现在的大模型已经能做不少事

　　解数学题、改作文

　　或是迅速为一个复杂知识点

　　整理出看起来完整的答案

　　但进了学校

　　一个更难的问题出现了

　　会回答问题的AI，就一定会教学生吗？

　　对站在课堂里的老师来说，知道答案只是教学的一小部分。五年级学生提问，解释到什么程度才合适？一道题做错了，是直接告诉他答案，还是先问“你做到哪一步了”？跨学科的知识点看似相关，这个年龄的孩子却未必学过。

　　所以，即使AI生成了一套完整的教学方案，老师看完也可能说：“这个不能这么教。”这些判断，很难单靠模型参数得出。

　　在海淀一些学校，老师们已经开始“教”AI怎么教学生。他们使用的，是海淀区正在推进的“智启”人工智能+教育公共服务平台。

　　“智启”不是面向大众的通用聊天工具。它依托海淀教研体系、教师进修资源和真实学校场景，服务于教师教学、学生学习和学校管理。它融合了大模型能力，也在进入课堂后，持续接受教研员、一线教师和学生的反馈与校准。

　　AI跨学科，应该怎么跨？

　　中国人民大学附属小学和智启共同开发的“AI跨学科教学设计智能体”，已经迭代到3.0。回头看它的升级过程，不少变化都来自老师在使用中提出的问题。

　　最初的1.0版本可以根据课程标准生成跨学科教学设计，也很擅长联想：一篇语文课文，能连接到数学、科学、历史等多个学科。但老师拿到课堂上，就要逐一追问：这些知识是这个年级学过的吗？关联是课程需要，还是仅仅看起来相关？同时加入三个学科的内容，会不会只是把知识拼在一起？

　　人大附小副校长李会然和老师们的判断很明确：跨学科不是“跨得越多越好”，必须回答“跨什么、为什么跨”。

　　为此，2.0版本加入了教材资源。AI除了依据课程标准，还要知道知识出现在哪个年级、哪一册教材。

　　3.0版本又增加了知识图谱：先由AI从教材中提取知识关系，再由各学科教师逐条校对、校准。两个知识点是否真的有关、关系有多强、这个学段能不能教、教材和课标有没有依据，都要由老师核对，之后才能进入正式的教学设计。

　　从1.0到3.0，推动每次升级的并非模型能力不足，而是一线教师对教学方式提出了具体意见：“这样教，不行。”

　　通用AI往往着重给出完整答案，教育AI还要接受老师的另一层判断：答案是否适合眼前的孩子、这堂课和这个年龄段。

　　AI能给答案

　　老师却教它“别着急给答案”

　　海淀进修实验学校的王玲曾经碰到另一个问题：AI进入课堂后，有些课看起来很热闹。导入、提问、辩论、总结，各个环节都有AI，一堂40分钟的课排得满满当当，真正要讲清楚的重点和难点却被挤到了一边。

　　所以王玲反复强调：“先找问题，再找AI。”能用一分钟讲明白的事情，就没必要花五分钟，只为让学生用上AI。

　　这所学校后来总结出“师—生—AI”三元协同模型：老师是学习设计师，学生是主动建构者，AI是学伴和赋能伙伴。三者的配合都要围绕课程展开。

　　老师首先得判断，为什么要在这个环节使用AI，它让学生多思考了一步，还是少思考了一步；哪些事情可以交给AI，哪些必须由学生自己完成。

　　例如数学课上的“易拉罐优化设计”，复杂的表面积计算可以交给AI，学生则把时间花在讨论模型是否合理、为什么这样设计，以及有没有更好的方案上。

　　普通大模型面对提问，通常会尽快给出完整答案。教学有时却需要AI先问一句、再提示一步，甚至暂时不给答案。对教育AI来说，学会在什么时候停下来并不容易。

　　人大附小也提出过类似的要求：小学阶段，要保留原有的师生教学关系，AI承担辅助和引导的角色，不能替孩子直接解决问题。学生学一道题，不只是为了做对这一题，还要学会在以后遇到问题时自己思考。

　　人大附小跨学科语文课《我是星球推介官》

　　把老师的“教学经验”

　　做进智能体

　　人大附小的老师在校准跨学科的知识关系，海淀进修实验学校在摸索AI如何参与课堂。北京市第五十七中学则让老师自己动手，把教学需求做成智能体。

　　2026年4月，学校103位教师参加智能体创作培训，提出64个学科智能体创意。随后，学校举办了15次智能体工作坊，最终上线30个学科专属智能体。

　　这些智能体要解决的问题各不相同。英语教师朱杭发现，同一篇阅读材料，对不同学生来说难度差别很大。她做的智能体会围绕同一主题，生成A、B、C三个难度层级的材料，分别调整词汇难度、句子长度和从句使用，而非简单缩短文章。

　　数学教师曹曦关注的是几何题的不同解法。学生往往想不到还有别的思路，他就把题交给智启，让它给出三四种解题思路，再由老师分类、判断，决定如何讲给学生。他的另一类智能体则把抽象数学问题转化为航天、交通等真实背景，帮助学生更直观地理解模型。

　　语文教师刘艳刚带完初三，需要分析全年级学生的中考小分。过去，老师可能要手动整理一两个小时，后来她把整套统计需求做进了智能体。

　　不同学科的老师从各自的问题出发，做出了用途不同的AI，也把自己的教学方法带了进去。朱杭说，智能体可以“按照老师的思想，或者按照教学的标准，让学生去发散思维”。

　　过去，一位老师十几年、二十几年积累的教学经验，主要留在课堂、教案和个人习惯里，离开了这位老师，往往很难完整复制。有了智能体，老师反复使用的方法、教研组长期形成的判断，以及学校总结的教学路径，可能第一次有机会被结构化地保存下来。

　　交大附中分校老师辅导学生正确地使用AI工具

　　AI缺的不是知识，是“怎么教”

　　大模型已经掌握了大量知识，未来还会知道更多。教育AI之间的差别，可能会越来越多地体现在它是否知道该怎么教。

　　海淀长期积累的，除了优质学校和优秀学生，还有支撑日常教学的教研体系、教师培养机制、名师经验、教材研究、课程设计和题库资源，以及一代代老师在课堂里形成的教学判断。

　　人大附小的老师帮助AI判断什么是真正的跨学科，海淀进修实验学校的老师引导它把握参与课堂的时机，第五十七中学的老师则把学科经验、教学方法和实际需求做进智能体。

　　这些看似零散的反馈，如果不断被沉淀下来，最终形成的可能不只是一个更好用的AI工具。

　　它还可能形成一种更特别的东西：

　　海淀的教育经验，第一次开始以数字化的方式被保存、调用和继续迭代。

　　这也是为什么，“智启”更适合被理解为一套海淀教育体系里的AI能力，而不是一个单独的大模型产品。

　　所以，智启正在学习的，也许不只是语文、数学、英语。

　　它还在学习：

　　海淀的老师，是怎么教学生的。

　　海淀过去培养了一代又一代老师。

　　现在，它也开始尝试——

　　培养自己的教育AI。

　　来源：海淀教育微信公众号