备课与教案
优先试点这一场景的目标是把课标、教材、学情和课时整理成教案、重难点和活动设计。
- 输入
- 课标、教材、学情和课时
- 输出
- 教案、重难点和活动设计
- 验收
- 检查备课时间、材料可用率、教师修改量
- 边界
- 教师校验知识准确性和适龄性

教师可以把备课、题库、反馈和教研资料交给AI智能体辅助,同时保护学生隐私与教育判
左起第一列是这个岗位可交给 WorkBuddy 的场景; 中间两列是它需要什么、能交付什么;最后一列是必须由人或系统决定的部分 —— 这一列才是评审时真正要看的,因为它决定哪些环节不能自动化。
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 备课与教案 | 课标、教材、学情和课时 | 教案、重难点和活动设计 | 教师校验知识准确性和适龄性 |
| 课件制作 | 教案、素材、学校模板 | PPT结构、讲稿和素材清单 | 版权、事实和视觉可读性需检查 |
| 题库与作业 | 知识点、难度、题型、答案标准 | 分层题目、答案和解析 | 必须抽检答案,防止超纲和重复 |
| 个性化学习 | 学习记录、目标和薄弱点 | 学习计划和练习建议 | 不能仅凭模型给学生贴标签 |
| 课堂互动 | 教学目标、学生水平、课堂时间 | 问题、活动和讨论脚本 | 教师维持课堂秩序和价值判断 |
| 批改与反馈 | 作业、评分规则和示例 | 初步评分、错误类型和反馈草稿 | 高影响成绩必须教师复核 |
| 教研资料整理 | 论文、案例、听课记录 | 主题综述、比较和研究问题 | 引用回查原文 |
| 教学评价 | 课堂记录、目标、评价量规 | 观察证据、问题和改进建议 | 不能用单次AI评价决定教师绩效 |
| 学生数据与隐私 | 学生信息、作品和学习记录 | 脱敏方案和可用数据范围 | 未成年人信息先脱敏、分类和授权 |
三个优先场景在各岗位下按同一套方法拆解:明确任务口径 → 收集并检查输入 → 让 WorkBuddy 执行整理、检索或生成 → 输出可编辑结果 → 由岗位负责人复核后进入下一流程。
这一场景的目标是把课标、教材、学情和课时整理成教案、重难点和活动设计。

这一场景的目标是把教案、素材、学校模板整理成PPT结构、讲稿和素材清单。

这一场景的目标是把知识点、难度、题型、答案标准整理成分层题目、答案和解析。
同一个岗位的场景会分散在四层里:文件层只用本地文档就能跑, 知识层要先建好有版本、有出处、有权限的资料,系统层要接业务系统, 决策层则必须保留人工批准。先看自己能从哪一层起步。
使用本地文档、表格和模板,结果可人工检查
建立有版本、有出处、有权限的知识资料
通过受控的Connector、MCP或API读写业务系统
展示依据、假设和影响,高风险决定由人批准
推荐先做“备课与教案”。它所需输入是课标、教材、学情和课时,目标交付是教案、重难点和活动设计。
试点可按四个动作推进:第一,抽取一批真实历史任务作为基线;第二,用同一批输入让人工流程和WorkBuddy流程并行;第三,记录失败、遗漏和人工修改原因;第四,只在结果稳定、权限清楚、可以回滚时扩大范围。
建议验收指标包括:备课时间、材料可用率、教师修改量。如果结果需要大量重做、来源无法追溯、系统写入不可回滚,试点应暂停并先修复数据或流程。
把你们这个岗位最耗人的一件事说清楚,我们按上面四层能力给出可切入点、需要对接的系统清单和人工边界 —— 不是通用方案,是照着你们现有流程改的版本。