教培与学校怎么用 DeepMetier：教案、题库与学情分析

一、教学工作里可自动化的部分

教学工作的重复劳动集中在两类：内容生产（写教案、出题、做课件、整理讲义）与格式对齐（统一版式、汇总成绩、生成报表）。它们的共同点是标准明确、结果可被检查，因此适合交给智能体做初稿。

但有一条边界必须先划清：凡是涉及评价学生、影响学生机会的决定，都不能交给机器。AI 可以给建议、给统计，最终结论必须由老师确认。

推进顺序建议按这张表来：先做「高」的三四项，把老师每周固定花掉的三四个小时拿回来，再考虑评分与沟通这类「中」的环节。

二、教案与课件生成

教案生成最容易踩的坑是每次都从头写提示词，结果四不像。更稳的做法是先做一次模板工程：把学校或机构要求的教案结构（课时、教学目标、重难点、教学环节、板书设计、作业布置、课后反思）固化成 Word 模板，再让智能体的任务是「填写模板」而不是「自由创作」。

可复用的输入通常只要三样：课标或考纲对应条目、教材页码或原文、班级学情摘要。输出两件东西：一份 Word 教案，一份可直接导入的课件提纲与配图说明。

让输出稳定下来的三个约束

• 结构约束：明确「共 6 个环节，每环节不超过 120 字」，避免越写越长。
• 语言约束：指定面向对象（三年级 / 高三一轮复习），用词与难度随之变化。
• 素材约束：优先引用教材原文与本地题库，不得编造数据、人名与实验结论。

三、题库与组卷

组卷的核心不是「出题」，而是按双向细目表配比：知识点 × 认知层级 × 难度。这三条一旦写进表格，组卷就从经验活变成查表活，智能体能稳定执行。

可落地的链路是：把本地题库整理成 Excel（题干、选项、答案、解析、知识点标签、难度、来源），让智能体按细目表筛选与改编，输出带答案与解析的试卷，再导出 Word 双栏排版。改编时要求它「改情境不改考点」，并保留原题编号便于溯源。

• 答案校验：独立重算一遍答案与题库比对，不一致的题目标红。
• 去重校验：同一份试卷内按题干相似度去重，避免同题换说法出现两次。
• 超纲校验：对照本次考试范围清单逐题检查知识点是否越界。

三道校验做完，AI 组卷的可用率通常能从「一半要改」提升到「个别题微调」。表格处理的具体做法可参考 办公自动化实战。

四、作业批改与错因归类

批改要拆开看：判对错与写评语是两种任务。判对错适合自动化，写评语只适合辅助。

客观题可以直接把答题卡导出的 Excel 交给智能体：按答案表判分、统计得分率、按知识点汇总错题人数。主观题则让它做三件不涉及打分的事：提取答案要点、与评分要点做匹配、标注缺失点。最终分数仍由老师给。

错因标签建议一开始只设 6 个以内：概念不清、审题偏差、计算失误、单位遗漏、表述不全、时间不足。标签稳定的好处是连续三次作业后，智能体能直接指出「这个班在函数定义域上反复失分」。

五、学情报告与家长沟通

学情报告的价值在于纵向对比，而不是罗列分数。让智能体固定读取三个来源：本次成绩表、上次成绩表、作业错因统计，输出一页纸报告，结构固定为：整体位次变化、知识点掌握度、三次作业趋势、两条具体建议。

家长沟通最需要分寸。可用的做法是让智能体生成话术草稿而不是直接发送：输入学生的客观事实（成绩、出勤、作业完成率），要求输出「先讲进步、再讲问题、最后给一条家长能做的具体动作」的三段式草稿。老师改两句话再发，效率提升明显，也不会失礼。

涉及情绪状态、家庭变故、同学矛盾的内容，一律不要放进智能体的输入里。这些信息对模型没有帮助，只会增加泄露风险。

六、未成年人数据与内容合规

教育场景的数据几乎全部属于未成年人个人信息，按《个人信息保护法》属于敏感个人信息，处理要求更严：单独同意、最小必要、明确告知用途。这意味着把学生名单与成绩上传到公有云模型，在多数学校与机构里走不通。

• 数据不出内网：使用支持本地大模型与私有化部署的形态，让推理发生在校内服务器或本机，相关能力见 离线本地。
• 只喂必要字段：用学号替代姓名，成绩表只保留本次分析所需的列，用完即删。
• 生成内容要标识：按《人工智能生成合成内容标识办法》，对外发布的 AI 生成图文需显著标识，讲义与通知尤其注意。
• 留痕可追溯：谁在什么时候用哪些数据生成了什么，应能查到记录。

内容侧同样有要求：题目与解析要能指回出处，不能让模型凭印象生成历史事件、实验数据与人物言论。更完整的合规动作清单可参考 企业 AI 合规落地。

七、常见问题