如果一个人每天有大致七成的工作时间跟 AI 打交道，还忙着对齐需求，调试前端，手握几百万的算力积分，你大概会以为，这是哪家大厂的程序员。
但实际上，这是一名清华附中化学老师的日常。
平日里，提起 AI 领域大神，大伙脑子里的第一印象，要么是程序员，要么是自媒体。至于老师，似乎天然就跟 “ 传统 ” 二字绑在一起——随身携带的保温杯，批不完的卷子，一成不变的 PPT。
毕竟带学生不光人累啊，心更累，哪还有心思研究别的？
但差评君最近找了两位一线老师聊了聊，才发现事实并非如此。甚至可以说，如今有能力把 AI 用得最溜的，可能恰恰就是老师。
>/ 不做 PPT，改做游戏了？
常昊男是一名来自清华附中的化学老师，2015 年毕业后就进了附中，中间一度离职又回归。之前，他的备课手段还是手搓 PPT，但现在，他已经改用 AI 做游戏来上课了。
常老师说，他的初衷是为了活跃课堂，游戏很能抓住学生的注意力。而且，他实在不想做 PPT 了，“ 做出来很丑陋，也很麻烦。”
很多人其实不知道备课有多磨人。大伙应该都听过 “ 纯碱不是碱，干冰不是冰 ”，这是高一化学最让人头疼的物质分类知识点。
教这部分时，老师最大的痛点，就是很难判断学生是不是真懂了。如果只在讲台上放 PPT，讲得口干舌燥，学生只会听着听着就走神，作业交上来答案都对，考试错误率却非常高。
所以，有什么办法能让学生在课堂上实时反馈，同时理解得更深入呢？
常老师想到了 AI 。于是他开始使用豆包工作，把这些知识点做成游戏。
很多人以为用 AI 做课件，不是谁都行吗？但询问常老师才发现，当写代码的门槛消失之后，真正决定东西好不好用的，其实是老师最原始的备课功底。
游戏里的关卡可不是 AI 随便想的，而是常老师根据自己攒下的教学经验，把学生常犯的错总结出来，再拆成有趣的题目。
常老师说，“ 因为老师本身有丰富的教学经验，知道什么是对学生合适的。” 至于 AI 做的事，只是顺着他的思路出题，顺便把界面做好看些。
配合老师的经验和清晰的指令，做这么一款游戏并不费工夫。运气好一次就能成，哪怕来回改两三次，十来分钟也能搞定。他估算了下，时间成本只有以前做 PPT 的十分之一。
常老师通常会先试玩一遍，排查一下科学性硬伤，体验一下游戏交互和题目区分度。
到了课上，他就会打开游戏的 PK 对战模式，投到大屏幕上，喊两个学生上台 PK，气氛相当热烈，台下每个学生都仰着脖子积极参与。
站过讲台的才知道，能让全班抬头有多难。
不过说起来，常老师跟 AI 的缘分，比一般老师要深一些。
在附中教满六年书后，他曾一度离开学校，因为在他看来，授课总是一轮又一轮的重复，于是他产生怀疑：这么多重复性工作，真的有必要靠人类一直做吗？
正好赶上字节跳动招人，他就跳槽过去做了四年 AI 教育产品。
直到去年，附中校长找到他，说学校需要一个人来负责 AI 落地，而当时，另一家大厂也在接触他并发来 offer。最后，他还是选择回到了清华附中。
现在，他一周只有六节课，剩下的时间，几乎都在带着全校老师研究 AI 。
据他所说，现在各个学校其实非常关注 AI 发展，但主要是缺一个懂 AI 的，又待在教育一线的人。“ 因为你如果不在一线的话，就会跟教育脱节，没办法更好地把 AI 教育落实下去。”
而且聊下来我们发现，大伙苦学的提示词工程，其实恰恰是老师们练了一辈子的老本行。
常老师跟我们说，“ 因为老师们整天都在给学生提要求，批作业，不行就打回去重做。别人苦学的提示词工程，老师们其实早就炉火纯青，只是自己不知道。所以老师这行，天生就是提示词工程师。”
不过折腾一圈下来，常老师发现学生对 AI 其实挺包容的，只要东西有用。真让人嫌弃的，往往是花里胡哨却学不到东西的内容。
在常老师看来，豆包工作的能力确实够强；但他也坦言，“ 做出来的东西好不好用、学生感不感兴趣，最终还取决于教师个人的教学功底、授课能力和设计巧思。”
于是在常老师的带领下，AI 的风在清华附中刮了起来。
26 级高一年级组长曾建川老师，用 AI 做了个收作业的小程序，作业侧面贴个二维码，手机一扫，谁交谁没交一清二楚。
还有位带化学竞赛的姜兴来老师，自己搭了一棵 “ 游戏树 ”，上面挂了八九个学科竞赛小游戏，一天就能用掉学校三千多积分，全校教职工使用飞书的热情空前高涨。学校最先买的 200 万积分，不到两个月被老师们用得精光，后来又补了 600 万，搞得常老师经常看着后台发愁：“ 我感觉撑不到这一年的飞书周期结束了。”
眼下，常老师还盘算着一个更大的计划，把高中三年适合互动的知识点全做出来，攒成一棵完整的 “ 化学游戏树 ”，全校很多老师都在自发跟进。
“ 高考之前，你把这棵树上的化学游戏全部玩完，基本就能考个 80 分。” 这是常老师的目标，也是很多老师的目标。
>/ 把正负号，拆成具体的人
常老师毕竟在字节干过，玩 AI 确实比一般老师顺手些。
所以我们还找了一位老师，他完全没碰过代码，却在三个月里，单枪匹马搭出了一套迭代了 320 版的系统。
周斌是华图教育湖北襄阳分校的一名辅导员，大学读的是教育专业，从没接触过开发工作。
和周老师连线那天是十月底的周五，国考报名刚结束，笔试在即，他手头带着四五十号人的笔试班，正是一年里最紧绷的时候。他难得在家休了天假，但还是抽空给我们共享屏幕，从头演示了一遍他的工作。
周老师告诉我们，这套庞大的系统，最初只是为了省点填表的工夫。
公考备考战线很长，为了给学员打鸡血，班里搞了个打卡攒分换小礼品的活动，学员按时出勤、交作业就能得积分。
大伙打卡容易，辅导员可就遭殃了。这些积分都要靠他们在企业微信里手填，他一人带四五十人，每天光填表就要头晕眼花了。
周老师最初的想法，是让 AI 帮他搞个算分系统。第一版，他用豆包工作搓了个线上工作台，他只需把考勤表导进去，积分按规则自动加减，弄完一键导出成图片，就可以直接往班群里公示了。
结果他做完一看，这玩意好啊，不会代码也能搭成这样，干脆接着做吧。
其实周老师有一个困扰很久的痛点，辅导员在工作时，学生的数据一直散落在系统各个地方，收集起来非常麻烦。
以前想知道一个学生最近状态咋样，得在出勤、刷题等好几个表格之间来回横跳。比如说，学生模考掉分，老师会去查出勤率如何，再去学情系统看刷题量如何，才能判断他是不是最近松懈了。
现在配合豆包工作，各种零散的数据也可以整合进系统了。
刷题数据可以导进来，考试成绩可以导进来，再到后面的学员档案、督学助手、岗位匹配，一个个往上迭代。从 8 月 3 号开始到 10 月 30 号，版本号已经跳到了 V320，平均一天三个多版本。
周老师说，之前每天收集数据，做个成绩分析，可能就得花一个多小时，想细化到某个人身上，花的时间就更长了。日常模考考完，会有个成绩表，辅导员和家长能看见的只有分数和正负号，表示分数涨了还是跌了，除此没有任何分析。
现在，系统可以自动汇总分析，一天能帮他省下两三个小时，甚至能细化到每个学生身上。
在周老师与豆包工作的努力下，每个学员都有一份专属的学情报告。哪块是短板、冲刺先补哪儿，写得明明白白，甚至还能细到具体题目，比如概括归纳怎么做，综合分析怎么答，全都能结合个人情况拆生成报告。
周老师说，这东西对迷茫的学员可太管用了。以前经常有人来问他：“ 我错的东西太多了，要完全放弃数量关系题，去保其他分数吗？” 以前辅导员要分析这些，得花大量时间了解学生，现在接入 AI 以后，精力也就可以拿来做更多事了。
报名前夕，他还顺手接了个选岗功能，用学员填的资料，去对官方的国考职位库，随手点开一位学员，就能筛出 20 个能报的岗位导出对比。
有意思的是，周老师对 AI 的态度，跟常老师几乎一模一样，那就是用归用，但绝不把方向盘交给 AI 。
三百多个版本里，有很多改进意见来自同事，但他绝不直接丢给 AI ，而是自己先把想法捋顺，再统一交给豆包工作，不然只怕 AI 会把事情搞乱。在他看来，AI 终究只是个打下手的工具，往哪走还得人说了算。
至于辅导员平时怎么跟学生谈心，就更是 AI 干不来的活儿了。
他说，AI 确实能写出挺周全的话术，但是直接把这些文字冰冷地发给学生的话，其实很多学生也不一定能够接受。
一个刚考砸了的学生，要是收到老师转发过来的一段 AI 建议，多半只会觉得心里凉凉。只有辅导员看完了分析、心里有了数，再把人叫过来畅聊一会儿，学生才听得进去。
和周老师连线的最后，他那头的电话突然响了，难得在家休假一天的他，又匆匆接起了电话。
>/ 结尾
聊完这两位老师，我们就能回答开头那个问题了：为什么老师们能把 AI 玩得这么溜？
除了教学经验足，表达能力强，更重要的原因是，没人比他们更懂日复一日的机械劳动了。
老师们每天都在讲差不多的错题、做差不多的 PPT、填差不多的考勤表，常昊男老师甚至因为这种重复，直接辞职跳槽。
以前教学工具只能等别人做，做出来也可能总差一点，因为外行终归摸不准教学的门道。
就像常老师说的，如果不是懂这门课的一线老师，就算把东西做出来了，“ 你没有办法去优化它，因为你不知道它好在哪、不好在哪。”
现在不用自己写代码了，最懂痛点的老师亲自下场，做出来的东西才一抓一个准。
当这些最磨人的工作被 AI 接管后，老师们才终于有时间，把精力花回真正的教学上。
AI 能帮老师在半小时里做好游戏界面，但设计关卡的思路，还得靠教学经验；AI 能帮老师分析学生掉分的原因，但和学生面对面谈心，还得靠辅导员自己。
说到底，把省下来的时间，花在那些没有标准答案的学生身上，才是 AI 永远完不成的课题，就像周老师在连线最后说的那样：“ 教育最终肯定还是得回归到人的本身。”
