北航AI教师培训：让老师更安心

发布时间：2026-05-03 19:04来源：微信阅读：6

当AI能够编写教案、自动生成课件插图、还能参与作业批改的消息不断涌来，一个严峻的疑问随即摆到每位教育者面前：我们是否会被替代，还是能够成为驾驭新工具的人？

4月25日至26日，30多名学员走进北京师范大学国际学术交流中心，参加首期“人工智能教师专业技能培训”，用两天时间为自己找出答案。就在开班前不久，教育部等五部门刚发布《“人工智能+教育”行动计划》，其中明确要求“提高广大教师的智能素养与技能”。政策发出的号角已然在前，这场培训也就成为时代命题的第一轮回应。

此次培训由北京航空航天大学计算机学院中德联合软件研究所（AI for Science项目组）与北京师范大学科技集团北京京师教育培训中心共同承办。整体安排从一开始就讲得明白：不把重点放在零散的提示词技巧上，也不只是教会使用某个工具，而是帮助教师形成理解AI、使用AI并用AI改造教学的完整能力框架。

与常见培训相比，参训学员的构成更为多元：除了一线骨干教师外，还有来自联想、字节、微软等企业的技术人员，甚至包括金融领域的从业者。教师与来自不同背景的学员一起学习、共同完成任务，在跨界协作中持续碰撞新的理解与视角。

线上预习：先搭好共同认知

4月20日，培训首先启动线上预习。由北京航空航天大学高性能计算中心主任霍建同老师带领学员进入人工智能相关的学习语境。

课程从“什么是人工智能”着手，围绕基本定义、关键能力与发展脉络展开梳理。与此同时，教学把人工智能放在计算机科学及交叉学科的视野中理解，让学员意识到：AI并不只是当下流行的生成型工具，而是一套覆盖感知、学习、推理与决策的技术体系。

等到正式走进线下集训之前，学员已通过线上课程“回到起点”。他们从形式逻辑、图灵机、达特茅斯会议一路讲到神经网络、控制论，以及人工智能学科的诞生。这样的预习让后续线下内容不再只围绕“某个工具怎么用”，而是建立在共同的认知底座上。

原理筑基：把握人工智能七十年

理解技术演进

4月25日上午，北京航空航天大学计算机学院博士生导师栾钟治栾教授围绕「洞悉原理之基：人工智能七十年」进行授课。

这一部分从人工智能思想的源头切入，梳理了从莱布尼茨提出的通用符号设想、布尔代数、谓词逻辑，到图灵机与图灵测试，直至1956年达特茅斯会议正式提出“人工智能”概念的关键线索。

随后，课程继续展开技术路线的变化脉络：从符号主义、连接主义、行为主义，到专家系统、机器学习、深度学习与大模型时代；从AlexNet带来的深度学习跃迁，到Transformer为现代大模型奠定基础，再到ChatGPT推动AI进入更广泛的应用阶段。

这些内容看上去更偏“原理”，但对教师来说恰恰是理解AI如何落到应用的起点。只有弄清AI能力是如何形成的，教师才不会把AI仅当作“答案生产器”；也只有理解技术演进背后的逻辑，教师才更容易判断它适合解决哪些问题、又不应替代哪些判断。

因此，本期初级课程“应用筑基”的第一层落地，就是先搭建面向AI时代的基本认知框架，再进入具体工具、方法与场景的实践环节。

应用方法：从Token、Agent到Harness，看懂AI落地链条

在大模型应用方法课程中，培训进一步进入AI应用层面。

课程从Token讲起，解释大语言模型如何处理、理解并生成语言。随后，内容延伸到Agent，引导学员理解AI如何从“一问一答”的对话形态，逐步发展为能够拆解任务、调用工具、执行流程的智能体形态。

在这一环节，课程把大模型、对话、上下文、提示词、RAG、Function Calling、MCP、Skill等概念之间的关系梳理清楚，使学员能够从更系统的结构层面理解AI应用是如何被搭建出来的。

其中Harness部分，则把AI落地从思路推进到工程化与可靠性层面。AI真正走进教学与管理场景时，难题不仅来自模型本身，也在于如何规划稳定流程、选择合适工具、应对异常情况、把控输出质量，并让结果保持可用、可检验、可持续改进。

对教师而言，这一模块的关键价值在于呈现应用背后的完整链路。课堂里的AI使用不应止步于“抛出问题得到答案”，而应围绕教学目标、任务流程、学生特点与结果评价来进行设计。

教学转化：在提示词与多模态实操中走进真实课堂

4月25日下午，霍建同老师和马老师继续带领学员进入AI应用与教学场景实战环节。

与上午聚焦原理和方法不同，下午课程更着重把AI能力用于具体任务，并推动其向教学实践转化。

课程首先从提示词工程展开。提示词工程指通过精心组织自然语言指令，引导大模型产生符合预期的输出。课堂从分隔符使用、结构化输出、风格信息、提供示例、明确步骤、迭代优化等方式逐一讲解，帮助学员理解：好的提示词并不是随意发出指令，而需要具备清晰目标、足够上下文、明确约束与恰当示例。

这些方法很快就与教师的日常工作产生连接。在备课、课件生成、课堂活动设计、学习评价、教研材料整理等任务中，AI输出的质量往往取决于教师能否把教学对象、教学目标、课堂环节与评价标准描述得准确清楚。

多模态AI部分，则进一步拓宽教师使用AI的边界。多模态AI能够同时处理文本、图像、语音等多种信息，因此AI不再只是文本生成工具，还能参与图像理解、素材创作、课堂表达、项目作品支撑，以及多形式学习任务的设计。

现场学习过程中，学员的关注点也逐渐从“AI还能生成什么”转向“怎样让生成内容更贴合课堂目标”。从最初体验课件、文案与材料的生成，到进一步讨论年级特点、学科目标、教学环节与评价标准，学员的提问也从功能体验走向教学设计。

交流共创：让学习从个人能力迈向协同成长

除了课程学习外，本次培训还通过分组安排，强化不同背景学员之间的交流互动。

人工智能赋能教育，并不只依靠某一位教师学会某种工具，也需要更完善的教育生态共同参与。学校管理者、一线教师、教研人员、教育行业从业者，以及关注AI与教育融合的跨领域参与者，都能在这样的学习场景中分享经验、提出问题，并创造新的合作可能。

在课间、午休以及小组交流中，学员继续围绕“AI如何进入课堂”“如何帮助学生完成项目式学习”“如何提升教师备课与评价的效率”等主题展开讨论。不同学科背景与不同教学情境，也让同一类AI应用问题呈现出更多维度的答案。

这种交流让培训不止于单向知识输入，也为后续持续性的教研沟通与教师能力成长支持打下了基础。

前沿拓展：在AI+X中看清未来教育方向

4月26日上午，北京航空航天大学博士生冯文韬老师以「连接前沿之桥」为主题，把视野从教育教学应用进一步延伸到AI+X跨界融合。

该模块围绕具身智能、AI医疗、AI for Science等前沿方向展开，并对前一日课程内容进行串联，同时为下午考试做准备。

具身智能部分帮助学员理解AI如何从数字世界延伸到物理世界；AI医疗部分展示人工智能在影像诊断、药物研发、手术机器人与个性化治疗等方面的潜力；AI for Science部分则进一步指向科研范式的变化——当AI能够分析海量数据、辅助提出假设、推动实验设计并参与结果验证时，科学发现的方式也随之发生调整。

对教师来说，这类前沿内容的意义不仅在于拓宽知识面，更在于促使教师重新思考未来人才培养将走向何处。

如果AI教育停留在单纯的工具使用层面，很难回应学生未来面对的真实世界。随着AI进入科学研究、医疗健康、产业创新以及社会治理，教育也需要引导学生形成跨学科理解能力、问题解决能力与技术伦理意识。

考试认证：完成初级阶段学习成果检验

4月26日下午，学员参加现场考试，对两天课程中的人工智能基础认知、大模型应用方法、提示词工程、多模态应用、前沿技术理解与教学场景转化等内容进行集中检验。

从组织方式来看，本次培训采用“线上预习—线下课程—现场考试”的完整路径，构成初级阶段课程的闭环学习流程。考试并非仅用于确认结果，也在帮助学员对自身AI基础认知、应用方法与教学转化能力做阶段性梳理。

按照项目设计，人工智能教师专业技能培训设置三级进阶路径：初级阶段聚焦应用筑基，中级阶段进入智能体进阶，高级阶段面向AI for Science的科教融合。

首期线下课程的顺利完成，标志着初级阶段“应用筑基”的一次扎实落地。它帮助教师从基础认知走向应用方法，从教学场景延伸到前沿理解，形成系统性的学习过程，并为后续更高阶段的能力提升奠定基础。

从应用筑基起步，走向教师AI能力进阶

首期「人工智能教师专业技能培训」线下课程的顺利开展，是项目面向教育工作者提供AI能力支持的重要实践。

从4月20日线上预习，到4月25日至26日线下集中学习，再到4月26日下午现场考试，本次培训围绕人工智能基础认知、大模型应用方法、提示词工程、多模态教学实践、AI+X前沿融合与考试串讲等内容，完成了初级阶段“应用筑基”的系统学习。

更值得强调的是，本次培训并未将AI学习停留在单点操作层面，而是从底层认知、应用方法、教学场景、前沿视野与能力检验等多个维度，引导教师重新理解人工智能与教育教学之间的关系。

面向未来，项目将继续沿着“应用筑基—智能体进阶—科教融合”的成长路径，帮助教师从AI工具的使用者，逐步成为AI教育场景的设计者、实践者与创新者。

我们也将持续关注人工智能与教育融合的发展方向，与更多教育工作者一起探索AI赋能教育教学、服务创新人才培养的更多可能。

END

👇👇关注公众号👇👇