人工智能+X 备课工作流

结论写在前面

一、备课时间 baseline

这是一次记录自己备课的测试。从五一前的周一到周四，四个工作日，最终还是没有找到可以在短期内（比如1天）轻松完成一节新课备课的路径。最主要的原因不是格式、图文调整，而是新课的知识部分，我没法在一天内完成对一节新内容的自洽和内化。换句话说，即使敲定了一个不错的三级大纲，在具体课程内容设计时，知识的范围和深度、引入的方式（包括案例项目的设计）、与同学们之间的交互思考，以及最后的实践反馈和拓展资料，都不是 AI 一两次生成能让我满意的。如果这些知识和设计让我觉得陌生、讲出来都很别扭、没有激情，那这就不会成为我的课件。

最终，四个工作日基本完成了 2 次课内容的准备，还不是完整版（第一节缺少课后延伸资料，第二节的课堂练习流程还没设计完整）。因此：每次90分钟的新课，要达到有信心讲的程度，至少需要3个工作日来备课。这是本次测试的一个实证发现。

二、有效的备课工作流：三个阶段

从流程上看，备课会使用多种工具，但经过这轮测试，已经沉淀出一个相对清晰的三阶段路径：

缘起

人工智能+X 的新课

“人工智能+X”作为贸大研究生的公共必修课，已经开设过三个学期。我和崔老师都已经上了两轮，每学期内容都有较大变化——除了排课给的课时多少不同（有的学期2次课，有的4次课），针对不同的授课对象，包括本学院的外国语言学与应用语言学、英语、口译、笔译专业，以及前两学期对外汉语、小语种专业的学生，每轮上课的内容都会针对性调整，包括 AI 工具使用的场景和应用难度。

两轮教学下来，总结出之前的课堂问题：

1. 第一轮：设计的 AI 应用难度过高。当时使用阿里云的 Python 平台，让同学们用 AI 工具设计语料提取和语料分析的代码。学生的学习难点在于：对 Python 语言本身的陌生感、对阿里云代码平台的陌生感、对语料分析场景的陌生感——三重陌生叠加，实践难度大，学习效果不佳。

2. 第二轮：转向 AI 应用的知识 + Sketch Engine 语料库创建与对齐，以及用 AI 智能体管理个人术语库。因为去掉了 Python 部分的挑战，聚焦于常见软件 + AI 使用，学生反馈有所提升。

这学期的第三轮，我重新设计了全部4次课的内容。最主要的原因是：崔老师此次也是4次课，是我的前置课程，他的内容已经覆盖了译前、译中、译后和字幕配音实战，非常完整。如果我再对语料库、术语库的管理赘述，意义不大——索性抛开翻译操作中具体的 AI 使用，转向广义的翻译项目管理。

项目管理能力是这两年我特别想引导学生关注的地方。虽然本科甚至 MTI 学生对项目管理会感到陌生，但这偏偏正是学校教育和公司职业教育中可能脱节的部分。在本地化行业的实习工作中，我发现 project management 是公司非常看重、对职业发展有至关重要作用的一种”元能力”。如果能在 AI 辅助下，让学生沉浸式地理解这种工作环境和对能力的要求，对教学、对学生的学习和未来工作都应该有好处。

为什么要记录这次备课

这次记录新课备课工作流，有两个目的：

1. 呈现全流程，蒸馏出高效路径。 把从目标到实现的全流程——弯路、直路——都记录下来。目标是在完成备课时回看，确保完成了最初的备课目标，同时蒸馏出效率更高的工作流。

2. 为明年的新课做演练。 今天对4次课的备课是一个演练，为明年本科全新16周课程《语言数据科学》做准备。开一门全新的课是一个巨大的挑战，包括确定课程范围、模拟目标学生、准备课堂知识和案例练习。其中知识的筛选和适配、工具的选择和测试、案例设计，都是可更新的变量。

备课目标

本学期的课次安排

核心设计点

每节课的备课都围绕以下三个模块展开：

1. 课程目标 + 目标图谱
2. 课程组成部分
   • 知识：行业知识 + 技术知识，说明重难点
   • 案例：讲解背景、实施策略、目的和方法
   • 演练：技术操作、小组讨论策略
3. 使用的工具
   • AI 工具、接口、流程
   • 软件、截图、视频

备课工作流记录

今天的参考资料

这次备课参考了两个来源：

① 学校新上的”AI好课·研究生智慧课程平台”

本学期在《计算机辅助翻译AI+》和《本地化翻译》课上已经使用，但还没有彻底摸清使用逻辑和好处，只是先推荐了平台上的 AI 工具箱给学生。今天会借助学校之前的培训视频、知途好课视频号上的教学视频，一起深度学习平台的功能。

② 影视飓风最新的工作流讲解视频

Tim 讲了他们2026年与2024年相比的全新工作流，包括其中 AI 分别作为辅助和主导的部分。他们的前期脚本分镜、后期影视制作的逻辑，有一部分和备课有异曲同工之妙。借助一个成熟创业影视公司的经验，来参考 AI 使用的深度和范围，更新使用方法，同时祛魅一些过度宣传。

第一步：生成课程目标

方法：把课程背景、我的教师身份、前置课次的安排等信息告诉 AI，并给出已经敲定的课次主题和目录，要求生成有课次之间联系、且和崔老师内容衔接的课程目标。

AI工具：DeepSeek-V4-Pro（DeepSeek V4 刚发布，趁机试一试）

结果：AI 给出了很详细的课程目标体系文档（放在这里，可以点开看），对我来说有用的信息是：

• 整体定位：前序课程聚焦于”译者视角的 AI 应用”（译前准备、译中辅助、译后编辑、字幕与配音实战），核心是培养学生在 AI 辅助下完成翻译任务的能力。本模块（第6–9节）切换到”管理者视角的 AI 应用”，从项目交付、质量管控、资产沉淀、流程工程四个维度，培养学生管理翻译业务的能力。
• 各节逻辑：第六节建立全局认知，第七节切入核心价值维度，第八节追问质量的根基，第九节收束到工程实践。这个逻辑链条跟我之前做大纲时的思路基本一致。

Comments：初步的工作，AI 做的还可以。目标部分的思路跟我之前的大纲基本一致，相当于已经把课程内容和逻辑捋顺。这一步没问题的话，就可以进入知识部分了。

第二步：扩展知识内容

方法：知识是一个很重要的模块，需要专业、权威的信息做支撑，同时又不能太教科书——因为课堂的下半段就是实践和练习。重点是：找到权威的知识来源，找出本节课的重难点，最后把它梳理成图文并茂的课件。这一步要一节课一节课地来，因为每节课的内容需要扩展收缩，有较多的人工介入。

AI工具：DeepSeek 之外，同步使用了 Sider 的 AI PPT 功能。今天把刚才的课程目标上传，写了一些 prompt，发现居然能弹出很具体的下一步指示，做个参考。

结果：两个工具分别生成的知识大纲都契合三级目录，没有偏离。但以目录为基础生成的内容，很难在一轮对话中给出我想要的知识结构——这是第一个需要人工多轮介入的地方。

不过 AIPPT 有一个亮眼之处：在课件最初给出了一个可视化的学习路线图，比我常用的 PPT 摘要缩放定位要更清晰一点，因为加上了各个部分的具体作用，相当于有了上下文，这个不错。

第三步：PPT 制作抽卡

PPT 是我一个矛盾的点。近几年已经形成了自己的 PPT 风格：简约 + 简单的撞色，加一些形状，以及深度使用 SmartArt。这套做法可以比较快速地把内容形成图文形式，对我来说是高效的。但偶尔会觉得稍显幼稚，审美有点疲劳——而且想在 AI 生成的基础上增加更 fancy 的图片，往往意味着要增加很多抽卡时间，且 AI 生成 PPT 的内容和形式好往往只能占一头，得不偿失。

这次测试的工具对比如下：

本次 PPT 制作的有效路径：

1. 先和高阶思考型 AI 对话，给出课程设计的结构、本章主题、上下文，要求生成 PPT 内容大纲，得到初步内容结构。如有不满意的地方，修改案例和内容。
2. 将大纲喂给一个专注于 PPT 制作的 AI 工具（能追问具体定位、呈现方式的那种），要求严格按照大纲制作，得到初步未适配的 PPT，再筛选内容、删掉多余页面。
3. 对保留的重点页面进行编辑、增加动画效果，最后整合到个人的 PPT 模板里，组成结构化内容。

第四步：案例和演练

方法：从知识部分过来，基本上已经用 AI 形成了一版 PPT，知识性内容经过编辑完成。剩下的是结合实操：模拟案例和演练，同时增加具体的 tutorial（软件使用截图、流程引导等）。

中途的思路变化：

暂停。不再以知识为核心发展出次要的练习，而是以项目式任务为核心（PBL），从项目中需要的能力引出核心知识。这是今年可以尝试的新路径，也许是备课的破局点，而且可以打破之前对于课堂无聊、纯知识性内容太多的忧虑。

——实际 AI 脚本产生效果不佳，不如之前的知识大纲稳健。此思路弃用。

新思路落地：

1. 生成结构合理、课程设计完整的 md 课程大纲文件。
2. 用 Cursor 生成 HTML 课件文档，辅以课件风格（配色、字号等），从 HTML 中手动导出使用的页面，或者全部导出为 PDF 或 PNG 图片集合（进阶想法是加入基本的淡入动画）。
3. 在 Cursor 中形成课件风格的 skill，确保标题、字号、页码等格式一致。此处存疑：虽然使用了 skill，生成效果居然还不如”野生的”，所以可能之后再多次抽卡。另外尝试了借用网上很火的 zarazhang 的 HTML skill，但预装内容太多，在 Cursor 中两次生成都没完成——课程类 PPT 内容太多，输出 token 可能超了，实用性有限。