办公室里，一群老师围着 AI 改提示词，像一群人围着电饭锅研究嗓门：以为吼得更讲究，饭就更香。我的判断很直白：教师AI分水岭，不在提问术，在量规结构化。 提问术只是递话筒，量规才是谱子；没有谱子，再贵的钢琴也只会响，不会成曲。
这恰好是今天最流行、也最偷懒的一种误解。人人都在教老师“怎么问 AI”，仿佛教育现场的难题，是嘴不够巧，句子不够花。其实不是。学校里最稀缺的，从来不是漂亮问题，而是稳定标准；不是一句神奇提示词，而是一套能落地、能复用、能传给同事、还能让学生看懂的判断框架。
反常识的地方就在这里：提问术解决的是一次输出，量规结构化解决的是一类工作。 前者像临场发挥，后者像修路。会提问的老师，可能今天惊艳一次；会立规的老师，才能把 AI 变成教学系统的一部分。教育不是开盲盒，教育是办工厂。工厂不是靠工人一时手巧，而是靠尺子、模具、工序。
很多人把 AI 想成“更聪明的搜索框”，所以着迷于提问；我更愿意把它看成“力气很大、脾气很软的实习生”。你对实习生说“你认真一点”，这不叫管理；你给他一张检查表，写清楚什么叫合格、什么叫优秀、什么叫跑题、什么叫证据不足，这才叫管理。教师用 AI 也是一样。真正有用的，不是把话说得像咒语，而是把标准拆得像零件。
有一天晚上九点半，五年级语文张老师还在办公室改作文。她把一篇《我最难忘的一天》扔给 AI，说“请像资深小学语文老师一样点评，温和、具体、有启发”。AI 回得不差，语气体面，像一个很会说话的教研员：鼓励有了，建议也有了。但第二篇、第三篇一来，问题就露了馅。一个孩子通篇流水账，AI 说“情感真挚”；另一个孩子细节很好但结构松散，AI 还是那套“可以进一步提升表达”。字很多，区分度很少。因为张老师给的是愿望，不是尺子。后来她换了做法：内容、结构、细节、语言、真情实感，各 5 分；每档对应什么表现，写成简明量规。AI 立刻像换了脑子。它不再泛泛鼓励，而是能指出“事件推进完整，但关键动作缺少可视化细节，所以细节项 3 分，不是 5 分”。这时 AI 才不是会聊天，而是会干活。
再看初二数学李老师。她最早也迷过“万能提示词”：请生成分层练习题、请讲得更有趣、请像竞赛教练一样分析错因。结果每次都像摸奖。有时太简单，有时太飘，有时明明要练一次函数，却拐进阅读理解。后来她做了一件极笨、也极聪明的事：把班里 42 份错题按错误类型拆开，分成“审题漏条件”“移项出错”“图像与解析式对应不稳”“应用题不会设未知数”四类，再给每类设三档训练目标。此后她让 AI 出题，不再说“来十道适合中等生的题”，而是说：针对“图像与解析式对应不稳”的学生，先给 3 题单变量识别，再给 2 题图像反推，最后 1 题情境迁移；每题标注考点、常错点、讲评话术。神奇吗？一点也不神奇。只是她终于没把 AI 当占卜师，而是当流水线。所谓实用 AI 技能，不是把问题问得玄，而是把任务拆得准。
还有一个场景，更能看出差别。班主任周老师要给家长写期末评语。她最初的想法，是让 AI “写得真诚一点，别套话，体现个体差异”。这话说得像年会致辞，谁都觉得对，谁都没法执行。结果出来的评语，看似温暖，实际像复制粘贴后换了名字。后来她改成四栏：课堂投入、作业习惯、同伴协作、情绪管理；每栏先写观察证据，再写进步点，最后写下一步建议，而且建议必须是两周内可执行的小动作。AI 一下就收敛了。它不再说“继续加油”，而会写“数学订正能当天完成，但语文默写总拖到睡前，建议把默写拆成晚饭后 10 分钟和睡前复盘 5 分钟”。家长最吃这一套，不是因为文字漂亮，而是因为终于像人话，终于能照着做。
这三件事里，藏着同一个事实：老师真正要训练的，不是“如何让 AI 变聪明”，而是“如何把自己的专业判断外化出来”。提问术迷人的地方，在于它看上去轻盈，像一句话就能开门；量规结构化费劲得多，它逼你承认：自己过去很多判断，其实是凭经验、凭手感、凭“我一看就知道”。可一旦要交给 AI，你就得把“我一看就知道”，翻译成“看到什么，算知道；差在哪里，算不行；改到什么程度，算过关”。这一步，才是真正的专业化。
所以我不太相信那些把“提示词大师”捧成新型教师能力的说法。那更像把厨师的本事，误认成“会吆喝后厨”。真正决定一顿饭水平的，不是服务员怎么传菜名，而是后厨有没有配方、火候、克重、出品标准。提示词决定你和 AI 说话顺不顺；量规决定你和 AI 共事行不行。
更锋利一点说，学校里很多“AI 培训”其实教偏了。它们像在教人修辞，不像在教人建制。老师听完很兴奋，学会十种开头，二十种指令，回到办公室还是不会把一次备课、一次批改、一次讲评稳定复制。因为他拿到的是烟花，不是扳手。烟花适合展示，扳手适合干活。教育现场需要的，恰恰不是“哇”，而是“稳”。
这也是为什么，真正能把 AI 用起来的老师，往往不是最会追新词的人，而是最会定标准的人。教龄长一点、带班扎实一点、作业批改狠一点的老师，反而更容易做出好效果。不是因为他们更懂技术，而是因为他们脑子里本来就有一套隐形量规，只是以前没写出来。AI 的到来，不过是逼他们把“内功”翻译成“明规则”。说得难听些，AI 不是来奖励伶牙俐齿的，它是来惩罚标准混乱的。
我愿意把话说得更绝一点：会提问，只能说明你会使用工具；会立规，才说明你在重写自己的专业。 前者像学会开车，后者像会修路。会开车的人很多，能决定路怎么修的人，才真正改变交通。
几句可以直接钉在办公室墙上的话，我先替你写出来：
教师AI分水岭，不在提问术，在量规结构化。
提示词解决一次漂亮，量规解决一类稳定。
没有量规的 AI，像没有模具的压面机，出得来东西，出不来标准。
你让 AI 学会说话，不如先让自己把标准说清。
教育不是向 AI 讨灵感，而是把教师判断铸成流程。
说到底，K–12 教师学 AI，学的不是“怎样像工程师那样发指令”，而是“怎样像教师那样立标准”。这话听着保守，实际上最激进。因为它把技术热闹，一下子拉回到教育本业：你到底认为什么叫好作业、好答案、好表达、好改进；你到底如何让一个经验，变成一套别人也能执行的规则。
一个行业真正成熟，不是人人都会说行话，而是人人知道尺子放哪儿。AI 进校园，也一样。分水岭从来不在嘴上，在尺上；不在问法上，在量规里。谁先把这把尺子立起来，谁才不是被 AI 推着走的人，而是开始驯服这头大牲口的人。
别人聊 AI，我们测 AI——每个结论都能下载原始数据自己复算。 🔗 官网 👉 https://crawdpad.com