教研资料多，不等于教师在需要时找得到
一所学校可能有课程标准、课例、集体备课记录和培训材料，一个区域还会叠加不同学校、学科与年份的内容。资料看起来很多，教师备课时却常常靠文件名和群聊回忆去找。问题不只在搜索，还在于同一主题可能存在旧版本、地方口径和不同适用年级。
教育部 2025 年 7 月部署数字化赋能教师发展行动，提出智能化资源、教师数字素养和持续跟踪等方向。落到系统建设，第一步并不是接一个大模型，而是把资料的来源、适用范围、负责人和更新时间补齐。没有这些信息，回答再顺也难以进入教学。
知识库先解决版本和适用范围
教研内容入库时，至少要保留学科、年级、教材版本、内容类型、发布机构和有效时间。区域文件、校本材料和教师个人笔记可以放在同一检索入口，但不能混成一个权威层级。系统返回结果时，也应把这些差别带回来。
权限同样需要跟着资料走。公开课程资源、区域教研成果、校内观察记录和教师个人成长材料的可见范围不同。检索前先按账号过滤，再在允许的数据里匹配内容，能避免模型把本校内部记录带到不该出现的场景。
备课助手应给教师更多可选材料
教师提出一个教学主题后，系统可以找到相关标准、课例和以往教研讨论，整理知识点与常见难点，并标出原文位置。结果更像一张资料桌，而不是一份自动生成的完整教案。教师可以选用、删改，也能补进班级实际情况。
如果系统直接追求“一键备课”，往往会把不同来源揉成平滑的通用文本。读起来完整，课堂上却未必合适。更稳妥的做法是让每段建议带上依据，明确哪些是原文整理，哪些是模型提出的备选表达。
课堂观察要回到具体事实
课堂复盘可以借助语音转写、观察表和教研记录，但系统不应只输出“互动充分”“目标达成”这类宽泛评价。更有用的是定位具体片段：教师在哪个问题后等待了多久，学生出现了哪些不同回答，哪段活动超出原计划。
这些事实可以帮助教师和教研员讨论，却不应被模型直接换算成教师等级。课堂情境、学生差异和临时调整都需要专业解释。评价权留在人手里，系统负责整理证据和减少回看成本。
成长记录要服务本人，而不是扩大监控
培训、公开课、教研任务和个人反思可以形成持续记录，方便教师回看自己在哪些主题上投入过时间。记录的采集范围、查看角色和使用目的应事先说明，不能把为专业发展收集的数据悄悄转作绩效结论。
教师本人应能看到并更正与自己有关的记录。管理者看到的内容可以按职责汇总，个人反思和未完成草稿则保留更窄权限。系统只有在这种边界下，才可能成为愿意长期使用的工作工具。
从一个学科和一组真实任务开始
首轮可以选一个资料相对完整的学科，邀请教师带着真实备课问题试用。检查系统是否能找到正确版本、引用能否回到原文、无依据时会不会坦白说明，以及教师修改后的内容怎样保存。
试用反馈应回到知识维护：哪些资料缺元数据，哪些术语需要校内解释，哪些权限配置不合适。把这些基础问题解决后，再扩展课堂复盘和教师发展记录。教育 AI 的价值通常来自长期维护，而不是一次演示。