AI 替你把教案写了

最近，一本《WorkBuddy 教师手册》在教师圈里流传开来。我把手册和几篇相关评测、培训资料读了一遍，结论是：这确实是一份拿来就能用的实战指南。

一、它不是聊天机器人，是能交活的智能体。普通AI只会说：给你一段文字，然后你复制、粘贴、调格式，一晚上成了搬运工。WorkBuddy是腾讯推出的桌面智能体，能读你授权的文件、自己拆解任务，直接生成Word教案、PPT课件、Excel成绩分析，保存、命名、归档一气呵成。一句话：普通AI给你一段话，它给你一份能直接用的文件。手册还给出三种用法：日常要成果，用Craft模式，一句话出成品；复杂工程，用Plan模式，先出方案、确认后再执行；拿不准时切Ask，只聊不动手。

二、八大场景，覆盖教学科研全链条。手册把教师最耗时的工作拆成八大场景，每个都配了操作路径和提示词模板，高频的几个是：

备课写教案：给出课程、学情、课时要求，三维目标、重难点、思政融入一次成稿，还能按学校模板输出；

课件制作：教案一键转PPT，版式、配图自动排好；

成绩分析：读取 Excel，均分、及格率、优秀率自动计算，图表和学情简报一并生成，预警学生自动标出；

批改与评语：按维度给全班作业写个性化评语，先肯定亮点，再点出改进点；

教研写作：文献综述、课题申报书、竞赛集训计划，都能起草初稿；

行政事务：通知、总结、周报，一句话交代清楚。

三、进阶玩法，还有三张王牌。

（1）人机双写：打开 Word、Excel、PPT，选中要改的地方，用大白话说需求，AI 就地修改，改动直接落在原文件，告别来回复制粘贴；（2）定时自动化：每周一自动生成学情周报、每天早上推送学科热点，设置一次、长期运行；（3）专家中心：内置百余位领域专家，教学、科研难题随时求助。

四、三条底线，手册反复强调。

一是学生数据先脱敏，用编号代替姓名再交给AI；二是AI产出只是初稿，事实、数据、政策表述必须由教师把关；三是核心文献务必亲自精读—工具能缩短知识获取的路径，却替代不了你和文本之间的学术对话。技术不会取代教师，但用好AI的教师，等于拥有了一个随叫随到的教学团队。想系统上手，就从这份手册开始：

WorkBuddy 教师手册：https://www.workbuddy.link/p/iglwGr7phrJbwyxP9BSadz?source=2

五、写在后面：这套工具，高校教师该怎么用。注：文中功能以 WorkBuddy 最新版本为准；涉及学生信息的数据处理，请遵守所在学校的数据与隐私管理要求。

前四节的场景，多数指向中小学和职业教育。高校教师看了可能会说：成绩表分析、家校沟通、技能竞赛——这些不是我的日常。这个判断有道理。一份 2026 年 4—5 月面向高校教师的问卷调研（125 份，小样本，仅供参考）给出的工具使用率是：DeepSeek 89%、豆包 82%、Kimi 38%、通义千问 28%、腾讯元宝 26%、秘塔 25%，腾讯 ima 12%，而 WorkBuddy 不足 2%。换句话说，高校教师群体对这类工具既不陌生，也谈不上依赖。但更值得注意的不是哪个工具排第几，而是同一份调研揭示的应用层次：绝大多数教师停留在问答聊天 + 文案生成这一层——写通知、润色文字、做 PPT 初稿。真正匹配高校工作特性的能力，用的人极少。这就是问题的要害。

高校和基础教育的差别，不在工具的强弱，在工作的形态。中小学教师的工作是一轮一轮的：一节课、一次考试、一届学生，任务有明确的起止。高校教师的工作是一条一条的：一个研究方向要跟踪五到十年文献，一门课程要建设三到五轮，一个课题从选题到结项跨越数年。差别落在这里：前者需要不断生成新东西，后者需要长期积累并复用。用聊天式 AI 处理前者，效率立竿见影；用它处理后者，你每一次打开对话窗口，都要从头把背景讲一遍——AI 没有记忆，你的积累也就无从沉淀。所以高校教师用 AI 的关键，不在选一个更强的模型，而在选择能把知识留下来的工具形态。

一条底线上，三条不可逾越。2026 年 5 月，中国学位与研究生教育学会受教育部学位管理与研究生教育司委托，发布《规范研究生学位论文与实践成果中人工智能工具使用指南》。这份文件的约束是硬性的：第一，谁使用、谁负责。 学位申请人对论文全部内容承担最终责任，导师负有指导与审查责任。核心论点和创新贡献，必须由申请人自主提出并完成。第二，必须披露。 需出具人工智能使用声明，对工具名称、版本号、官方网址、使用用途、具体环节、参数设置、验证过程全面如实披露；答辩和成果鉴定环节原则上设置 AI 使用质询程序。第三，涉密与敏感内容，一律不得使用 AI 工具处理。配上《中华人民共和国学位法》（2025 年 1 月 1 日施行）关于代写、剽窃、伪造可撤销学位的规定，边界已经非常清楚：AI 可以用在文献整理、启发思路、数据处理、语言表达；不能用在核心论点的生成，更不能用来代替你完成研究本身。

按工作线配工具，而不是按哪个最强配工具。高校教师的 AI 工具，可以按四条工作线来配：

国际工具如 Elicit（文献综述）、Consensus（证据检索）、Scite（引证语境分析）、Gradescope（作业批改）在各自领域确实领先，但国内访问和使用成本需自行评估，量力而行。

一条可落地的路径：一个知识库 + 两条工作流。具体到操作，高校教师不必追求全都会用，把这套骨架搭起来就够用：第一步：建一个科研知识库。 用 ima 或 NotebookLM，把本研究方向 50–100 篇核心文献入库。此后所有综述、申报书、论文写作，都基于自己的知识库提问——答案有出处，不是模型凭记忆编的。第二步：跑通文献综述流。 检索（秘塔／知网／Web of Science）→ 批量初筛（Kimi 读 PDF，提取研究问题、方法、结论、局限）→ 人工精读判断 → 沉淀笔记回知识库。AI 承担的是筛和整理，判断权在你手里。第三步：跑通写作流。 DeepSeek 做论证推演、数据解读、方法部分的技术表达 → 自己完成核心论证与创新点写作 → WPS AI 做格式统一、参考文献排版、转课件。上海交通大学凯原法学院郑戈教授公开分享过他的组合思路：用 ima 融合 DeepSeek 建知识库，Kimi 做翻译，秘塔做文献注释，豆包辅助阅读。他的原则是一句话——保持主体性，对生成内容逐一查证核实。

回到开头那个判断。WorkBuddy 不适合高等教育—更准确的说法是：任何面向基础教育场景设计的 AI 应用，都不该被直接搬到高校课堂和实验室里。高校需要的不是更聪明的聊天窗口，而是一套能沉淀知识、组织流程、可持续复用的工作系统。这个系统可以由不同的工具拼成，唯一的硬约束是：机器负责流程和素材，人负责理解与判断。 这条边界一旦让出去，工具再强，也换不来真学问。