教师延伸路线（For Teachers / Educators）¶
🚀 大多数教师可直接从 Claude.ai（网页版）+ NotebookLM 开始，不需要任何 setup。只有当你要自动化重复流程（Tier 2+，例如每周生成 50 份家长信）时，才需要看
resources/setup-guide.zh-Hans.mdA-C（30 分钟从零装好需要的东西）。← 回主路线 README · 走完 Track A 的 A3 或 Track B 的 Stage 7 后从这里接续。把 agentic AI 应用到教学流程上。
使用场景¶
教师使用 AI 的场景可以先看成三个分支：备课与上课素材制作、教学现场与学习辅助、以及其他应用场景。
这样的分类参考 AI in Education 文献中常见的行政、教学与学习应用脉络，也加入生成式 AI 在教材生成、反馈与互动支援上的近期讨论（Chen et al., 2020；Mittal et al., 2024）。阅读时建议先理解教师把关原则与使用边界，再依自己的教学需求挑一个分支深入。
教师使用 AI 辅助时要注意什么¶
AI 可以帮忙准备和辅助，但不应该直接取代教师判断。近期 AI in Education 与生成式 AI 教育研究也提醒，教师设计 AI agent 时要保留清楚的教学目标、安全边界与人工把关（Chen et al., 2020；Mittal et al., 2024）。
- 保留教师最后判断：牵涉学生数据、成绩、教学决策等重大判断时，教师仍要负责最后确认。
- 避免直接给答案：如果要让学生与 AI agent 互动，可以设计成苏格拉底式对话，在多轮互动中引导学生说出理由。
- 贴合教学目标：用固定提示词、检查清单、或学校核准的工具设置，限制 AI 的角色与任务，避免学生互动脱离课程目标。
- 调整学生提问：如果学生年龄较低，例如小学或初中，可以把学生问题先改写成更清楚的提问，再交给 agent 回答。
备课与上课素材制作¶
这类场景偏向“帮老师准备材料”，输出通常会被老师再改写、挑选、检查。
- 教案生成：依课纲、单元目标与学生程度，整理课程大纲、时间分配、活动设计、讨论提示与补充学习指南。
- Quiz / 评分量表（rubric）建立：依文本、课文或学术文章，产生选择题、简答题、申论题、参考答案与评分规准。
- 幻灯片准备、课程地图、多媒体与可视化素材：把课本章节或教师笔记转成幻灯片大纲、讲义架构、周次安排、先备知识、评估节点、图像、3D 对象、视频脚本、GIF 或课堂展示素材。
- 学生反馈整理分析：汇整学生作答、作业或课堂反应，找出常见迷思、需要补救的概念与下一步练习。
- 多语系教材翻译与转化：把教材改写或翻译成不同语言版本，也可以产生语音合成素材。
- 互动式游戏与活动、虚拟模拟场景的素材：准备教学游戏、押韵儿歌、任务卡、角色卡、情境文本或模拟场景背景；若要设计实际互动流程或课堂活动，请参考下一节“教学现场与学习辅助”。
教学现场与学习辅助¶
这类场景偏向“帮学生理解、练习、互动”，AI 比较像教学助教或活动辅助工具。特别注意：不需要在单一教学活动中加入所有要素，而是挑选适合的环节加入 AI agent 设计。
- 沉浸式学习体验与真实情境演练：用真实情境模拟、角色扮演或外语口说模拟，让学生在接近实作的情境中练习，降低认知负荷与退缩感。
- 激发好奇心与提问能力：透过苏格拉底式追问与多轮互动，引导学生提出更清楚的问题、说明理由，进一步训练批判性思考与后设认知。
- 即时批改与深度反馈：让学生从错误中学习，AI 可以指出错误、说明原因、建议修正方向，而不是只给分数或答案。
- 智慧家教与虚拟助教：协助回答提问、解释术语、给提示，让学生在课堂内外都能获得适度支援。
- 适性教学与动态路径：依学生程度提供对应难度内容，并透过学习表现推测近侧发展区，提供合适的鹰架与补救素材。
其他应用场景¶
这类场景不一定直接发生在课堂中，但会影响教师工作、学生支援与教育系统运作。
- 特殊教育支援：透过语音转文字、文字转语音等方式，协助不同需求的学生参与课程。
- 亲师沟通与家庭教育：整理学生进度报告，并提供家庭可延伸的辅助学习活动建议。
- 行政管理与学术诚信：整理学习轨迹、产生报告，或协助进行抄袭与作弊风险检查。
- 职涯与技能发展辅导：协助职涯探索、培训清单规划，并依弱点推荐练习题。
- 教师专业发展：摘要教学方法、教育科技趋势与研究重点，协助教师持续更新。
- 高阶研究分析：辅助文献分析、快速理解论文研究中提出的教学法或教育心理学。
- 隐私保护与合成数据：在不直接使用真实个资的前提下，产生匿名合成数据。
参考文献¶
- Chen, L., Chen, P., & Lin, Z. (2020). Artificial Intelligence in Education: A Review. IEEE Access, 8, 75264-75278.
- Mittal, U., Sai, S., Chamola, V., & Sangwan, D. (2024). A Comprehensive Review on Generative AI for Education. IEEE Access, 12, 142733-142759.
精选 Projects¶
教学流程 Skills¶
（大多数还没有做成 skill marketplace。这个分支最有社群贡献空间——见 CONTRIBUTING.md。）
可用的基础组件¶
obra/superpowers ⭐⭐⭐⭐¶
通用的写作 / 头脑风暴 skill。可改用在备课上。
进阶自动化：Claude Code（搭配自定义 CLAUDE.md）⭐⭐⭐⭐⭐¶
★ 120k+ — 教师的基础工具是 Claude.ai（网页版）+ NotebookLM + Google Classroom / LMS 集成，先从这里开始。只有当你已有会重复跑的批量流程（如每周生成 50 份家长信、每学期跑学生反馈分析）才升级到 Claude Code，需要学一点 CLI。
教学课程素材（给教师备课用）¶
huggingface/agents-course ⭐⭐⭐⭐¶
| 栏位 | 内容 |
|---|---|
| Stars | ★ 28k+ |
| License | Apache-2.0 |
教什么：Hugging Face 官方的 agent 课程——notebook、练习、结业认证。是一份现成的“AI agent 教学”素材。
适合谁：要在学校 / 工作坊开“AI agent 入门”课程的老师，可以直接拿来当教材或改编。
备注：注意这是“教 AI agent 怎么建”的教材，不是“老师用 AI 教书”的工具。
datawhalechina/llm-universe ⭐⭐⭐⭐（中文）¶
| 栏位 | 内容 |
|---|---|
| 语言 | 中文（zh-Hans） |
| Stars | ★ 13k+ |
| License | NOASSERTION |
教什么：Datawhale 出品的中文 LLM 应用开发课程——含 RAG、agent、章节练习。中文教师备课的现成模板。
适合谁：中文教师想找现成可改的 LLM 教材底稿、再针对自己学生程度调整。
备注：跟 hf agents-course 一样，是“教学生建 LLM 应用”的教材，不是“教师端的 AI 助教”。
Prompt 素材库¶
f/awesome-chatgpt-prompts ⭐⭐⭐⭐¶
| 栏位 | 内容 |
|---|---|
| Stars | ★ 161k+ |
| License | NOASSERTION（CC0 / public domain 风格，但未提供 SPDX） |
教什么：社群维护的 prompt 大全——“act as X”型模板涵盖几百种角色（老师、面试官、stand-up comedian、辩论者⋯）。教师可以拿来当“prompt engineering 写法示例”教给学生，或直接借用其中合适的当作课堂示范。
适合谁：要教学生“prompt engineering”的老师，找现成例子比较不同写法的差异。
备注：质量不一致——当作素材库挑选用，不是“全部直接拿去教”。
阅读材料¶
The Effortless Academic — Beginner Guides¶
写给学术工作者导入 Claude Code 的多篇指南，教师也适用。
可以建的流程（按教学阶段）¶
下表 5 条是模板——配合你的学科自行调整：
| 阶段 | 流程 | 怎么做（≤ 3 步） | 推荐工具 | 注意 |
|---|---|---|---|---|
| 备课前 | 教案生成器 | (1) 课纲 + 主题提示 → 大纲 (2) 大纲 → 幻灯片 (3) 幻灯片 → 评估题目 |
Claude.ai / NotebookLM | 教师最后审 |
| 备课中 | Rubric 建立 | (1) 给学生作业样本 + 学习目标 (2) 请 AI 草拟 4 级 rubric (3) 教师调整级距 |
Claude.ai | 避免“质量好”这种模糊词 |
| 改作业 | 个性化反馈 | (1) 学生作业 + rubric → AI 写反馈初稿 (2) 教师逐份审 + 改 (3) 寄回 |
Claude.ai | AI 辅助 ≠ AI 评分，最终分数一定人工 |
| 课堂活动 | 情境模拟 | (1) 教学目标 + 角色设定 → 对话脚本 (2) 课堂演练 (3) 反思问题 |
Claude.ai | 苏格拉底式追问、不直接给答案；学生输入不含个资 |
| 课后补救 | 个性化补救教材 | (1) 整理学生常见错误 (2) 依学生程度 → 小练习 + 提示 (3) 延伸挑战题 |
Claude.ai | 注意学生个资匿名化 |
💡 新手起手式：先做“备课前的教案生成器”一个学期，习惯后再加 rubric / 反馈流程。⚠️ 所有跟学生个资 / 评分相关的步骤都要回头看下面的 §隐私 + 伦理（重要）章节。
3 个可直接复制的 prompt 范本¶
1. 教案大纲生成（复制到 Claude.ai 即可用）：
你是一位 [学科] 老师。我要给 [年级] 学生上一堂 [时长] 分钟的课，主题是「[主题]」。
学生先备知识：[简述]。请产出：
1. 学习目标（3-4 条，用 Bloom's taxonomy 动词）
2. 课程大纲（含时间分配）
3. 1 个课堂活动 / 讨论题
4. 1 个课后评估题
不要产生超出我给的主题范围的内容。
2. Rubric 草稿生成：
我有一份 [作业类型] 作业，学生年级 [年级]，主题 [主题]。
学习目标：[列 2-3 条]。
请产出一份 4 级 rubric（卓越 / 熟练 / 发展中 / 待改进），
每级在「内容深度」「组织结构」「论证 / 计算」「表达清晰度」4 个面向各给一段描述。
描述要具体可观察，不用「质量好」这种模糊词。
3. 学生反馈整理：
以下是 [N] 份学生作业片段：
[贴上文本]
请：
1. 摘要这批作业共同的 3 个强项
2. 摘要 3 个共同弱点
3. 针对最常见弱点，建议 1-2 个下次上课该加强的环节
不要做个人化评语——我会自己针对个人写。
隐私 + 伦理（重要）¶
教师端用 LLM 跟一般 user 不同，牵涉学生数据——以下是 hard rule：
- 不要把学生个资丢进公开 LLM（姓名、学号、联系方式、成绩）。需要的话先匿名化（用“学生 A / B / C”）
- AI 辅助 ≠ AI 评分：用 LLM 草拟反馈 / rubric 没问题，但最终评分一定要人工把关——LLM 对复杂思考的评估还不可靠
- 告知学生：如果课堂材料是 AI 辅助生成，建议向学生揭露（比照论文揭露 AI 工具使用）。教学诚信很重要
- 检查事实：LLM 会编造引用、学者名字、研究数据。专业领域内容必须核对才能上课
- 学生作品的著作权：不要把学生作品用 LLM 大量分析后上传到第三方 service，可能涉及所在地个资法、学校政策、第三方服务条款——在美国另需留意 FERPA（学生记录保护法）、在欧盟需留意 GDPR、在台湾则需注意《个资法》与校方公告。实际适用范围请以该地法规与学校 IT 政策为准
如果你的学校 / 机构有 AI 使用政策，那份比这份优先。
给教师的层级建议¶
下表是建议的进阶路径——大多数教师应该停在 Tier 0-1：
| Tier | 工具 | 适合谁 | 学习成本 |
|---|---|---|---|
| Tier 0 | Claude.ai 网页版聊天 | 偶尔备课、单次任务、出题、写信。复制上面的 prompt 范本填入主题即可 | 0（会用浏览器就行） |
| Tier 1 | Claude Desktop / NotebookLM | 批改 / 整理一整学期数据、做课程地图、整批导入课本 PDF 后问问题 | 半小时装好 |
| Tier 2+ | Claude Code / CLI / SDK | 有重复自动化需求（例：每周收 30 份作业 → 自动生成反馈初稿） | 1 周上手；不熟程序可找学校 IT / 学生 RA 帮忙设置 |
多数教师停在 Tier 0-1 就够了。升级到 Tier 2+ 就建议走 Track A — CLI Power User。
也适用其他分支¶
很多老师同时是研究员 / 知识工作者，这几个分支重叠：
- 也做研究（找文献、写 paper、整理 references）→ 研究员分支
- 要写报告 / 整理会议记录 / 跨工具集成（Notion、Excel、Email）→ 知识工作者分支
- 要把 AI 接到 Notion / Obsidian / 飞书 等日常工具 →
resources/mcp-skills-catalog.zh-Hans.md
社群备注¶
这个分支目前是精选内容最少的一块。特别欢迎以下贡献：
- 教案生成 skill
- 学科专属的 prompt library（语文老师的 prompts、数学老师的 prompts、英文老师的 prompts ⋯）
- 教师专属的 MCP server（成绩册集成、LMS 串接如 Canvas / Moodle / Google Classroom）
- 某学科 + 某年级的完整 case study（例如“我用 AI 带初中数学一个学期，这是我的 workflow”）
请见 CONTRIBUTING.md。