要避免 AI 生成通用教案，不是把更多资料一股脑粘进去，而是把与本节课有关的课程依据、教材边界、学生学习证据和课堂约束分开说明，并明确哪些内容已经确认、哪些尚待补充、哪些不能让 AI 猜。先让 AI 复述和检查这些输入，再要求它设计活动，生成结果才更接近真实课堂。
只输入“八年级物理，声音的特性，45 分钟，请写教案”时，AI 不知道所用教材版本、这节课在单元中的位置、学生已经学过什么、老师能使用什么材料，也不知道本班最近暴露了哪些理解问题。为了补齐空白，它只能调用常见的教案结构，于是导入、讲授、讨论、练习看上去都齐全，却很可能适用于任何班级。
第一次使用 AI 备课的老师，可先看《中小学老师第一次用 AI 备课，应该从哪一步开始？》。这篇文章进一步处理一个更具体的问题：已经决定使用 AI 后，怎样把老师掌握的课堂信息转化为它能正确使用、而不能随意扩写的输入。
先把“课题”改成一份有边界的输入包
一份可用的输入包不需要很长，但需要让来源、边界和不确定性清楚可见。可以将信息分成五类：
| 输入类别 | 应当提供什么 | AI 不应自行补出的内容 |
|---|---|---|
| 课程依据 | 当前适用的课程标准或教研要求中的相关原文、版本、条目位置；教师确认的本课要求 | 不在输入中的课程条文、学段要求或政策表述 |
| 教材边界 | 学科、年级、教材版本、单元与课题位置、本课时涉及的页面或材料、已学与暂不涉及的内容 | “通常会学到”的后续知识、其他版本教材的例题和材料 |
| 学习证据 | 已脱敏的作答特征、课堂观察、前测或离堂卡中出现的具体表现 | 学生的性格、动机、能力标签，以及没有证据支持的困难原因 |
| 课堂约束 | 实际课时、班级组织、设备、材料、作业要求、必须保留或不能使用的内容 | 未经说明的实验条件、设备、展示方式和额外课时 |
| 待补充项 | 教师尚未确认、需要 AI 提问或只能先保留的事项 | 把未知信息写成确定事实 |
其中最重要的不是资料数量，而是输入者知道每条信息来自哪里。例如，“学生基础一般”对 AI 几乎没有帮助；“上次离堂卡中，部分学生能说出概念名称，但在给出新情境时不能用观察依据解释”才是可以转化为任务的证据。
课程与教材的边界需要先由教师确认。教育部关于印发义务教育课程方案和课程标准（2022年版）的通知是义务教育阶段课程实施的重要依据。教育部对课程标准修订的介绍提出，要明确“为什么教、教什么、教到什么程度”，并加强教学与评价的一致性。对 AI 而言，课程要求应是老师提供的已确认边界，而不是让它凭题目名称自行查找或编写。
第一步：课标输入给“相关片段”，不让 AI 代替确定范围
把整份课程标准直接交给 AI，未必会得到更准确的结果。文件过长时，模型可能抓住与当前课时无关的宽泛表述；只给一句口头概括，又可能让它把教师的理解误当成原文要求。
更实用的做法是，提供与本节课直接有关的片段或教师已经确认的摘录，同时标明：版本、原文或摘要的来源位置、与本课有关的关键词，以及本节暂不承担的要求。若学校有经过教研组确认的单元目标，也可以一并提供，但要区分它与课程标准原文。
要求 AI 处理课程信息时，先输出三列：
| AI 的输出列 | 应写什么 |
|---|---|
| 已提供的来源事实 | 只复述输入中的原文、位置和教师确认事项，不补写条文 |
| 依据来源作出的设计推断 | 例如可转化为哪一种学生表现，必须明确这是推断 |
| 待教师确认 | 输入中没有出现、不能从片段直接推出的内容 |
这样做的好处是，教师能很快看出 AI 是否把“课程要求”与“建议的教学活动”混在了一起。它可以协助把课程语言改写成课堂可观察的目标，但不能替教师决定本节课到底承担课程标准中的哪一部分。
第二步：给教材写“位置和边界”，不只写知识点名称
同一个知识点在不同教材版本、单元位置和课时进度中，承担的功能可能不同。即使教材版本相同，第一课时的目标也不应直接套用到复习课、习题课或单元整合课。
教材输入至少应说明：
- 当前教材版本、年级、单元和课题。
- 本节使用哪些段落、图表、例题、实验或任务材料。
- 学生已经完成了什么，哪些内容将在后续课时处理。
- 教师认为本节最容易产生误解的词语、关系或步骤。
- 是否允许 AI 改写材料，哪些原文、图片、数据或例题不能改动。
如果只写“讲声音的特性”，AI 可能安排“声音产生的原因”“声音传播”或“噪声治理”等相邻内容，因为这些在常见知识网络中相关。若本节只准备处理声音的高低、强弱与特定观察材料，就要明确写出“本节不展开的相邻内容”。边界写得清楚，不会限制 AI 的帮助，反而会减少后续删改。
第三步：把“学生情况”换成可观察的学习证据
“学生基础差”“班级活跃”“有些学生跟不上”都是真实感受，但对生成教学设计而言太宽。它们也容易让 AI 产生固定、缺少证据的学生画像。
更可操作的学情输入，应描述学生在具体任务中做了什么、没有做到什么，以及这项信息来自哪里：
| 宽泛描述 | 可输入的学习证据 | AI 可以协助什么 | 教师仍需判断什么 |
|---|---|---|---|
| 学生基础差 | 前测中多数学生能复述定义，但不能在新材料中指出判断依据 | 生成一项“识别依据”的诊断任务和支架 | 这是否源于概念不清、材料阅读困难或题目表述问题 |
| 学生不爱发言 | 小组记录显示讨论后只有少数人留下个人结论 | 设计先个人作答、再比较的任务流程 | 沉默的原因、哪些学生需要怎样的支持 |
| 容易混淆两个概念 | 离堂卡中反复出现把 A 的条件写成 B 的条件 | 生成对比例子、错误诊断题和追问 | 误解来自哪一段教学经历，何时介入最合适 |
输入作答信息时，只保留完成任务所需的特征。学生姓名、学号、联系方式、完整成绩单、可识别身份的作业照片和不必要的个人经历不应直接交给 AI。需要分析作业时，可以先去除身份信息，将内容整理为“作答步骤、错误类型、出现频率、已尝试的反馈方式”。关于 AI 使用中的输入边界和教师判断，可进一步阅读《一节课里哪些环节适合交给 AI，哪些必须由老师完成？》。
第四步：把课堂约束和“不能做什么”写在同一张卡上
通用教案还常常忽略现实条件：AI 可能安排全班在线投票、四组轮流展示、视频导入和实验探究，却不知道教室网络不稳定、可用材料有限，或本节只有 40 分钟。
把约束作为输入的一部分，而不是生成后再提醒 AI 删除。至少写清：
- 实际课时和需要预留的组织时间；
- 班级人数、座位、分组和展示条件；
- 可用与不可用的设备、材料和平台；
- 必须保留的教材任务、作业要求或学校安排；
- 明确禁止的做法，例如不使用外部视频、不新增超纲概念、不要求学生上传个人资料。
约束不只是“限制”。它也能帮助 AI 提供替代方案。例如，输入“无网络、只有投影和纸卡”，比输入“普通教室”更容易得到可以落地的诊断、讨论和反馈安排。如何把这些约束纳入 45 分钟的目标、活动和评价闭环，可结合《怎样用 AI 做一份 45 分钟教案？目标、活动、评价缺一不可》使用。
第五步：先让 AI 确认输入，再让它写教案
一次性请求“生成完整教案”时，教师往往直到读完长文才发现 AI 误解了课时范围，或者把待确认的学情写成既定事实。更高效的顺序是分两轮：第一轮只做信息确认，第二轮才做教学设计。
第一轮让 AI 输出一张“输入确认表”：
| 项目 | 应由 AI 输出的内容 |
|---|---|
| 已确认事实 | 按课程依据、教材边界、学习证据和课堂约束分类复述，并标记来源 |
| 本节暂不涉及 | 明确列出不能扩展的内容与活动 |
| 待教师补充 | 缺失但会影响设计的关键信息；最多提出 3 个问题 |
| 不可假设 | 不能从输入推得的学生特点、设备、课程要求、数据或材料来源 |
| 可能的设计风险 | 例如目标过多、时间不足、学习证据不够，不能据此虚构解决方案 |
教师确认或修改这张表后，第二轮再让 AI 输出“目标—学习证据—学生任务—教师观察点—时间—备用方案”的教案骨架。这样即使 AI 的第一轮理解有偏差，也只需要改一张短表，而不是重写一整份教案。
一个虚构示例：把“声音的特性”变成可用输入
下面是一个虚构示例，用于说明输入整理方法，不代表真实班级、教材版本、课程标准原文或特定工具的生成结果。
假设一位八年级物理老师准备一节关于“声音的特性”的 45 分钟课。起初她只输入了课题，得到的教案同时安排了声音传播、噪声防治、乐器展示和小组实验，内容丰富却超过课时，也没有回应学生此前的困惑。
她把输入改成一张短卡：课程依据部分只附上本节已确认的要求摘要，并写明“教师将在本课聚焦给定观察材料中的声音差异，不处理相邻课时的传播问题”；教材部分写清本节使用的图表和两个观察材料；学习证据部分写“最近的离堂卡显示，部分学生会把声音高低与强弱混为一谈，已有作答中能描述现象，但缺少判断依据”；课堂约束部分写“45 分钟、普通教室、可播放两段已确认音频、无实验器材、不使用外部视频”。
第一轮中，她要求 AI 先生成输入确认表。AI 将“学生能描述现象”列为已知，将“学生为什么混淆”列为不可假设，并提出是否需要学生比较两段音频的具体任务。老师补充后，才让它生成教案骨架：共同诊断、基于两段材料的个人判断、比较理由、针对性点拨和新的离堂任务。
这次生成的价值不在于 AI 知道了更多“声音”知识，而在于它不再能擅自扩展内容，并且每个活动都需要回应一项已提供的学习证据。学科教师仍应复核教材表述、材料的科学准确性、音频授权和课堂任务的难度。
两段可复用的输入提示词
第一段只用于确认输入，不生成教案：
请阅读下面的备课输入包。暂不生成教案、课件、练习或活动。不要补写课程标准、教材内容、学生数据、设备条件、材料来源或答案。 请按表格输出：1. 已确认事实，并标明来自“课程依据、教材边界、学习证据、课堂约束”中的哪一类；2. 本节暂不涉及的内容；3. 不可假设的事项；4. 最多 3 个会实质影响教学设计的待补充问题；5. 可能的设计风险。将“输入原文”“你的设计推断”“待教师确认”严格分开。 课程依据：[粘贴已确认的相关片段或要求摘要，并注明版本与位置] 教材边界：[学科、年级、教材版本、单元、课题、本课时材料、已学内容、暂不涉及内容] 学习证据：[只填去身份化的作答特征、观察或前测结果；没有则写暂无] 课堂约束：[时长、人数、材料、设备、组织方式、必须保留与禁止事项]
教师确认后，再使用第二段生成骨架：
请仅依据下方已确认的输入确认表，设计一份本课时的教学骨架。不要添加未确认的课程要求、教材内容、学生结论或设备条件。输出：1. 不超过两个的可观察学习目标；2. 每个目标对应的个人学习证据；3. 环节表，字段为时间、学生动作、任务产物、教师观察点、反馈或调整动作；4. 明确哪些内容仍须学科教师核验；5. 时间不足时的删减顺序。若信息不足以生成某一部分，写“待教师补充”，不要猜测。
提示词能够约束 AI 的表达，不会自动保证课程理解、题目答案和材料事实正确。生成后仍要回到教材、原始材料和已确认课程要求逐项核验；具体方法可参考《AI 教师助手答错时，老师怎样快速核验内容？》。
在 DreamSchool 中怎样使用输入包？
在 DreamSchool 中，可以先将输入包按“课程依据—教材边界—学习证据—课堂约束—待补充项”整理后再发起生成。第一轮只要求系统输出确认表，教师修正后才进入教案、课件或练习的生成。这样能避免未经确认的一个目标或学情判断，同时扩散到多份材料中。
如果后续需要为同一课题生成不同支持程度的练习，应从确认后的共同目标和学习证据出发，再设计基础、提高、拓展任务，而不是让 AI 根据笼统的“学生水平”自行分组。相关方法见《同一课题如何用 AI 设计基础、提高、拓展三层任务？》。
生成前的十三项检查
- 课程依据是否标明当前适用版本、来源和与本节相关的位置？
- 是否区分了课程标准原文、学校或教研组要求、教师自己的理解？
- 教材输入是否写清单元位置、本课时材料、已学内容和暂不涉及内容？
- 学情是否来自具体作答、课堂观察或前测，而非笼统标签？
- 输入中是否删除了姓名、学号、联系方式、可识别作业照片等不必要信息？
- 是否写清实际课时、材料、设备、组织条件和禁止事项？
- 每项输入是否能说明来源，或明确标为“待补充”？
- 是否先让 AI 输出输入确认表，而不是直接生成完整教案？
- AI 是否把来源事实、设计推断和待教师确认严格分开？
- 待补充问题是否控制在真正影响设计的少数关键项？
- 教案的目标、任务和评价是否只依据已确认输入生成？
- AI 补充的知识、题目、答案、引语、图片或数据是否已回到原始材料核验？
- 任课教师是否能解释每项输入为什么进入本节设计，以及哪些信息没有使用？
AI 不能认识一个具体班级，除非教师把可用的课堂证据和边界交给它；即使提供了这些信息，它也只能整理和提出建议。把输入做成可追溯、可确认的短包，再把生成拆成“确认—设计—核验”三步，才能减少通用教案，保留教师自己的教学判断。