教师备课七项提示词结构（编号-角色-目标-红线-流程-格式-执行）
这套方法解决什么
一线教师在使用对话式生成式 AI 辅助备课时，经常出现练习题难度失衡或超纲、教案完整却千篇一律、学情分析只给出平均分与笼统建议的问题。问题根源往往不是模型不够强，而是教师未把教学思路外化为可验收的输入条件。该方法把一次备课任务的提示词拆为七项结构，使模型输出的每一条都能回到具体的验收点。
七项结构
按文章出现顺序，七项结构依次为：
- 编号：以"年级—学科—主题—日期"等方式为每次任务建立可追溯编号，便于在多轮对话中区分班级、版本和修改轮次，避免误把旧稿当定稿。
- 角色：同时说明学科或岗位、面对的学生、擅长领域与表达风格。例如"十年经验的小学语文班主任，温暖真诚，针对积极发言但作业粗心的学生"。
- 任务目标：明确"教到什么程度"，而不只是"做什么"。需写明篇幅、必须包含的环节、重难点、互动方式、学情预设和预期效果，作为可判断交付是否合格的验收条件。
- 规则红线：用负面清单缩小生成空间，例如"不超纲、不含不合年龄情境、数据简洁、表达无歧义"。红线对练习题尤其关键。
- 工作流程：把复杂任务拆成可逐项核查的步骤。例如月考学情分析按"统计—诊断—个体—干预"分四步，不让模型一步跳到结论。
- 交付格式：规定 Markdown 标题层级、表格、思维导图或打印稿等具体结构，便于二次排版与课堂使用。
- 执行指令：在所有条件后给出开始执行的信号，使模型按已设定的角色和约束输出。
适合哪些情况
- 已经熟悉课程和学生，但发现模型输出过于空泛，希望提高初稿可用率的教师。
- 需要在短时间内为分层练习、公开课教案、期末评语或复习材料生成结构化初稿的教研人员。
- 需要把学情数据整理成"统计、薄弱点、个体变化、干预建议"四段式分析的备课场景。
不适合或需要谨慎使用的情况
- 教师缺少对教学目标的判断、无法写出验收标准时，应先暂停生成并补做教学判断，不适合直接套用本结构。
- 含姓名、学号、成绩、健康或家庭信息的原始学生数据，应先做去识别化再考虑上传，并按学校制度与所用服务当前的隐私条款复核。
- 模型输出不能替代教材核对、题目验算、事实核查与课堂观察。"格式清楚"只降低二次排版成本，不等于内容已准确。
与其他方法的关系
- 与 两轮法（先问 AI 方法再生成提示词） 配合使用：新手先用两轮法获得提示词骨架，再按七项结构填充具体条件。
- 与 教学输出的人工验收清单（教材/课标/学情/隐私） 配合使用：七项结构负责"约束生成"，人工验收清单负责"在交付前对照教材、课标、学情、隐私逐项核查"。
- 与 Wiki 现有的
methods/method-complex-task-decomposition、methods/method-prompt-from-final-output 等方法在"把人类判断写进输入"上精神相通，但本方法只针对教学备课场景，并新增课标、学情、分层难度等教育专属验收点。
相关页面
来源边界
- 来源直接给出七项的结构名称与对应示例。结构排序按文章出现顺序整理。
- "改进输出"为作者在文中描述的预期改善，并非经过课堂使用或第三方验证的结果。
- 文章未公开完整对话日志、模型名称、真实学生数据表或使用后效果数据。