我叫蔡园旭，南京市软件谷第二小学的科学教师，同时负责学校信息中心的工作，我喜欢研究新技术、新媒体。大家都叫我“来斯的老蔡”，为什么来斯呢？是因为我总爱琢磨新技术，遇到和技术沾边的事，总愿意先试一步。
借助人工智能和氛围编程，这一年我“手搓”了不少项目：教师备课平台、课堂分组工具、生态观察系统、科普阅读智能体、个人学习工作台……它们形态不同，有直接进入课堂的AI教学工具，有围绕特定学习任务开发的教学智能体，也有服务教师教学环节的AI互动学件等。所谓“手搓”，不是花钱请公司开发，而是根据教学的需求，自己用人工智能来做，并根据使用的情况，不断改进。
其中成效最显著的，是学校已常态化应用的“慧思研”平台，它让多个智能体协同参与日常的集体备课，入选了2025年江苏省数字化创新应用案例，并作为南京市“宁聚AI”案例之一参加了2026年世界数字教育大会成果展。
我想和大家聊聊开发项目的心路历程。
面对技术之“新”，先更新自己
过去接触信息技术，遇到的多是设备连接、资源共享和课堂效率问题，执行的是已经想清楚的指令，问题通常看得见，也找得到边界。
人工智能出现后，情况变了。
第一次把生成式AI带进课堂，我举着一支麦克风，和孩子们讨论恐龙与化石。学生跃跃欲试，却不知道怎样向AI提问，终于有个孩子举手说："帮我生成一个恐龙的样子。"屏幕上很快跳出一只绿色的卡通恐龙，张着大嘴，在森林里奔跑。它和恐龙搭边，却不是我们本课要讨论的形象。另一个孩子问："恐龙是怎么灭绝的？"回答一下子铺满整个屏幕，从白垩纪讲到小行星撞击，从地壳运动讲到气候变迁，中间还夹着"沉积岩""假说"这样的词。孩子们读了几行，摇摇头："老师，我还是没明白。"
教室里安静了几秒，有个孩子小声问："老师，AI说的都对吗？"
我一时答不上来。人工智能给出了非常专业的回答，顺利完成了每一个指令，却不符合课堂的真实需求：孩子需要从化石里找证据，而它给的是想象；孩子需要一个能接着往下想的问题，而它给的是一段读不完的回答。
知识都在，边界却模糊了。我清楚地意识到，原有的技术经验需要更新了，更新的不只是操作一种工具的方法，而是面对答案的方式。那段时间，我常在课后把学生的问题交给不同模型，比较它们的回答，再回到教材和资料中核对。遇到科学概念，我会追问信息来源；遇到给学生使用的内容，我会检查表达是否超过年龄经验；遇到模型给出的教学建议，我不再看它写得是否完整，而是先判断它有没有让学生亲历观察、讨论和验证。
孩子那句“它说的都对吗”深深刻在我心里，成了后来我做AI项目开发时，首先要问自己的问题。
走进课堂深处，守住教师的判断
课堂不会按照技术演示的方式展开，总会给出预想之外的反应。一个AI应用究竟帮助了学习，还是悄悄替代了学习，只有进入课堂，才可能被验证。
在《测量脉搏和肺活量》一课的学习中，学生要记录身体在不同状态下的数据，比较变化，并尝试解释原因。我在原有任务中加入“小e”教学智能体，希望它能成为教师的数字分身，及时照顾每个小组时，给孩子一些必要的提示。
最初的“小e”很热心。学生刚输入一组数据，它就给出一大段分析，从变化趋势一直说到可能原因，前排一个男孩很快读完，准备把结论写下来。可他们的测量方法是否一致，数据为什么会有差异，还没有得到充分讨论。
答案已经摆在面前，探究却提前结束了。
我重新审视智能体在课堂里的位置。如果AI总是抢先完成解释，学生看似获得了帮助，实际可能失去一段重要的学习经历。科学学习需要比较、质疑和验证，允许孩子暂时没有答案，教师设计工具时，提供多少内容，必须和学生需要多少思考时间放在一起考虑。
后来，我收紧了“小e”的回答。它不再急着分析结论，而是先追问：你们是怎样测量的？两组数据是在什么状态下得到的？数值异常时，先提醒学生检查方法；运动后变化不明显，提示核对活动过程；恢复期数据反常，请小组讨论后再测一次。回答短了，人工智能看着“笨”了，课堂里的讨论反而多了。学生会回到记录表重新核对，也会因为解释不同再次测量。
AI从答案的提供者，退回到探究过程中的协助者。
技术能够识别学生输入了什么，却很难完整理解一个孩子为什么迟疑。同样一句“我不会”，可能是没有理解，也可能是害怕出错；同样一组异常数据，有的孩子需要方法提示，有的孩子已经发现了值得追究的新问题。
教师要在现场看见这些差异，决定何时追问、何时等待，何时让AI暂时退出。
从用工具的人，到做工具的人
学校致力于新型优质小班制研究，"慧e学"课堂追求"看见每一个孩子"，小组合作是其中最重要的一环。
可一个小组中，谁在发言，谁在提问，教师课上难以兼顾。
原先的办法很朴素：每个小组中间放一个盒子，里面装着标签贴。学生每参与一次讨论，就往自己的名字上贴一枚标签。课后数一数，谁参与了、谁没开口，但记录靠手工，反馈总是滞后。
我在想一个问题：能不能让这个过程自动发生？不需要老师手动记，也不需要学生额外做什么，让参与的数据自己浮上来。人工智能无法代替教师做判断，但可以记录行为、归集数据、生成提示。于是我开始尝试用AI做项目搭建，每个小组一台平板，学生点一下屏幕，发言、提问、赞同就记下来了，数据实时同步到教师端。
这个系统叫“慧思盒”，合作学习中哪个小组讨论正热，哪个小组停了下来，教师看一眼界面，就知道该往哪儿走。沉默的孩子少了，发言和提问踊跃起来，教师不再等课后统计，学生反应如何、怎样调整教学，有了实时的客观依据。
当然，从能用到好用，仍然有一段距离。最初的版本提醒太密，打断了讨论，后来改成合作停滞时才出现；记录哪些维度，也是对照学校的小组合作规程一遍遍校准的。每一轮调整的依据，都是课堂里师生的真实反应。
过去我是用工具的人，市面上有什么，就用什么。这之后，我开始造工具：课堂里缺什么，就自己做什么。更多课堂上的项目陆续做了出来，开发的方式也慢慢固定下来，把日常教学的"碎思"记下来，转写成一个个具体需求，请人工智能实现。
回头看，我从一个使用工具的教师，慢慢变成一个拥有教学思想的开发者。底色没有变，根据课堂的需求做出工具，再让工具回到课堂接受检验。
让个人探索汇入共同成长
一个人做工具，能力总是有边界的。
课堂里用顺手的工具，我带进展示课给老师们看，拆解开发和迭代的过程，老师们也拿着自己的教学设计来讨论：这节课的重难点，AI能不能帮上一点忙？
持续的交流打破了边界，老师们转变了工具思维，开始尝试用AI做各自学科的项目：语文的阅读平台、英语的对话练习、音乐的个性创编……一个个项目从课堂里长出来。和AI一起备课、一起打磨工具，俨然成为教师们理解课堂的一种新常态。
"慧思研"就是在这样的对话里生长出来的，并逐渐进入学校集体备课和教师研修的日常。几个学科组试用后觉得步骤太繁琐，我们就坐在一起，拿着教案逐项核对，把重点转向资料整理、方案比较和修改线索，让AI为讨论做准备，把判断留给教师。一轮轮试用下来，"三轮六步"的人机协同备课路径逐渐被勾勒出来。
大家交流的内容，从“怎样生成一份方案”，转向“怎样让AI提供的信息服务于学情分析和共同决策”，这些探索被纳入学校“慧联结”人工智能教育体系，慢慢连成一所学校的AI矩阵：慧行课程、慧心观测、慧研工坊、慧听课堂、慧创空间五大应用场景，慧思研、慧思盒、教师数字画像三个核心应用，还有各学科教师陆续开发的数字化学件。
学生怎样学习，教师怎样研究，学校怎样提供资源与支持，开始放在相互关联的场景中考虑。学校并不要求每一位教师都成为开发者，而是，让教师能够清楚表达自己的学科问题，理解AI的能力与局限。
在世界数字教育大会的展台上，我们介绍得最多的，不是系统用了什么技术，而是它怎样被一次次改出来。为什么删掉一个看似很炫的功能？为什么教师的一句“不顺手”会带来新的设计？为什么有些环节最终仍要留给面对面的讨论？一个AI教育应用值不值得用，不取决于它能做多少事，而取决于它是否真正回应了教育的需求。
从一个人的“手搓”，到一所学校的共同探索，增加的不只是工具的数量，更重要的变化是，越来越多教师开始带着自己的课堂经验走近技术：不是等待一个标准答案，而是提出问题、参与修改、作出选择。个人的经验没有被复制成统一模板，而是在共同讨论中，转化为一所学校持续发现问题、解决问题的能力。
“慧思盒”还在改，“慧思研”也没有停。第一次举着麦克风把学生的问题传给AI时，我关心的是怎样让孩子接触一种新技术。一次次回到教师和学生中间，我更在意答案抵达之后发生了什么：一个问题是否被说清楚？一段思考是否被保留下来？一名学生是否真正被看见？一位教师能否依据自己的课堂作出选择？
AI技术在不断生长，我和我的学生、我的学校也在不断生长。我坚信，真正改变教学的，从来都不是技术本身，而是教学方法和我始终坚守的教育理想。
频道推荐
