做了快十年高中数学竞赛教练我最头疼的事一直不是学生而是讲义。每周要出两到三套学案从选题、难度分层、例题编排、配套变式一路做到答案解析一套像样的数竞学案没个四五个小时下不来。今年我试了个新路子把学案制作这件事本身做成一组skills——把教研决策、选题、排版、改稿全塞进一个技能包里让AI替我把脏活累活干完我只负责拍板和把关。这套流程跑下来学案制作时间压缩了一大半而且教研经验第一次能沉淀成可复用的资产。这篇文章把我踩过的坑、理清楚的设计思路和能直接抄走的配置方案一次性倒出来给同样在竞赛教研一线挣扎的朋友们做个参考。1. 先把问题摆清楚竞赛教研为什么需要一场学案革命1.1 传统学案制作的四个死结先说结论大多数竞赛教练做学案的方式还停留在手工车床阶段。这里有四个长期存在的死结我相信每个一线教研的人都深有体会。第一个死结是选题靠翻书。给高二学生准备一份关于数列不等式的学案传统做法是翻开各种竞赛教材、真题集、内部讲义从里面人工挑题。翻到什么算什么运气占比很高。同一个知识点A老师选的题和B老师选的题难度曲线可能完全不一样即便同一个老师今天和明天选出来的题也可能千差万别。这种随机性会导致教研质量不稳定尤其当教研组里不止一个人的时候学案风格能差出几条街。第二个死结是难度靠感觉。老教练凭经验能大致判断这道题对这批学生来说偏难了但这份感觉很模糊。难多少难在哪一步是知识点没学过还是技巧太冷门说不清楚。新人教练就更抓瞎了经常出现整页学案学生做不出来几道题的情况信心打没了课也白上了。第三个死结是格式靠手工。公式排版、题号调整、留白控制、答案对齐这些活儿极其耗时又不产生任何教学价值。很多教练做学案一大半时间不是在思考教学而是在跟LaTeX语法较劲、跟Word格式打架。第四个死结也是最要命的是传承靠口口相传。老教研员的经验大部分存在脑子里没有物化为可传递的资产。一个带出过冬令营学员的老教练退休他对题目的感觉、对难度的拿捏、对课堂节奏的判断基本也就跟着退休了。新人只能从头摸索把所有坑再踩一遍。1.2 一体化到底是在解决什么其实一体化这个词不是噱头它指向一个非常具体的目标把教研分析和学案制作从两张皮变成一条流水线。传统的流程是教研是教研学案是学案。教研会议讨论这批学生这周应该学什么、学到什么深度讨论完之后散会各人回去自己翻书出讲义。教研结论和最终产品之间的连接靠的完全是教练的记忆力和自觉性。学案做的过程里那些教研结论很快就变形了甚至被遗忘了。一体化的意思是让教研决策直接变成学案内容的输入参数。你不需要把教研结论翻译成一份纪要再翻译成学案而是让决策本身就能驱动生成。往上游说输入是学生现在在哪、要往哪去、本周练什么能力往下游说输出是一份可以直接进课堂的学案。中间的选题、排序、变式、难度标注、解答编写全部由一套规则体系自动完成。这其实就是工程领域说的Software 2.0思路——不直接写死逻辑而是把规则和示例喂给系统让它按你的标准生成结果。放在教研场景里就是把教练的手艺变成参数把不可言说的经验变成可运行的规则。1.3 为什么靠skills而不是普通AI聊天可能有人会说我也用AI帮我出题啊直接问给我出三道数竞不等式题不就行了吗用过的都知道问题在哪你每次都要把上下文重新交代一遍AI的产出风格飘忽不定第一次给你一份高质量讲义第二次就给你一堆陈题。这背后的本质差别在于普通聊天是调教skills是固化。你可以这样理解普通聊天是每次去餐厅都对厨师说我要一道微辣的宫保鸡丁花生米要脆不要放黄瓜而skills是直接把一份完整的菜单后厨标准作业程序食材清单摆盘要求打包交给后厨系统每次下单只需要说今天做这个菜。skills的核心特征是它不只是给AI一组指令还包含示例、边界条件、自检清单和修订规则。这些东西组合起来相当于给AI装了一个领域滤镜让它输出的时候始终待在竞赛教研的范围内。你不需要每次重新描述一遍什么是好的数竞学案skills已经把好的定义埋在运行机制里了。我在实践中最直观的感受是用skills之前AI是个什么都知道但不稳定的助手用skills之后它像一个受过专门训练的新教研员——至少不会犯低级错误而且每次交上来的东西风格统一、结构规范。2. 把教研员的手艺拆成可编码的决策节点2.1 一份学案诞生背后藏着哪些决策要做出能用的skills第一步不是写代码而是打开自己的脑袋把做学案的过程从潜意识动作变成显性步骤。我花了整整一个周末坐在书桌前复盘我自己出一份学案的完整过程最后拆出了五个关键节点。第一个节点是知识点拆解。一份学案必须有明确的覆盖范围比如本节聚焦柯西不等式的三类变形而不是含糊的不等式综合。知识点拆得越细选题方向越明确学案的主题也越不容易飘。第二个节点是目标分层。同一份学案给联赛冲刺的学生用和给刚开始接触竞赛的高一学生用完全是两个版本。需要明确每个知识点上学生要达到的认知层次是了解、熟悉、掌握还是熟练运用。第三个节点是例题筛选。这里要解决的问题是在浩如烟海的竞赛题里哪几道最适合当前这批学生。筛选标准包括难度匹配度、解法是否与本节课主线一致、是否覆盖典型技巧、是否容易被变式改造。第四个节点是变式设计。好的竞赛学案一定不是若干孤立题目的拼盘而是围绕核心方法的一组题族。一道例题后面跟着两三个变式每个变式改变部分条件、保留核心结构让学生在做题中自然领悟方法本质。第五个节点是反馈闭环。学案发下去之后学生的完成情况如何哪些题目得分率低暴露了哪些认知缺陷这些反馈必须回流到下一份学案的难度设置和选题设置里。传统教研中这五个节点全靠教练的脑力而且往往是模糊运行的。我的做法是把这五个节点全部变成skills内部的处理流程每个节点都有明确的输入、输出和决策规则。2.2 把经验写进决策表我的难度映射表下面这张表是我skills里最重要的一张压舱石。它把抽象的难度变成了可操作的档位系统每个档位对应明确的学生人群、题源和学案占比。| 难度档位 | 对应场景 | 参考题源 | 学案建议占比 | | L1 课内拔高 | 高一同步刚接触竞赛 | 高考压轴题改编 | 约20% | | L2 联赛一试 | 高二联赛冲刺 | 高中联赛一试真题 | 约40% | | L3 联赛二试 | 冬令营备赛阶段 | 高联二试真题与改编 | 约30% | | L4 拔尖集训 | 省队/国家集训队方向 | IMO短名单、国家集训队测试题 | 约10% |这张表不是凭空拍出来的它的设计逻辑是即使在数竞学案这个大背景下一份学案也不能全是难题。全是难题的学案会让大部分学生全程受挫学完没有获得感全是简单题则浪费时间。所以我的默认比例是基础过渡20%核心训练40%挑战拔高30%压轴视野10%。这个比例很像赛跑训练里的配速设计——大部分里程用巡航速度跑最后几公里才开始发力。实际使用中我会根据学生画像动态调整占比。如果学生群体是高一刚入门L3和L4的比例要压缩到20%以内如果是省队冲刺L1可以完全去掉L4的比例上调到20%25%。2.3 给skills一个学生画像接口skills不是万能的它必须知道它在给谁做学案。所以我在skills里设计了一个标准化的输入接口叫做学生画像。它像医生问诊的病历单每次调用skills之前必须填清楚。学生画像的字段包括学生年级、目标赛事联赛二试/冬令营/CMO、当前知识点盲区、已掌握的方法工具、每周可投入的自学时间、上一份学案的完成率和错题分布。字段越具体skills生成的学案就越贴地气。比如同样一份多项式与复数的综合学案输入目标是联赛一试学生处理复数旋转的几何意义有困难和输入目标是冬令营学生需要强化多项式根的分布与大模数估计两者生成的学案完全不是一个层次的题目。这个接口是整条流水线的总闸门也是教研一体化最关键的一环。3. 学案制作一体化skills的架构与关键参数3.1 技能包的整体结构一个完整的学案skills包我倾向于把它拆成六个模块。这六个模块不是代码层面的硬性结构而是文件和指令层面的分工你可以在支持skills的环境中按这个思路组织你的素材。主指令文件描述整个技能的整体目标和运行流程相当于操作手册第一页。它向AI说明本技能是做什么的、使用者是谁、输出物是什么样子的。规范文件详细描述一份合格学案的格式要求包括栏目标题、字号和留白规范、题目标号格式、答案位置等。这些细节决定了AI的输出是否直接用。示例学案提供两份完整的学案样本一份是高一入门版一份是联赛冲刺版。这两份示例是AI模仿的模板价值极高——与其写一百句要结构清晰不如给一份好样本直观。题库清单是知识点的覆盖范围列表告诉AI在选题时优先搜索的方向。不是硬性题库而是一个关键词地图例如柯西不等式组合恒等式第二数学归纳法解析几何定值问题。学生画像模板用于统一输入格式确保每次调用都提供足够完整的上下文。修订规则定义了技能如何接受反馈并自我改进。比如课后统计显示某道例题的得分率只有20%说明难度设置偏高修订规则就会要求下次类似场景降一档难度。3.2 题量预估与时间配比的计算逻辑做学案的时候最怕的是贪多——一道又一道地堆题以为学生做得多就学得多。实际上效果很差学生在题海里疲于奔命根本来不及消化思路。所以我在skills里写死了题量与时间配比的默认逻辑。默认配置是45分钟课堂例题3道每道例题配12道变式课后练习4道其中2道巩固、1道挑战、1道拓展。这样一个知识点的完整课时大约覆盖910道题其中课堂内完成56道课外完成4道。数学竞赛的一节课和普通课不一样学生需要比较长的时间沉浸在连贯的思路推进里频繁切换题目会破坏思考深度。计算逻辑是这样的一节课45分钟前5分钟回顾和引入中间35分钟讲练结合最后5分钟总结与留作业。35分钟的核心时段里一道中等偏难的竞赛例题学生独立想听讲复盘大约需要810分钟。这样3道例题已经占满了核心时段每道例题的变式只能作为第一道做给老师看第二道学生自己做的即时检测。课后4道练习则安排在课外时间每道平均2030分钟保证学生有充分的独立思考和书写时间。3.3 难度系数的校准方法这里补充一个关键细节难度档位表只是预设值真正要让它准确必须做数据校准。怎么校准靠学生的完成数据。我常用的校准公式是若一道题的班级正确率超过80%说明它只起到了熟悉题型的作用没有足够挑战性下次同类知识点要把难度上调半档到一档若正确率低于20%说明这题超出了大多数学生的最近发展区看见题目就放弃了下次下调一档正确率在40%60%区间说明难度合适维持不变。这个校准逻辑我也写进了skills的反馈模块里——每次课后技能会根据学生反馈和正确率数据自动调整难度映射表中各个档位的默认比例。跑过三轮之后生成的学案就像一双穿过一段时间的手套越用越贴合手型。4. 实操流程从输入学生画像到输出可发学案的四步走4.1 第一步维护一份学案规范文件我强烈建议不管你是自己用还是教研组一起用先把学案规范文件写出来。这份文件是让AI输出稳定的地基也是未来所有学案统一风格的总纲。我的规范文件包含六个强制栏目目标栏本节课要达成的能力目标、知识链接栏唤起哪些旧知、例题栏核心讲解题目含思路分析和方法提炼、变式栏随堂检测的变形题、方法沉淀栏用几句话概括本节课的方法论、课后作业栏分层布置。你看这六栏其实对应的正是前面拆解的教研决策节点。每一栏都在约束AI让它生成的不只是题目集而是完整的教学流程方案。规范文件里还要写清细节格式包括每道例题需要标注难度档位和来源、解答过程必须具名写出关键步骤不允许只给化简得、变式题必须与例题共享核心方法但改变表面形式。这些要求看起来琐碎实际它决定了学案的可用性。4.2 第二步调用skills生成初稿我以一次真实操作为例。某次我给高一一个刚接触数竞的班做柯西不等式及其变形学案输入的学生画像是高一联赛方向刚起步已掌握均值不等式但不会处理结构不对称的分式型不等式每周自学时间约3小时上一份学案中二次型配方法的完成率不错但待定系数类技巧失分高。skills生成初稿的用时大约是5分钟。它给了我一版学案目标栏写的是能识别柯西不等式适用的结构特征掌握凑配法与待定系数法两类变形手段知识链接栏自动调出了均值不等式与向量点积作为预备知识例题栏选了3道从易到难的题目分别是标准型柯西、分式型凑配、带参数的柯西变形每道例题下配了变式最后还给出了一份课后作业。这版初稿的完整性已经达到了可以直接上课的七成水平。剩下三成是什么是人味——它不知道我上周课堂里跟学生强调了什么易错点不知道这个班有两个学生的特殊情况这些信息需要我在下一环节补充修正。4.3 第三步人工把关与修订AI初稿再好也必须过教练的眼。这是经验问题不是效率问题。我的把关流程有固定的三看一看难度匹配把学案里每道题的难度档位与班级实际情况对照感觉偏难或偏易就换题或调整标注二看逻辑连贯性检查例题和变式是否在同一个思维框架内演进避免例题讲的是柯西变式却跳到了排序不等式三看解答严谨性重点排查那些跳步严重的环节把关键的因式分解、参数讨论步骤补全。这一次我做了三处修订把第二道例题的来源换成了去年某省联赛真题的改编版因为原题对高一学生太直接把第三道例题的变式改成了与待定系数法相关的一道小题因为上一份学案的失分点就在这把知识链接栏里默认的向量形式柯西挪到了课后阅读材料课堂时间不够讲。整个过程大约15分钟。4.4 第四步回收反馈、迭代skill学案发出去了不等于工作结束真正让skill变强的是课后反馈环节。每次作业批改后我会把三个数据录进skill完成率、各题正确率、学生问得最多的问题描述。这些反馈会驱动skill对难度映射表做校准。我这里举一个真实的数据反馈案例一次数列放缩学案第三道例题也就是压轴题的直接正确率只有18%但我从学生的问题描述中发现大部分错误发生在裂项放缩的缩放尺度这一步。这说明问题不在难度档位而在前置知识——学生对裂项模式的敏感度不够。于是我更新了学生画像的当前盲区一栏并在下一份学案的知识链接栏里加入了裂项模式识别的基本训练。这种动态迭代正是一体化和一次性打印的本质区别。5. 真实踩坑记录与问题排查速查表5.1 坑一skills生成的学案难度飘移我第一个月用的时候就遇到一个问题同样输入联赛一试层次上周的学案难度正常这周同一档位却突然变成二试难度。排查了半天发现是学生画像里的已掌握的方法工具字段填得太满AI误以为学生已经具备了大量高阶工具于是上调了难度。解决方案是在skills规范文件里加了一条硬性约束——难度档位必须严格按照难度映射表执行学生画像中已掌握字段只能作为备选延展参考不能作为难度上调依据。这个坑的深层原因是AI非常容易被输入上下文中的丰富性误导我们必须给它一个连接输入和输出的确定性锚点否则它的输出会左右摇摆。5.2 坑二例题撞车严重运行到第三周我发现不同学案之间开始出现重复例题。原因是AI的训练数据中竞赛题的高频例题就那些每次选题时它都会优先选最典型的结果就是重复。特别是均值不等式与最值这类经典主题几乎每份学案都能撞上同一道题。我的处理办法是在题库清单模块里维护一个最近选题记录每份学案生成后把选用的题目编号记录下来下一个主题的skills调用时会主动避让近三周已经用过的题目。这个去重轮询机制很简单但极其有效。5.3 坑三AI在竞赛题严谨推理上翻车竞赛数学有一个特殊性——对严谨度要求极高一个细节失误就可能导致整个解答链崩塌。AI在处理代数运算时可以很稳定但在涉及充分必要性讨论和含参分类讨论时偶尔会出现逻辑跳跃或漏情况。我的应对策略是在修订规则中加了文言双重验证环节——每次生成解答后强制AI自问三遍这个条件满足充分性吗这个分类穷尽所有情况了吗这个不等式的取等条件成立吗同时教练把关时专门检查这类题目的解答过程。这提醒大家AI生成的学案可以大幅提升效率但最后的数学品质责任一定在作为教练的自己手上。5.4 常见问题速查表为了便于大家快速定位问题我把这几个月遇到的重要问题整理成了一张速查表。| 症状 | 可能原因 | 处理建议 | | 学案难度整体偏高 | 学生画像中目标赛事设置过高或难度映射表未适配 | 检查目标赛事字段调整L3/L4占比 | | 例题重复率高 | 题库清单缺乏去重机制 | 加入近三周选题记录强制避让 | | 解答过程跳步 | AI压缩了推理步骤 | 规范文件中明确不允许省略关键步骤逐题把关 | | 学案篇幅过长 | 变式和练习项太多 | 缩短变式数量每题标注时间按课堂总时间硬约束 | | 学案风格与班级不搭 | 示例学案与企业风格不匹配 | 更换示例学案示例中要放最贴近你教学风格的样本 | | 知识点覆盖不均衡 | 题库清单偏向常见模块 | 梳理考点覆盖矩阵为低频模块做加权提示 | | 内容更新跟不上新题 | 缺乏对最新竞赛题的注入 | 每学期初更新题库清单补充新题来源 |这张表格我贴在工位上每次skills输出异常先对号入座看看绝大多数情况下问题能快速定位。6. 写在最后我自己踩完坑之后的一些体会这套方法论跑了一个学期之后我最直观的感受是学案制作的时间成本被压缩了六成以上但真正的红利并不是时间而是教研的可复制性。现在教研组里哪怕只有我一个人掌握这套工作流我也可以把规范文件、难度映射表和修订规则共享给其他老师他们用同一套skill也能做出七成相似的学案。团队内部的风格统一问题第一次可以通过工具层面解决而不需要靠反复开会强调。最后再分享一个小技巧别急着把skill设计得很大。我最初的错误是想做一个全自动教研员输入教材目录就输出整学期的学案结果生成的每一份都不好用——目标太大了AI把握不住。后来我把skill拆细按知识点课时粒度一个一个建立子技能今天做一个柯西不等式专题明天做一个数列放缩专题每种子技能都是独立的。这样每个技能都能被反复打磨、测试、改到顺手最后组合在一起才形成真正可用的学案生产系统。这个思路也适用于任何想尝试用skills改造自己工作流的人从小处着手先解决你最痛的那个环节跑通一个再复制到下一个。