场景与问题
传统教师研训多集中在讲座和短期培训。培训结束后，专家方法难以持续进入教师的备课、课堂观察和复盘；评价意见也容易停留在“还可以提升”等笼统表述。不同学科、学段的优秀课例与经验分散，学校难以形成可复用的教研资产。
专业知识如何进入智能体
项目把教师专业发展理论、专家方法与评价标准组织为垂直知识体系，结合文档解析、检索和生成能力，为教师提供基于专业依据的问答与建议。评价框架细化为六个维度、205 项专业研判指标，目的在于把“哪里需要改、为什么改、怎样改”落实到教学设计和课堂行为的具体环节。AI给出分析和建议，教师保留最后的教学判断。
从备课到复盘的工作流
- 智能备课：教师给出课题、学段、学科和教学目标，形成可继续编辑的教案框架。
- 定向优化：按评价指标识别设计中需要加强的环节，围绕单个问题修改，而非整篇重写。
- 课堂观察：结合课堂材料观察教学目标、学生参与、环节衔接与知识讲解，形成结构化记录。
- 循证复盘：把课堂证据、评价意见与改进建议对应起来，帮助教师做课例迭代。
- 成果沉淀：将经确认的教案、观察记录和研修成果积累为可检索的校本知识。
公开资料展示过音乐、英语、数学等学科的教案重构、单元设计和分层备课，以及语文等学科的课堂观察。本篇聚焦通用教师研训工作流；具体中学校本研修活动另作独立案例介绍。
价值与证据边界
项目的价值在于让专家标准成为日常可调用的工具，使课堂评价更具体、课例修改更有依据，并留下持续改进的过程记录。现有报道和活动资料可证明培训、真实研修场景与功能展示；实际使用人数、备课节省时间、教学质量变化和最终交付关系仍需进一步核验，因此不写量化成效。