学反思”的流程这是WorkBuddy的活。教育场景的AI应用重心在后一类所以我后面讲的所有操作都基于WorkBuddy这类工作流工具展开。2. 从0到1搭建AI备课工作流附提示词模板2.1 定规则的三个关键动作角色、输出结构、底线约束WorkBuddy这类工具支持给Agent定“长期规则”这相当于给你的AI搭档做岗前培训。我建议每个老师拿到工具后先花一两个小时做三个动作后面事半功倍。第一个动作是给Agent定角色。不要只让它“扮演一个老师”而是设定得更具体比如“你有15年初中语文教学经验熟悉部编版教材擅长任务驱动型教学设计关注课堂互动和差异性教学”。角色越具体它的语言风格、设计偏好就越贴近你的需求。第二个动作是输出结构。把你要的教案模板整体贴进规则里告诉它“以后所有教案一律按这个结构输出教学目标、学情分析、教学重难点、教学过程、板书设计、作业设计、教学反思”。这一步是很多人会忽略的但恰恰是它决定了产出的东西能不能“直接交”。第三个动作是底线约束。比如“不得编造教材原文”、“引用知识性内容时标注不确定之处”、“涉及数据统计时给出计算过程”。教育内容错不得一个数据出错都可能误导学生所以这条底线一定要设。设完之后最好用几条测试Prompt验证一下看它是否真的遵守了。2.2 一次完整的“三轮对话”备课实操记录规则设好之后我一般不建议一次对话就生成完稿教案效果最好的方式是三轮对话逐步逼近。第一轮给框架第二轮补细节第三轮做风险评估和微调。第一轮我会输入这样的指令“根据部编版八年级上册《背影》这篇课文按我们设置好的教案模板生成一份第一课时的教学方案草稿。请重点突出‘深读细究’这个环节我需要学生理解父亲买橘子的细节描写中包含的情感层次不要套话直接用可操作的教学活动来体现教学环节。”这一轮的目的是让AI先把教学设计框架搭出来尤其是把教学活动和目标对应起来。第二轮我会针对第一轮输出的薄弱环节追问比如“第一轮里的‘合作探究’这个环节设计得偏简单能不能给出更具体的分组方式、讨论问题清单和时间分配另外把板书设计改成思维导图形式我要在黑板上呈现‘背影’—‘情感’—‘父子关系’三层结构。”第二轮的核心是定向优化哪里不满意就指哪里。第三轮我会让它做“风险检查”“请检查这份教案里有没有可能超时的教学环节把时间分配表列出来有没有对学情要求过高的活动标注出可能需要调整的地方。”很多时候AI会自己发现设计上的硬伤比如某个活动预计20分钟但实际很难完成趁上课前改掉。三轮做完一份教案从“能看”变成“能上”这个差异是真实的。2.3 备课素材库沉淀与教案复用技巧用WorkBuddy备课一个隐藏的好处是素材复用。我习惯把比较好的教案、题目、课堂活动设计统一归档命名规则是“学科年级单元课时类型”然后作为背景资料喂给Agent。比如到了期末复习阶段我直接从素材库里抽几份之前的教案和作业记录让AI“根据我班的整体作业错误分布出一份期末复习专项方案”。因为有实际学情数据做底子输出比凭空生成靠谱得多。还要养成一个习惯每份教案用完后把课堂中和实际偏差比较大的环节记录在案回传给Agent。WorkBuddy这类工具的对话记忆或项目笔记功能可以长期保留这些信息用久了之后它输出的教案会越来越贴合你的教学风格而不是一个“通用AI模板”。3. 教研分析与作业批改的AI实践3.1 用AI做学情诊断的实操思路很多老师疑惑教研怎么让AI参与。我的经验是不要一上来就让AI“写一篇教研论文”那大概率产出泛泛而谈的东西。教研的前提是你对学情有准确诊断而AI最擅长做的恰恰是基于原始数据进行归纳。具体做法是先把一次周测/单元测的得分数据按题号整理成表格每道题的错误选项分布、得分率、高频错因哪怕是手动记录的都行。然后把这张表丢给WorkBuddy告诉它“这是某班50人某次测试的数据请帮我分析哪些知识点掌握较好、哪些是典型薄弱点、错误集中在哪些题型上、下一步教学建议按优先级排序。”它会给出比较清晰的诊断报告你再结合自己的观察修正比对着成绩册一个个数快多了。当然这里要说个关键数据清洗必须自己做。不要在原始数据还是乱序、缺行的情况下让AI分析它很难给出准确结论。我的操作习惯是先在Excel里做数据透视生成“题号—正答率—高频错误项”表后再给AI这样其实AI只是帮你把“看数据后的判断”转成文字报告和行动计划效率和准确度都高得多。3.2 作文批改的评分量表设计作文批改算是比较吃时间的活也是最容易用AI省力的环节但要小心它的“讨好型人格”——AI倾向于把作文评得偏宽容语言上模棱两可。解决办法是给它一把尺子也就是评分量表。我会在WorkBuddy里设置一条规则内容大致是“批改作文时按内容主题30分、结构逻辑25分、语言表达25分、书写与规范20分四个维度打分每个维度必须给出具体例子说明为什么这么打分。总评意见不超过150字先给修改建议再给鼓励性评语。”比如输入一篇学生的议论文AI会输出“内容主题26分论点基本明确但论据主要用于重复观点而非支撑论证建议训练‘举例后分析论证’环节结构逻辑21分第二分论点和第三分论点之间存在交叉……”这种意见才能真正帮到学生。你自己再复核一遍微调几分作文批改效率能提升至少一半。如果坚持全批全改这个提示词模板可以让你从“逐句写评语”变成“逐条审核AI评语”。3.3 客观题批量批改与讲评册生成客观题部分靠AI逐个输入答案去核对不是好方案。我常用的做法是把Word或Excel里的答题卡数据复制成纯文本/表格用WorkBuddy按照“题号-标准答案-学生答案”的对照格式批量判分并同步生成三张表——班级得分率统计、高频错题汇总、逐人错题清单。讲评册的生成也很有用。告诉它“筛选出错误率40%的题目按知识点归类输出并为每道题提供正确解析、常见错误思路澄清、同类型变式练题建议”。它生成初稿后我会重点检查解析部分有没有知识性错误确认没问题再整理成讲义节省的时间实在可观。4. 无生试讲陪练把评委装进Prompt里4.1 无生试讲的真实痛点与AI陪练逻辑无生试讲是很多师范生、备考教师编制的人绕不开的一关。和真实上课不同无生试讲下面坐的是评委你的每一句过渡语、每一次提问设计、每一个板书动作都会被放大审视。没有“学生”配合你自己要同时假设学生已经回答、并且还要把对话内容演出来对节奏和表现力的要求非常高。过去练无生试讲的方式基本就两种找人陪练或者对着镜子自行演练。找人陪练受限于对方水平镜子演练又严重缺乏客观反馈。AI陪练在这里是个极佳的补充方案。WorkBuddy这类工具的对话能力可以实现“角色扮演”——让它扮演评委坐在你“对面”你讲课它从评委视角提问、打分、挑毛病。你也可以分饰两班一边讲课一边让AI模拟不同的课堂突发情况训练临场应变。4.2 构建AI陪练的具体流程我的建议是把陪练拆成“准备—演练—复盘”三段走。准备工作主要是设定好“评委角色的评分维度”比如“教学目标是否明确、教学导入是否有吸引力、师生互动设计是否自然、板书是否清晰、时间是否控制在15分钟以内”。把这些写入规则它就像带了一张评委检核表。演练阶段实际操作是我自己输出讲课过程把“在这里我请同学回答”这类无生试讲的典型话术转换为对话记录给AI并让AI在几个关键节点打断我比如在我导入时间过长时提醒“导入已超3分钟请快速进入新课环节”。它扮演的“评委”还会冷不丁提问“你这一环节的设计意图是什么”正好模拟真实试讲后的答辩压力。复盘阶段很关键。演练结束后我会让AI按之前设定的评分维度生成一份“评委反馈单”每一项给出打分和一句话点评并要求它直接指出三个最需要改进的细节。AI给出的建议里重复出现最多的往往就是你的真问题比如“提问缺乏层次”“过度依赖口头禅‘是不是’”。下一轮演练把这些问题单贴在对话里让它重点盯这几项。几次下来你再录像复看变化非常明显。4.3 试讲逐字稿拆解与表现力训练除了模拟演练我还会让WorkBuddy帮我“逐字稿拆解”。把自己的试讲录音转成文字后丢给它让它标注出“口头语出现频率”“无效重复次数”“连接词使用习惯”等。别小看这些细节很多试讲栽跟头就是因为口头语太多、过渡生硬。AI能做客观的统计比自己主观感知可靠得多。表现力层面也可以设计训练任务。比如告诉它“我这段教学过渡语太生硬请给我三个更自然的过渡版本并说明各自适合的教学风格”。它给出的版本不一定全能用但可以帮你打开思路。这里要多说一句试讲陪练本质上是辅助不是替代。AI可以把你的短板找出来但解决短板还是靠实际开口讲哪怕只是对着空气也要把每一次练习讲到完整、讲到有节奏感。5. QuickForm本地部署把数据留在自己手里5.1 教育场景为什么优先考虑本地部署教育场景涉及学生个人信息、成绩、评语等敏感数据。把这类数据交给外部云服务哪怕服务商承诺加密很多学校和机构在合规层面也不敢完全放心。我自己在这块的态度很明确能用本地部署解决的绝不往外部传。毕竟学生的成绩单、心理测评、家庭信息一旦泄露影响不是小事。QuickForm是我这段时间用得比较顺手的表单类小工具适合做课堂反馈、学生问卷、教学评价、作业自查表。它的特点是轻量、表单构建逻辑清晰、接口开放而且支持本地部署。本地部署意味着你手里的数据完全在自己的服务器或电脑上不经过第三方平台天然规避很多数据合规风险。这里的“合规”不是空话在真实场景里凡是涉及未成年的数据越少流转越安全。5.2 QuickForm本地部署的分步实操我是在Windows和Linux两种环境都部署过这里给一套通用步骤。先准备基础环境Python 3.10及以上版本、Node.js 18 LTS、Git、MySQL或者SQLite。如果只是个人电脑试用SQLite就够了如果是校内服务器多人并发就上MySQL。第一步从代码仓库拉取QuickForm源码到本地目录确认分支是main。第二步创建虚拟环境用命令激活然后安装Python依赖。依赖列表在requirements.txt里直接统一安装。第三步安装前端依赖并构建静态文件这一步需要一点时间网络状态不好的时候容易失败多试几次或者换镜像源。第四步复制环境变量示例文件为正式配置文件修改其中的数据库连接串、端口号、密钥等信息。端口建议避开常用端口比如用18080减少冲突。第五步初始化数据库。如果选用MySQL需要提前建好数据库SQLite会自动生成文件。第六步启动后端服务和前端静态服务然后访问本地地址检查首页是否正常出现。整个流程一个下午足够完成。要注意的是部署前先确认本机没有安装冲突版本的Python包尤其是setuptools、requests这类常用库版本太乱会导致进程起不起来我第一次部署就在这里卡了近一个小时。5.3 部署完成后必须做的三件事部署成功只是开始我强烈建议马上做三件事。第一件修改默认管理员密码。QuickForm默认可能带有初始账号必须在首次登录后就改掉并且关闭默认注册接口否则内网的人也能随意注册账号。第二件配置定时备份。把数据库文件或MySQL的dump导出脚本挂到系统计划任务里每天凌晨执行一次备份保留至少7天。教育数据要的是“不怕一万就怕万一”数据库文件一旦损坏没有备份就是灾难。第三件做一次内网访问测试。不要只在自己电脑上打开页面换成其他设备通过内网IP访问一下确认服务监听的是局域网地址而不仅仅是127.0.0.1。这三件事做完这套系统才算真正能投入日常使用。5.4 部署中的典型报错与解决方案部署过程一定会出错我遇到的几个高频问题可以供参考。一个是“端口被占用”。启动时报Address already in use解决方法是先用系统命令查端口占用再把QuickForm的监听端口改掉。另一个是“前端页面能开但提交表单后无响应”。这种情况八成是后端服务没起来或者接口地址配置成了localhost前端请求指向了错误地址。再一个常见问题是“数据库迁移失败”多发生在MySQL字符集不一致的场景提前把数据库字符集设为utf8mb4基本能避免。最后特别提醒一点本地部署没有自动防护系统暴露在内网里安全依赖你自己的补丁更新和权限控制。不要觉得“内网就安全”随便开放端口、使用弱密码一样会被攻击。按正常流程配好防火墙规则、定期更新依赖版本这才是一劳永逸的做法。6. 避坑清单与实操心得6.1 提示词失效的三种原因与应急预案很多老师用着用着会发现AI慢慢“不听话”了。我总结下来最常见的原因有三个规则冲突、上下文污染、输出长度超限。规则冲突是指在长期规则里同时写了两条互相矛盾的设定比如要求“每次输出不超过500字”又要求“所有部分都要展开讨论”AI就会犹豫实际表现就是时灵时不灵。上下文污染是指对话太长之后早先的设定被后面无关的内容淹没。这种情况我会先新建一个对话把核心规则重新粘贴一遍再继续。输出长度超限比较容易识别回复到一半就断了解决方案是主动提醒它“请分段输出先给第二部分”。应急方案也简单在WorkBuddy里固定保存几套“核心规则模板”一旦对话效果下降立刻新建会话恢复模板不拖泥带水。别试图在同一个对话里不断“纠正”它那是浪费时间。6.2 教育数据安全与使用的合规红线做教育信息化数据安全这件事怎么强调都不过分。我给自己定了三条不可突破的红线。第一条学生个人信息数据集含姓名、学号、家长联系方式绝对不能进入外部云端AI对话如果要用必须脱敏成“学生A”“编号01”再处理。第二条学生成绩、作业数据如果需要外部AI辅助分析在传输前先做内部审批且只能提供必要的片段数据不提供全集。第三条本地部署的数据系统账号必须一人一号开启操作日志做到“谁能看、谁改过、都留痕”。这些规矩看上去有点麻烦但在实际检查或者突发问题的时候能替你挡住大麻烦。6.3 长期使用与持续优化的建议最后聊聊怎么把WorkBuddy和QuickForm这套组合用出长期价值。工具是死的但你的规则库、提示词模板、历史数据会越攒越多这才是真正的壁垒。我每月会固定抽一个晚上做一次“规则体检”看看哪些规则长时间没用到清理掉哪些输出效果不好重新写哪些新需求冒出来了新增规则。AI辅助教育至今没有真正的终点方案每一轮模型升级、每一次工具更新都会带来新的可能性。但我在实际操作中体会最深的是不要追着“最新功能”跑而是优先把现有流程跑顺、跑稳。备课、教研、批改、试讲陪练、数据本地化这几个日常动作串起来之后你手里的工具不只是帮你省了几个小时而是悄悄改变了你的工作方式。先把这套流程拿下再想着怎么扩展节奏会更踏实。