DeepSeek

把 DeepSeek 放回 大语言模型 的通用图景中理解：它能加速备课与资料整理，也会产生 幻觉；学会用「可核验」标准决定哪些输出可进教学设计，哪些必须改写或丢弃。

教师接触到的对话式模型产品名称在快速更迭，能力边界却高度相似：根据提示生成流畅文本、整理提纲、改写学案、草拟题目。DeepSeek 是其中被广泛讨论的中文友好选项之一。真正决定教学质量的，不是记住某一个产品口号，而是建立可迁移的使用习惯——提问是否清楚、输出是否可核对、责任是否仍在教师手中。

在备课与 AIGC 场景中，模型常见用途包括：根据课标与学情草稿教学大纲；把长文压缩为课堂可用要点；生成分层练习的初稿；把口语化想法改写成更规范的学案表述；以及配合工具快速出 PPT、思维导图等草稿。这些都属于「加速起草」，不是「自动完成专业判断」。

使用时建议固定三问：

1. 我有没有给出足够的情境（学段、学科、课时、学生已知）？
2. 输出里哪些句子必须能指向可核对来源？
3. 若去掉 AI，我是否仍能解释为什么这样教？

若第三问答不上来，说明思考被外包了——这正是需要警惕的 认知外包。

幻觉 指模型生成与事实不符、逻辑断裂或脱离上下文的内容。其机制并非「故意撒谎」，而是按提示续写「看起来最可能」的文本。流畅度高，不等于可靠度高。演示里「一分钟出成品」很诱人，更要在成品进入课堂前完成核对。

教学中的务实对策：

• 对年代、数据、引文、公式、法规等硬事实默认不信任，直至核对；
• 要求模型标注不确定处，或同时给出「可能出错的假设」；
• 把幻觉当作课堂资源时（例如让学生找错），目标必须写清楚，避免学生把错误当权威；
• 创意激发场景可以更宽松，严谨评估场景必须更严格——同一特点，场景不同，价值不同。

推荐把 DeepSeek（或其他同类模型）嵌进「人提出问题 → 模型起草 → 人验收」的闭环，而不是「一问一贴进课件」：

1. 用简短的 提示词 先澄清任务（可用 CRE：情境 / 角色 / 期望）；
2. 让模型产出结构草稿；
3. 你删改、补证据、对齐课标；
4. 必要时再问第二轮：「指出草稿中最可能出错的三处」。

产品会变，这条责任链不应变。

任选一课，向模型提出一次备课请求，要求输出中必须包含：

1. 教学目标 2–3 条；
2. 一个可能的导入活动；
3. 单独一栏「需人工核对」，列出至少三处事实或表述。

完成后，你亲自核对其中至少一处，并记录：保留、改写还是整段废弃。把这次经验写成可复用的个人规范（两句话即可）。

• DeepSeek 属于 大语言模型 应用；价值在起草与整理，不在自动背书。
• 幻觉 是概率生成的副产品；硬事实必须人工核对。
• 可持续的用法是人机闭环，而不是把判断权交给界面。