教学机遇与提示词方法

完成本节后，你将能够：

• 辩证看待 AI 幻觉：在科学发现与课堂教学中，它既可能是风险，也可能是讨论与创新的契机；
• 按「人类探究 → AI 支持 → 人类深化提升」框架设计一次备课或学习任务；
• 使用提示词工程中的 CRE（情境—角色—期望）方法编写可迭代的教学提示，并完成一项实践任务。

对一项新技术，最危险的往往不是技术本身，而是人们未经思考与审慎地使用它。

科学中的「幻觉」启发
蛋白质设计领域，有团队将 AI「错误折叠」带来的意外结构视为从零设计新蛋白质的线索，相关工作与 2024 年诺贝尔化学奖议题相关；多篇论文甚至把「幻觉」写入标题。这说明：在受控的研究流程里，出人意料的模型输出可以成为假设来源——前提是实验与同行评议把关。

课堂中的错误输出
初中语文课例《论语中的交友智慧》中，模糊提示词导致 AI 给出错误解释。教师若加以利用，可以：①打破「AI 输出即真理」的惯性；②反向追问错误成因，训练学生把提示写清楚、把结论核实清楚。

因此，幻觉不是单纯的「好」或「坏」，而是场景依赖的特性：创意课可审慎放大，严谨课必须压制与核查。

案例：历史老师备《古代丝绸之路》

1. 探究：目标定为了解路线、地区、商品与文化交流意义；想清楚呈现方式；列出关键问题（路线如何影响交流？哪些商品最具代表性？）。
2. 支持：向 AI 提供已有材料与问题，获取路线图草稿、商品介绍、交流实例与概念梳理；筛选与目标相关的部分。
3. 深化：删除错误与不当内容，改路线图、补证据、做引用与课堂活动设计——成果的决定权在教师。

提示词工程 的本质，是用语言约束模型的工作边界，降低胡编与跑题的可能。常用策略包括：

• 时间锚定：如「基于某年之前的公开学术文献……」以降低对「未来事实」的虚构；
• 知识锚定：限定权威来源，并要求信息不足时标明「暂无可靠数据」；
• 领域限定：赋予专业角色（如临床医学专家）并限定任务范围；
• 置信度声明：要求不确定处以【推测】等标签标出；
• 上下文提示：粘贴权威片段，要求分析与原文的逻辑关联；
• 对抗与链式验证：要求列出可能使答案出错的假设、交叉检查来源与可信度等级。

本节重点掌握教育者常用的 CRE 框架（Context / Role / Expectation：情境、角色、期望）。详细、具体的指令，更有利于得到相关回复；迭代是关键——根据输出再改提示，直到可用。

• C 情境：提供必要背景，例如「想象你在一所有……特色的高中任教……」
• R 角色：明确模型应采取的视角，例如「你是一名高中生物学教师……」
• E 期望：说明结果形态与任务，例如「写一份约 500 字的生物学课时计划……」

提示词是否完整？三则对照

1. 「假如你是一位英语老师，打算利用 AI 写一个关于狗的故事。」——缺情境（学段与用途）与期望（完整故事 / 大纲 / 创意？）。
2. 「给我的九年级英语课写个故事：男孩和家狗在狗展获蓝丝带。」——有粗线条的 C/R/E，但情境仍可更具体（偏阅读还是写作？词汇目标？）。
3. 「给即将升入九年级、人物塑造仍有困难的学生写幽默故事：过于自信的吉娃娃与 10 岁男孩在狗展获全场最佳；用生动描写与意外转折，语言控制在八年级阅读水平。」——C、R、E 与可读性要求都更清楚，可作为迭代后的范例。

先完成一道辨析，再任选一项任务，在你常用的生成式工具中实际走一遍「目标 → 提示 → 审查 → 迭代」。

任务一：用 AI 创建课时设计
明确年级、主题、2–3 条学习目标、拟采用的教学策略 → 编写含 CRE 的提示 → 审查是否准确相关 → 迭代修订至满意。

任务二：用 AI 设计学习资源
选定资源类型（讨论问题、例题、阅读清单、设计思维提示等）与覆盖的主题/技能 → 写提示 → 审查 → 迭代。

任务三：在 AI 支持下开发评估
明确评估类型（诊断 / 自我反思 / 总结等）、技能、题型与体量 → 写提示 → 审查 → 迭代。

完成后自问：输出是否与目标一致？你改了什么？下一次提示会怎样写得更短却更清楚？

• 未经审慎的使用，比技术本身更危险；幻觉可作风险，也可作教学与发现的材料。
• 人机协同三段式保证：人开头、人收尾，AI 居中辅助。
• CRE（情境—角色—期望）+ 迭代，是教育者可立刻上手的提示词方法。
• 用一次真实的备课 / 资源 / 评估任务，把方法练成习惯。
• 必修单元到此告一段落；后续选择性必修将进入具体工具与工作流。