听懂AI，读懂工具
教师必备AI术语与使用逻辑
很多老师面对AI工具时，最大的困难不是不会对话，而是概念陌生。我们的目标是：听懂、会判断、能选择。
1. 人工智能（AI）
AI不是近三年才出现的，也不只是会聊天。它是一个大概念，指的是让机器具备识别、理解、分析、生成和决策能力。
我们早已接触的AI：
- 手机人脸解锁 — AI识别人脸
- 地图导航 — AI规划路线
- 短视频推荐、电商推荐 — AI分析兴趣
- 智能客服、语音助手 — AI理解和回应需求
今天我们重点接触的生成式AI（豆包、通义千问、Kimi、ChatGPT、DeepSeek等），属于大语言模型驱动的应用层，只是AI的冰山一角。
2. 生成式AI
重点在"生成"。它可以根据我们的要求生成新的内容：文字、图片、视频脚本、表格、PPT大纲和代码。
特别提醒 — AI幻觉：生成式AI很会生成，但不代表它永远正确。它有时候会一本正经地说错，甚至编出不存在的资料、出处或案例。
AI生成的内容可以用，但必须核对；可以参考，但不能照搬。
AI生成的内容可以用，但必须核对；可以参考，但不能照搬。
3. 大语言模型（LLM）
生成式AI是一个更大的类别（包括文字、图片、视频、音乐、代码等），大语言模型是其中最擅长语言文字的一类。
类比：生成式AI像一个创作团队，里面有人擅长写文章，有人擅长画图，有人擅长做视频。大语言模型就是其中最会读、写、理解和对话的成员。
大语言模型擅长：
- 回答问题、总结材料、改写文字
- 生成文章、写提纲、做翻译
- 辅助写代码
4. 多模态
"模态"可以简单理解为信息的类型。文字、图片、声音、视频、表格、文档，都是不同模态。
多模态AI可以同时看图、读文档、听语音、分析视频。
教学场景示例：
- 学生做了一张科学手抄报，拍照发给AI → 识别主题、提炼知识点、整理成3分钟分享稿
- 老师拍一张板书照片 → 让AI提炼知识点、生成复习提纲
多模态的意义：AI不再只是"会聊天"，而是能理解和处理真实教学中的多种材料。
5. 提示词（Prompt）
提示词就是我们给AI的任务说明。
不要过度迷信提示词模板！
网上很多"万能提示词""专家级提示词"，很多时候是别人经过多轮尝试做出满意结果后，让AI反过来总结的。拿来参考可以，但直接照搬不一定适合你。
而且，AI能识别的上下文有限，写太多有时候只感动了自己。
网上很多"万能提示词""专家级提示词"，很多时候是别人经过多轮尝试做出满意结果后，让AI反过来总结的。拿来参考可以，但直接照搬不一定适合你。
而且，AI能识别的上下文有限，写太多有时候只感动了自己。
写好提示词的核心：你能不能把自己的任务想清楚，说清楚，并且愿意反复尝试、不断修改。
对教师来说，写好提示词，本质上不是技术能力，而是把教学目标、学生情况、任务要求和专业判断表达清楚的能力。
对教师来说，写好提示词，本质上不是技术能力，而是把教学目标、学生情况、任务要求和专业判断表达清楚的能力。
6. 上下文（Context）
上下文就是前后对话中的信息。只要还在同一个对话中，AI通常会参考前面聊过的内容，继续帮我们修改和完善。
操作技巧：
第一步：让AI生成一份教案初稿
第二步：继续说"导入再生活化一点"
第三步：继续说"活动部分改成小组合作"
第四步：继续说"最后加几道分层练习题"
→ AI会基于前面的教案继续修改，而不是完全从零开始。
关键技巧：教师使用AI，不要只问一次就结束，要学会连续追问、补充要求、逐步优化。
7. Token
Token可以简单理解为AI读写内容时的计量单位（不完全等于字数，但可以先这样理解）。
对教师的影响：
- 一次性发送太多内容，AI可能提示"内容太长"或回答质量下降
- 很多AI服务背后按Token计费
操作建议：材料越长，越要分步骤处理；任务越复杂，越要分阶段推进。
不要一次性把整本教材塞进去，先分段、先提炼目录、先让AI总结结构，再逐步深入。
不要一次性把整本教材塞进去，先分段、先提炼目录、先让AI总结结构，再逐步深入。
8. API
API可以理解成软件之间互相调用能力的接口。
类比理解：
你的手机充电器（客户端）→ 墙上插座（API接口）→ 电网（后端服务器）
你不需要知道电从哪来，插上就有电 — 这就是调用API。
API让AI能力可以进入办公系统、教学平台、校园服务和各类专业软件中，不只是存在于聊天窗口里。
9. 智能体（Agent）
传统聊天AI vs 智能体：
| 传统聊天AI | 智能体 |
|---|---|
| 问一句答一句 | 给定目标，自己推进任务 |
| 只给出答案 | 调用工具、操作文件、执行代码 |
| 只动口 | 动手干 |
两个层次：
第一层：任务型智能体（单项任务助手）
目标明确、边界清晰，适合完成某一类具体任务。开箱即用，给个指令就能干活。
目标明确、边界清晰，适合完成某一类具体任务。开箱即用，给个指令就能干活。
第二层：框架型/生态型智能体（长期AI助理系统）
技能可配置、记忆可积累、工具可调用、能力可扩展。随着不断使用，越来越了解你。
技能可配置、记忆可积累、工具可调用、能力可扩展。随着不断使用，越来越了解你。
类比：第一层像雇临时工干一件事；第二层像培养长期助理，它会的越来越多。
10. 工作流（Workflow）
工作流可以理解为一条任务流水线，适合处理重复性强、步骤固定的任务。
工作流 vs 智能体：
| 工作流 | 智能体 |
|---|---|
| 预设好的流水线 | 会根据目标灵活决策的助手 |
| 适合固定流程 | 适合开放任务 |
AI术语地图
概念关系梳理：
人工智能是总概念 → 生成式AI是最常用的一类 → 大语言模型和多模态提供核心能力 → 提示词、上下文和Token影响沟通质量 → API让AI进入更多平台 → 智能体和工作流让AI从单次回答升级为连续完成任务。
人工智能是总概念 → 生成式AI是最常用的一类 → 大语言模型和多模态提供核心能力 → 提示词、上下文和Token影响沟通质量 → API让AI进入更多平台 → 智能体和工作流让AI从单次回答升级为连续完成任务。