上了三节AI课，别的学校老师来问我要课件了。

今天上完《人工智能导论》第三节课，心情挺好的。

不是因为课上得有多顺——说实话，三节课下来手忙脚乱的，一会儿学生装错软件了，一会儿积分领不出来，一会儿有人电脑没有D盘。但下课前看到学生写的课程总结，还有中午收到杭州一位同行老师的消息，我觉得这门新课，方向是对的。

先说说这位杭州的老师。

她是今年暑假在旅游学院上国培班认识的学员，看了我的公众号，申请加入了我的学习通人工智能导论课程。今天她用我课上的资源，在自己学校带学生上了一节实操课，中午给我发消息说：

> "第一节课上理论，学生兴趣不是很大。这节实操课，学生积极性提高了不少。"> "虽然大家都用豆包什么的，但对于怎么问AI，还是得好好学一下。"

看到这条消息我挺开心的，不是因为被夸了，是因为验证了一件事：

AI课不能上来就讲原理，得先让学生上手摸。

很多学校开人工智能课，一上来讲大模型的发展历史、Transformer架构、算法原理……讲得没错，但学生听着听着就走神了。你跟他讲"注意力机制"，他心里想的是"这玩意儿跟我有啥关系"。

我的路子反过来：先不讲原理，先让AI帮你干一件实实在在的事。

第一节课，教怎么跟AI高效对话——学生发现"原来我之前问的问题，AI答不好是我不会问"。

第二节课，教怎么用AI搜索整理信息——最后每人产出一份奖学金政策简报，学生发现"原来我查半天的东西，AI几分钟就整好了"。

第三节课，也就是今天，教用智能体写长文档——从一份几百字的简报，生成一份结构完整的两千字调研报告，有封面、有目录、有摘要、有参考文献。学生看到成品的时候，眼睛是亮的。

三节课，三个台阶，每节课学生都能带走一个"马上就能用"的技能。理论不是不讲，是等学生有了体感、产生了好奇，再讲不迟。

今天这节课的主角是一个叫Workbuddy的国产智能体。

很多人分不清"大模型"和"智能体"的区别。我在课上跟学生说：大模型就像一个很聪明的员工，但你得一步一步指挥他干；智能体就像一个部门主管，你告诉他目标是什么，他自己拆解任务、调用工具、最后把成品交到你手上。

这个区别，光讲概念学生是听不懂的。所以我设计了一个很小的任务：让智能体查一下武汉近一周的天气，生成一个Word文档，存在你电脑的指定文件夹里。

就这么一件小事，学生一下就懂了。

因为他们之前用Deepseek、用豆包，都做不到这件事——AI能告诉你天气，但不能帮你生成Word文档存在电脑里。智能体可以。

概念不用背，做过一次就理解了。

然后我带他们做今天的核心任务：把上节课做的奖学金简报，用智能体扩写成一份完整的调研报告。

我教了四步法：出大纲→分段写→核事实→做润色。

这四步不是我编的，是真实工作场景里写长文的标准流程。AI只是帮你把每一步的执行效率提高了，但流程本身，人得清楚。

我反复跟学生说一句话：你是老板，AI是干活的。老板要会提要求、会验收、会拍板让他改。

课上我也发现一个问题：提示词我直接给他们，他们复制粘贴就完事了，好像这事跟自己没关系。我当时就说了一句："提示词我都给你们了，你们好像没什么事一样？不都是AI在干嘛？你们干什么了？"

这句话可能有点重，但我觉得得说。AI时代，最容易被淘汰的不是不会用AI的人，是只会"复制粘贴"的人。你得会提要求，会判断质量，会在AI做错的时候指出来。这才是人的价值。

说到课程总结，我想多聊两句。

很多老师让学生写总结，就一句话"今天的收获是什么"，学生要么写流水账，要么写"收获很大""受益匪浅"这种空话。

我不喜欢这样。总结不是写给老师看的，是写给自己的。所以我专门设计了一个脚手架，四个问题：

> 1. 上课之前你对智能体和大模型是怎么理解的？上完课呢？用自己的话说明。> 2. 上课之前你使用过Workbuddy吗？上完今天的课你有什么感受？> 3. 请梳理用AI做长文档的流程，一共有哪几步，每一步要注意什么？> 4. 说出这次课的三个优点和一个不足，请具体说明，杜绝"很好""不错"之类的话。

为什么这么设计？

第一个问题，逼学生做认知对比——不是"学了什么"，而是"我的想法变了什么"。有变化，才是真学到了。

第二个问题，关注真实感受——工具好不好用、哪里惊艳、哪里别扭，学生最有发言权。

第三个问题，检验方法掌握——不是背知识点，是用自己的话把流程讲清楚。能讲清楚，才是真懂了。

第四个问题，培养评价能力——而且明确要求"杜绝很好不错之类的话"，逼着学生说具体的。

收上来的作业质量出乎我的意料。有个叫袁晓龙的学生写得特别好：

> "课前我认为大模型只是聊天工具，智能体就是普通AI。课后理解：大模型是基础AI模型；智能体能自主规划并完成整套任务。"> "AI写长文档：①搭建大纲，框架不能模糊；②分段生成，防止内容冲突；③核对信息，排查AI编造的错误内容；④润色排版，统一文风。"

你看，概念他理清了，方法他记住了，而且是用自己的话讲出来的，不是抄课件。

他还写了这节课的优点：现场实操演示，不只是讲理论；案例贴合学生，写报告作业能用；课堂任务清晰，容易跟上。

看到这三条的时候，我挺欣慰的。因为这正好是我设计这门课的时候最在意的三件事：要实操、要有用、要跟得上。

职业院校的学生，不怕难，怕没用。你告诉他这个东西以后写作业、写毕业论文、找工作都能用，他自然就认真了。

当然，问题也不少。

上完课我用得到大脑帮我做了一次复盘，把优点和不足都理了一遍。连总结脚手架这件事，它也给了我一些新的想法。

它说我现在的四问模板挺好，但都是"回顾性"的——都是在看过去和现在。缺了一条面向未来的。学生上完课觉得"挺有用"，但如果没有一个明确的"接下来我要用它做什么"，很可能课上完就放一边了。

它建议我再加两个问题，变成六问：

> 5. 这节课你觉得最费劲、卡最久的环节是哪个？卡在哪了？后来怎么解决的？> 6. 接下来一周内，你打算用今天学的方法，去完成哪一件具体的事？

我觉得这个建议特别好。

第五个问题，比"不足"更具体——不是让学生评价老师，而是让学生回忆自己的学习过程。哪里卡壳了、怎么解决的，这些才是最真实的学习数据。对老师来说，"学生最费劲的环节"恰恰就是最需要优化的地方。

第六个问题，是行动导向——学完了要用，不用等于没学。而且要求"具体的事"，不能说"以后写作业用"这种空话，得说清楚"写哪门课的什么作业""做什么攻略""整理什么笔记"。下节课上课前我还能抽查一下，形成闭环。

下节课我就打算用这个六问版的总结模板，看看效果怎么样。

除了总结模板，得到大脑还帮我点出了几个更深层的问题，我觉得也挺准的：

第一，学生动手多、动脑少。 操作都能跟上，但提示词是我给的、流程是我设计的，学生的思维参与度还不够。下节课我打算试试"先让学生自己写提示词，再跟AI的结果对比"，逼着他们动脑子。其实这点我也想到了，不过因为实操课，又是workbuddy的第一次使用，我就重点让学生把流程跑通，提示词直接给了学生。

第二，小组协作流于形式。 说是分组，但基本还是各做各的。下次我准备在组内设角色——需求经理、质量经理、排版经理、项目经理，每个人对自己那一环负责。AI时代不会协作的人，照样走不远。

第三，自选主题还是没要更好的创意。 有的组选"电气专业就业岗位调研"，有的组选"专升本学校调研"，都是我在课上给的选题，暂时还没有挖出来学生自己的创意，这方面还值得再思考。

还有一些细节上的问题，比如大模型选型怎么教得更有决策感、上下文溢出的坑怎么让学生更有体感……这些我都记下来了，下一轮上课改。

做了二十年职教，以前我也想做反思，有时候是太累，有时候是需要自己回忆半天哪里有问题，还可能灯下黑，很难坚持下去。现在有了AI，反思的成本降了很多，把录音丢给AI，它帮你梳理优点、找不足、出改进方案。老师的精力可以更多放在"判断"和"决策"上，而不是"回忆"和"整理"上。

今天最开心的事，不是学生夸我课上得好，也不是别的学校老师来要课件。是我看到学生在课上那种"哇，还能这样"的表情——那种发现一个新世界的眼神。

AI这门课，我也是第一次上，但有一点我很确定：

教AI，不是教学生怎么用一个软件。是教他们，在AI越来越厉害的时代，人该怎么干活、怎么思考、怎么守住自己的位置。

这条路还长，路虽远行则至。如果你也在教AI相关的课，欢迎留言交流。我也会持续把这门课的迭代过程记录下来。