Yogu Docs

ai / teaching-assistant

AI 教学助手

将 AI 用于大纲、题库与讲解稿的场景化流程、提示工程模板、质量评审与用量治理。

AI 在本产品中更适合定位为 教研「初稿机」与「头脑风暴同伴」,而不是最终教学权威。把场景、提示、评审与发布拆成清晰流程,才能在提高效率的同时控制错漏与合规风险。

适用场景与边界

适合交给 AI 优先起草的内容

场景典型产出人审重点
新课程大纲章/节标题、学时配比、难点提示与课标/大纲对齐;删冗余
随堂提问开放式引导问题避免泄露标准答案导向
题库扩建同知识点变式题难度曲线、迷惑项合理性
讲解口播稿讲师手卡要点口误敏感词、机构口径
多语言摘要简介与学习目标译文专有名词一致性

不适合单独依赖 AI 的决定

  • 涉及 成绩、证书、结业 的最终规则文案。
  • 医疗、法律、金融等 强监管领域的事实陈述(必须有权威出处)。
  • 任何包含 个人隐私或可识别信息 的提示与回传内容。

不要把学员作业的 完整原文、身份证号、手机号等敏感信息粘贴进公有模型会话。若企业版提供脱敏或私有部署,也应在内部 DLP 策略下使用。

编写 AI 大纲与出题需求

结构化提示模板(可直接复制改写)

【受众】(年级/岗位/基础)
【总时长】(如 8 课时,每课 45 分钟)
【目标】(学完后能独立完成的 3 件事,动词开头)
【约束】(必须含/禁止含的知识点;题量;难度 30/50/20)
【风格】(严谨/故事化/案例驱动)
【评测方式】(小测题量、是否有实操)
【参考资料】(可选:教材章节、内部讲义要点,避免整本粘贴)

分轮对话策略

  1. 第一轮:只要骨架(目录 + 每节 3 条学习结果)。
  2. 第二轮:指定某一节展开「教学活动 + 评估」。
  3. 第三轮:针对薄弱节补「例题 + 变式题」,而非重新生成全书。

若输出过长导致模型「忘记」前文约束,在新消息里 重复关键约束(受众、难度、题量)比单纯说「继续」更有效。

出题专项:让题目「像老师出的」

好题干的要求

  • 情境具体:有角色、目标、约束,而不是抽象定义复述。
  • 干扰项可信:错误选项应对应典型误解,而非随机词。
  • 答案无争议:在多选/判断场景明确评分规则。

难度控制表(教研自建)

难度认知层次题干长度干扰项策略
记忆/再认1 个明显错
理解/应用2 个相近错
分析/综合混淆项来自经典误区

生成后的「机器题」人工批改清单

  • 正确答案在学科上成立(交叉验证教材或权威资料)。
  • 解析无事实错误;多解情况已说明采分规则。
  • 数学/代码类题目在草稿纸或 IDE 中 重算一遍
  • 若含图片/表格占位,全部替换为正式素材。

审核与发布流程(推荐 RACI)

活动负责人协作知情
提示与生成讲师/教研IT(工具权限)教务
学科事实审学科带头人同行双审(难点题)教研主任
合规与品牌审法务/品宣(按需)教研管理层
入库与发布内容管理员教务(开放时间)班主任

发布后保留 版本号或变更摘要,便于家长/监管问询时追溯。

用量、成本与治理

组织侧需要监控的指标

  • 调用次数 / 令牌量:按团队、项目或课程分摊。
  • 高峰时段:避免在大课前 1 小时集中批量生成导致限流。
  • 失败率与重试:异常重试前检查是否因提示过长触发截断。

权限与配额

  • 普通讲师:每日上限 + 需主管审批超额。
  • 集成自动化(脚本):独立密钥 + IP 白名单;单独配额池。

若需 提高限额、私有模型、VPC 接入,通过商务或工单走企业流程。

延伸阅读