⚠️ 只会用聊天型大模型、最近又怕自己跟不上老师AI工具的人，最容易做错的一步，不是不够努力，而是先学错了方向。你刷到一条老师学AI的消息，本来想划走，又怕漏掉重点；真正会影响下一步判断的，不是聊天框里还能怎么问，而是前面的尺子有没有先立住。教师AI分水岭，不在提问术，在量规结构化。[C002]

量规，就是把评分标准、分档和反馈口径先写成一把尺子。这个尺子没写清，你越急着学提示词，越容易把时间、预算和注意力花错地方。显性的代价是AI会更快吐出一堆像样却不好用的话；更隐性的代价，是你一直围着“怎么问”打转，却没碰到真正影响结果的那一步。

我后来觉得这不是空判断，因为25名老师试完AI后，卡住的位置非常像：AI生成的量规可以当起稿，也能帮人把原本模糊的标准说清一点；但它常常会年级错位，或者跟教学重点对不齐，最后还是要老师自己大改。[C003] 所以25名老师试完AI，最缺的不是再背几句万能提问，而是先把量规写明白。

另一个写作反馈案例，把这个判断钉得更死。CyberScholar把老师自带的量规、材料和范文一起交给模型后，学生拿到的反馈更具体，老师也更省时；但一到自动评分，还是得人工校准。[C004] 这句话最有分量，因为它直接划了边界：量规结构化能帮老师提速，不等于AI已经能替老师判分。

所以我现在看“帮中小学老师建立实用AI能力（Helping K–12 educators build practical AI skills）”这类说法，会先盯一个问题：它到底有没有碰到量规这一步。[C001] 一条更新值不值得看，不看它列了多少功能，先看它会不会改掉你下一步的判断。

如果你经常改作文、写评语、做分层任务，或者你在给老师做AI培训，这条值得直接转给同事：先别急着卷提问术，先把评分标准、分档和反馈口径写成能交给AI的量规。反过来，如果你只想把判分整包丢给AI，这条更像一个刹车提醒。你现在最想先让AI帮你的是评语、作文反馈，还是家长沟通？