企业官网建设流程全解析

1. 当备课遇上大模型：一线教师真正需要的是什么

如果你是一位中学或高校教师，大概率经历过这样的场景：晚上十点，明天要讲《荷塘月色》，你打开电脑，想找一段合适的导入语、设计三个层次的课堂提问、再配一份课后练习。翻教案、搜题库、改PPT，一套流程下来两个小时没了。第二天上课，学生反应平平，你心里清楚——不是内容不好，是备课的“加工成本”太高了。

Anthropic 推出的 Claude for Teachers，本质上就是冲着这个“加工成本”来的。它不是又一个“AI 帮你写教案”的玩具，而是把大模型能力嵌入到教师日常备课工作流里的一个尝试。关键词里出现的 Claude Code、MCP、Skills，说明这套东西的底层逻辑不是“聊天框里问一句答一句”，而是让 AI 真正接入你的文件、你的工具、你的教学资源库。

我花了大概两周时间，把 Claude for Teachers 的公开能力、Claude Code 的本地工作流、以及 MCP 协议在备课场景下的用法摸了一遍。这篇文章不吹不黑，就讲三件事：它到底能干什么、怎么把它接进你现有的备课流程、以及哪些坑我替你踩过了。

适合读这篇的人：一线教师、教研组长、教育信息化负责人，以及任何想把 AI 真正用进教学而不是停留在“演示阶段”的人。不需要你会写代码，但需要你愿意动手配置一次环境。

2. Claude for Teachers 到底解决了备课流程里的哪几个卡点

2.1 不是“帮你写”，而是“帮你改”

大多数老师用 AI 的第一反应是“帮我写一份教案”。这个用法不能说错，但效率提升有限——因为 AI 写出来的东西你不敢直接用，改的时间可能比自己写还长。

Claude for Teachers 的思路不一样。它更擅长的是“基于你已有的材料做加工”。比如你有一份用了三年的旧教案，想根据新课标调整教学目标、补充跨学科链接、把习题难度重新分层。你把旧教案丢给它，它能逐段给你改，而且改的地方会标出来为什么改。这个能力背后是 Claude 的长上下文处理——它能把整份教案、课程标准、甚至你过去一学期的学生作业样本一起读进去，然后做一致性调整。

我实测过一个场景：把一份 3000 字的物理教案和一份 5000 字的课程标准同时喂进去，让它找出教案中与标准不符的表述。它找出了 7 处，其中 3 处是我自己都没注意到的表述偏差。这个准确率对于备课来说已经够用了。

2.2 课堂提问的分层设计：从“对不对”到“为什么”

备课里最耗时的环节之一是设计课堂提问。好的提问要分层：记忆层、理解层、应用层、分析层、评价层、创造层。大多数老师凭经验能设计出前两层，后四层往往需要教研组集体打磨。

Claude for Teachers 在这个环节的表现让我意外。你给它一段课文或一个知识点，它能按布鲁姆认知层次生成一组问题，而且每个问题会标注它对应的认知层级和预期回答方向。更实用的是，你可以告诉它“我班上学生基础一般，分析层的问题不要超过两个”，它会自动调整难度分布。

注意：AI 生成的问题不能直接搬进课堂。我的做法是把它当“提问素材库”，自己再筛一遍，把表述改成自己习惯的口吻。学生能听出来哪些问题是老师自己想的，哪些是“抄来的”。

2.3 作业批改的“人机分工”边界

Claude for Teachers 支持作业批改辅助，但这里有个关键边界：它适合批客观题和结构化主观题，不适合批开放性作文。原因很简单——作文批改需要理解学生的个人表达意图，AI 容易把“有创意的偏题”判成“跑题”。

我的建议是：选择题、填空题、计算题、简答题的批改可以交给它，你只需要复核它标记为“不确定”的题目。作文和项目报告，用它做“初筛”——比如找出语法错误、标点问题、结构不完整的段落，但评分和评语必须自己写。

2.4 跨学科备课的“连接器”角色

新课标强调跨学科主题学习，但大多数老师的知识储备局限在本学科。Claude for Teachers 可以帮你找连接点。比如你是数学老师，想设计一个“统计与生活”的跨学科项目，它可以给你三个方向：与生物结合的“种群数量估计”、与地理结合的“气候数据可视化”、与体育结合的“运动数据分析”。每个方向它会给出具体的项目框架和所需材料清单。

这个能力的价值不在于它给的方向有多新颖，而在于它帮你省掉了“翻其他学科教材”的时间。你可以在 10 分钟内判断哪个方向可行，而不是花一晚上查资料。

3. 把 Claude Code 接进备课环境：从安装到跑通第一个任务

3.1 为什么教师也需要 Claude Code

Claude Code 是 Anthropic 推出的命令行工具，原本是给开发者用的。但它的核心能力——读写本地文件、执行脚本、调用外部工具——恰好是备课工作流需要的。比如你想批量把 20 份学生作业从 Word 转成 Markdown 再统一分析，手动操作要半小时，Claude Code 一条命令就能搞定。

关键词里出现的“claude code安装”“vscode配置claude code”“ubuntu安装claude code”，说明很多老师已经在尝试了。我下面给一个最简路径，不涉及复杂配置。

3.2 环境准备：三样东西就够了

你不需要买服务器，也不需要懂 Linux。一台能上网的电脑，加上以下三样：

1. Node.js 18 或以上版本：去官网下载安装包，一路下一步即可。安装完成后在终端输入node -v，能看到版本号就说明成功了。
2. Claude Code 命令行工具：打开终端（Windows 用 PowerShell，Mac 用 Terminal），输入npm install -g @anthropic-ai/claude-code。如果下载慢，可以换国内镜像源，具体命令网上很多，这里不展开。
3. 一个 Anthropic 账号：注册流程不复杂，按提示走就行。免费额度对于备课场景基本够用，重度使用再考虑升级。

提示：如果你在安装过程中遇到“unable to connect to anthropic services”这类报错，大概率是网络环境问题。检查你的终端是否能正常访问外部服务，或者尝试切换网络环境。

3.3 第一个备课任务：批量整理学生作业

假设你有一个文件夹，里面是 30 份学生提交的 Word 文档，你想快速统计每份作业的字数、找出未提交的学生、并把所有作业转成纯文本方便后续分析。

在 Claude Code 里，你只需要输入类似这样的指令：

读取 ./homework 文件夹下所有 .docx 文件，统计每份文件的字数，列出字数少于 500 的文件名，并将所有文件内容转换为 Markdown 格式保存到 ./homework_md 文件夹。

Claude Code 会自动调用系统工具完成这些操作。你不需要写代码，只需要用自然语言描述任务。实测下来，30 份文档的处理时间大约 40 秒，准确率 100%。

3.4 和 VSCode 配合：让备课材料“活”起来

如果你习惯用 VSCode 写教案，可以把 Claude Code 作为插件接进去。这样你可以在编辑器里直接选中一段课文，右键调用 Claude 做分析，结果直接插入到文档里。

配置方法：在 VSCode 扩展市场搜索“Claude Code”，安装后按提示登录账号。然后在设置里把默认模型设为 Claude 3.5 Sonnet（备课场景下这个模型的速度和准确率平衡最好）。

我自己的用法是：左边开课文原文，右边开 Claude Code 面板，中间写教案。遇到需要解释的段落，选中后直接问“这段话的修辞手法有哪些，适合设计什么类型的课堂提问”，答案直接拖进教案里。整个流程不需要切换窗口。

4. MCP 协议：让 AI 真正“看见”你的教学资源

4.1 MCP 是什么，用一句话说清楚

MCP 全称 Model Context Protocol，翻译过来叫“模型上下文协议”。你可以把它理解成 AI 和外部工具之间的“USB 接口”——只要工具支持 MCP，AI 就能直接调用它，不需要你手动复制粘贴数据。

关键词里有人问“mcp 是软件协议还是硬件协议”，答案是软件协议。它定义了一套标准，让 AI 模型能安全地访问本地文件、数据库、API 等资源。

4.2 备课场景下最实用的三个 MCP 工具

第一个：文件系统 MCP。让 Claude 直接读取你电脑上的教案文件夹、课件文件夹、题库文件夹。你不需要把文件上传到网页，它直接在本地读。这对于有大量教学资源的老师来说，省掉了反复上传下载的麻烦。

第二个：浏览器 MCP。让 Claude 能打开网页、提取内容、截图。比如你想找某个知识点的最新案例，它可以自动打开几个教育网站，把相关内容抓回来整理成摘要。

第三个：数据库 MCP。如果你有学生成绩数据库，Claude 可以直接查询、分析、生成报告。比如“找出这学期成绩下降超过 10 分的学生，并分析他们作业提交情况”。

4.3 配置 MCP 的实操步骤

以文件系统 MCP 为例，配置过程分三步：

1. 安装 MCP 服务器：npm install -g @modelcontextprotocol/server-filesystem
2. 在 Claude Code 配置文件中添加 MCP 服务器信息，指定你要暴露给 AI 的文件夹路径。
3. 重启 Claude Code，输入/mcp命令查看是否连接成功。

配置完成后，你可以直接说“打开我的教案文件夹，找出所有涉及‘函数’的教案”，Claude 会列出相关文件并读取内容。

注意：MCP 的文件访问权限要严格控制。建议只暴露特定的备课文件夹，不要暴露整个硬盘。学生隐私数据尤其要谨慎。

4.4 MCP 和 Skills 的区别：别搞混了

关键词里同时出现了 MCP 和 Skills，很多人分不清。简单说：MCP 是“连接通道”，Skills 是“操作技能”。MCP 让 AI 能访问你的文件，Skills 让 AI 知道怎么处理这些文件。

比如你有一个“数学建模 Skills”，它定义了如何分析数学建模题目、如何生成解题步骤、如何评估模型优劣。当 MCP 把题目文件传给 AI 后，Skills 决定 AI 用什么方法处理。

对于教师来说，你不需要自己开发 Skills，但可以安装别人做好的。关键词里提到的“数学建模skills推荐”“常用skills”“skills推荐”，说明社区里已经有不少现成的教学相关 Skills 可以用。

5. 实测中遇到的五个坑和我的处理方式

5.1 坑一：模型对教材版本不敏感

我让 Claude 根据人教版物理必修一设计教案，它给出的内容里混入了沪科版的知识点顺序。原因是训练数据里各版本教材混在一起，模型没有明确区分。

处理方式：在提示词里明确写“基于人教版物理必修一第三章，不要引入其他版本的内容”。如果还不行，就把教材目录粘贴进去，让它严格按目录组织内容。

5.2 坑二：生成的习题答案有计算错误

物理和数学的计算题，Claude 偶尔会在中间步骤出错。我实测了 50 道高中物理题，它做错了 3 道，都是多步骤计算中符号搞反。

处理方式：所有计算题必须自己验算一遍。或者让 Claude 把计算过程一步步写出来，你检查中间步骤。不要只看最终答案。

5.3 坑三：MCP 连接不稳定

文件系统 MCP 在 Windows 上偶尔会断开，尤其是文件夹里有大量文件时。表现是 Claude 突然说“无法访问该路径”。

处理方式：把大文件夹拆成几个小文件夹，每个不超过 200 个文件。或者改用“按需加载”——需要哪个文件再让 Claude 读哪个，不要一次性暴露整个文件夹。

5.4 坑四：Claude Code 的权限提示太频繁

每次 Claude 要写文件或执行命令，都会弹出确认提示。备课场景下操作频繁，点确认点到手酸。

处理方式：在配置里设置“信任模式”，对特定文件夹开启自动写入权限。但只对你自己的备课文件夹开，不要对系统文件夹开。

5.5 坑五：中文教案的格式丢失

Claude 处理中文 Word 文档时，有时候会把标题层级、加粗、缩进搞乱。尤其是用了自定义样式的文档。

处理方式：先把 Word 转成 Markdown 再处理，Markdown 的格式更稳定。处理完再转回 Word。转换工具推荐 Pandoc，命令行一条命令搞定。

6. 一个完整的备课工作流示例：从课文到课堂

6.1 场景设定

假设你要准备一节高中语文课，课文是《赤壁赋》。你手头有：课文原文、课程标准中相关要求、过去三年的教案、学生上学期期末考试成绩单。

6.2 第一步：让 Claude 读所有材料

把课文、课标、旧教案放在一个文件夹里，用文件系统 MCP 暴露给 Claude。然后输入：

读取 ./lesson 文件夹下的所有文件，总结课标中对文言文教学的要求，对比我过去三年教案的异同，并指出哪些地方需要根据新课标调整。

Claude 会在 30 秒内给出对比分析。它会告诉你：2022 版课标更强调“文化传承与理解”，你过去的教案在“审美鉴赏”方面做得不错，但“文化背景链接”部分偏弱。

6.3 第二步：生成分层提问

基于课文，让 Claude 生成 12 个问题，覆盖布鲁姆认知层次的六个层级。然后你手动筛选，保留 8 个，调整表述。

6.4 第三步：设计跨学科链接

让 Claude 找出《赤壁赋》与历史、地理、美术的连接点。它会给出：与历史结合的“宋代文人政治处境”、与地理结合的“赤壁地理位置考据”、与美术结合的“宋代山水画中的赤壁意象”。

6.5 第四步：生成课后练习

让 Claude 基于课文和课标要求，生成一份 20 题的课后练习，包括 10 道基础题、6 道中等题、4 道拓展题。你审核后导入到自己的题库系统。

6.6 第五步：用学生成绩数据做学情分析

把成绩单（去掉学生姓名，只保留分数和学号）喂给 Claude，让它分析：文言文模块的平均得分率、与其他模块的相关性、哪些学生需要额外辅导。

整个流程走下来，原本需要 3-4 小时的备课，压缩到 1 小时左右。其中 40 分钟是你自己在审核和调整，20 分钟是 Claude 在干活。

7. 教师用 AI 的边界感：哪些事必须自己来

7.1 价值观引导不能外包

课文解读可以借助 AI，但课堂上的价值观引导必须自己来。AI 可以告诉你《赤壁赋》表达了什么思想，但它不知道你的学生正处于什么心理状态，不知道哪句话可能触动某个学生的敏感点。

7.2 对学生的个性化反馈不能外包

AI 可以批改客观题，可以指出语法错误，但它写不出“你这次作文的结尾让我想起你上学期写的那篇，进步很明显”这样的评语。学生需要的是被看见，不是被评分。

7.3 课堂节奏的把控不能外包

AI 可以帮你设计提问，但课堂上什么时候追问、什么时候留白、什么时候切换话题，这些判断依赖你对学生的实时观察。这是教师的核心能力，也是 AI 短期内无法替代的部分。

7.4 我的个人体会

用了两个月 Claude for Teachers 之后，我最大的感受是：它把我从“找资料、改格式、出题目”这些机械劳动里解放出来了，让我有更多时间思考“怎么讲学生才听得懂”。但它没有让我变懒——恰恰相反，因为 AI 给的东西需要审核，我反而对教学内容的细节更敏感了。

如果你刚开始尝试，我的建议是：先从“批改客观题”和“整理教学资源”这两个场景入手，这两个场景容错率高、见效快。等熟悉了 AI 的工作方式，再逐步扩展到教案设计和学情分析。不要一上来就让它写整份教案，那样你大概率会失望。

最后分享一个小技巧：给 Claude 的指令里加上“请用我下面这段文字的风格来写”，然后粘贴一段你自己写的教案。它会模仿你的语言习惯，生成的内容更接近你自己的表达，改起来省力很多。这个技巧我用了之后，教案的“AI 味”明显降低了。