1. 老师如何用 WorkBuddy 打通备课全流程｜线下培训万字分享

▲ WorkBuddy 备课培训现场

前几天，我在承德应用技术职业学院做了一场教师培训，主题叫《从会问 AI，到会给 Agent 派活》。

这场培训没有从「AI 是什么」开始讲。

原因很简单：很多老师已经不是 AI 小白了。
他们已经会用 AI 写材料、查资料、做课件、改文字。
真正的问题不是「有没有用过 AI」，而是大多数人的使用方式还停留在单点问答。

比如：

帮我写个教案。 帮我做个 PPT。 帮我出几道题。

这当然有用，但价值有限。

因为真实的教师工作不是一个个孤立的文字任务，而是一整条链路：课程标准、教材资料、学情分析、教案、课件、课堂活动、测验题库、课后作业、批改评价、诊改反思。

如果只让 AI 帮你写一段话，它只能解决一个点。

如果能把一整段教学工作交给 Agent，让它读材料、找资料、做映射、出方案、生成文件，再把高频流程固化成 Skill，这件事的性质就变了。

这篇文章就是那场培训的文档版教程。

我会尽量还原现场的核心认知和实操路径。
读完之后，你不一定能完全复刻现场的每一步，但至少能掌握这套工作方法的 80%。

1.1. 先换一个问题：不要问「怎么问 AI」，要问「怎么给 Agent 派活」

过去我们谈 AI，经常会谈「提示词」。

但提示词这个词很容易让人误解，好像只要找到某个神奇句式，AI 就会突然变聪明。

现场我更愿意用另一个说法：给 AI 派活。

给 AI 派活，本质上很像给一个新同事布置工作。
你不会只对一个同事说「去做个材料」，然后期待他交出完全符合你要求的结果。

你通常会交代这些东西：

• 目标是什么
• 材料在哪里
• 有哪些规则
• 大概按什么流程做
• 最后怎样算合格

AI 也是一样。

目标不清楚，它会自己猜。
材料不给，它会用公共知识补。
规则不说，它不知道边界。
验收标准没有，它可能做出一份看起来完整、实际上不能用的东西。

所以，AI 培训真正应该教的，不是记几个提示词模板，而是训练一种新的工作方法：把任务讲清楚，把材料准备好，把边界说清楚，把验收标准立起来。

这就是从「问 AI」到「给 Agent 派活」的第一步。

1.2. SGP：普通老师也能说出来的派活结构

如果只记一个提示词结构，我建议先记 SGP。

它不是玄学技巧，只是把一个任务讲清楚的最小结构。

S 是 State，现状是什么。

比如：

我刚接了一门《人工智能通识概论》，手上现在有一份课程标准、一份课程整体设计，还有前辈留下的一份第一单元教案。

G 是 Goal，目标是什么。

比如：

我想知道这门课整体怎么安排，第一单元教案结构是什么样，以及我现在第一步最应该干什么。

P 是 Process，过程怎么走。

比如：

你按真实老师备课的顺序给我建议就行，不用直接帮我写教案。

合起来，它就是一个非常自然的老师口吻：

我刚接了一门《人工智能通识概论》，手上现在只有一份课程标准、一份课程整体设计和前辈留下的第一单元教案。 我想知道这门课整体怎么安排，第一单元教案结构是什么样，以及我现在第一步最应该干什么。 你按真实老师备课的顺序给我建议就行，不用直接帮我写教案。

这段话不复杂，也不专业。

但它比「帮我写个教案」稳定得多。
因为它把现状、目标和过程都交代清楚了。

1.3. Chatbot 回答一句话，Agent 接手一件事

很多人第一次接触 Agent，会觉得它只是一个更强的聊天机器人。

这个理解不准确。

Chatbot 的基本工作单位是一轮问答。
你问一句，它答一句。
它适合快速解释概念、改写文字、生成一段内容。

Agent 的基本工作单位是一件任务。
它会围绕目标持续推进：读文件、查资料、调用工具、生成文档、发现问题、调整计划，再继续执行。

Agent 能做事，不是因为它更会聊天，而是因为它有三样东西：

一是工具。
它可以读 Word、转 Markdown、联网搜索、生成 PPT、写 HTML、处理 CSV。

二是状态。
它知道自己已经做到了哪一步，读过哪些材料，还缺什么。

三是循环。
它不是一次性回答，而是在「计划 -> 执行 -> 检查 -> 修正」里持续逼近目标。

这也是为什么现场我没有只打开一个普通聊天框，而是用 WorkBuddy 演示。
因为教师备课不是问答任务，它更像一个项目。

1.4. AI 产出表层，很多时候是上下文表层

问卷里有老师提到一个问题：AI 解决的问题比较表层，不能代替我们思考。

这个判断我认可一半，也想补充一半。

AI 确实不应该替老师承担最终判断。
但很多时候，AI 的产出之所以表层，不是因为模型能力只能到表层，而是因为我们给它的上下文太表层。

课堂里我用了一个图，叫 AI 乔哈里视窗。

把知识按「人知不知道」和「AI 知不知道」分成四个象限：

• 人知道，AI 也知道：通用教学理论、常见教案结构
• 人不知道，AI 知道：案例、资料、方法、外部知识
• 人不知道，AI 也不知道：需要探索的教研创新
• 人知道，AI 不知道：本班学情、学校模板、课程标准、实训条件、评价要求

最关键的是最后一块：人知道，AI 不知道。

这就是上下文。

上下文可以用一句话定义：

上下文就是 AI 不知道，但会真实影响结果的信息。

同样是写一份教案，不同专业、不同班级、不同学生基础、不同实训条件，结果就应该不一样。

如果这些信息没有给到 AI，它只能按通用经验补空白。

所以，不要只盯着提示词。

提示词决定 AI 下一步往哪里走；上下文决定 AI 在这个任务上能走多远。

1.5. 上下文窗口是桌面，工作空间是房子

上下文和上下文窗口不是一回事。

上下文是信息本身。
上下文窗口是模型一次能处理的信息容量。
你可以把它理解成 AI 干活时的桌面。

桌面大小有限。

桌面上放的材料越相关，AI 越容易抓住重点。
桌面越乱，AI 也会找不到重点。

这件事放到教学场景里很好理解：你备一节课时，也不会把整个学期所有材料都摊在桌面上。
你会把这节课要用的课程标准、教材章节、旧教案、课件模板拿出来。

AI 也是一样。

工作空间则是另一层概念。

如果上下文窗口是桌面，工作空间就是放材料的房子。

课程标准、课程整体设计、前辈教案、参考教材、课件、题库、学生名单，都可以放在同一个课程工作空间里。
Agent 接到任务后，会在房子里找材料，把和当前任务相关的东西搬到桌面上处理。

WorkBuddy 在这次培训里的角色，就是把房子、桌面和工具放到一起。

你不需要每次把文件复制粘贴给 AI，也不需要每次都重新上传。
你把材料放在工作空间里，让 Agent 自己读取、转换、分析、生成。

但这也提出一个要求：文件夹要规整。

文件夹乱，Agent 也会乱翻材料。
无关材料太多，会撑爆上下文窗口。
工作空间管理，本质上就是在帮 Agent 管理上下文。

1.6. AI 读文件，不是「打开文件」

现场实操的第一个细节，很多老师会忽略。

我们手上有三个初始文件：课程标准、课程整体设计、第一单元前辈教案。
它们通常是 Word、WPS、PPT 这类文件。

这些格式对人很友好，但对大模型并不天然友好。

模型真正能处理的是文本 token。
Word、WPS、PPT 这类文件在底层更接近复杂的二进制或压缩结构。
Agent 要理解它们，通常需要先调用工具，把文件转换成 Markdown、TXT 或 CSV 这类更容易读取的文本格式。

这就是为什么你会看到 WorkBuddy 先判断文件格式，再调用文档处理工具，再用 pandoc 或其他转换方式提取文本。

这不是多余动作。

这恰恰说明 Agent 真正在处理真实世界里的文件，而不是只在聊天框里生成一段看起来像答案的文字。

这一点对老师很重要。

如果你想让 AI 处理真实教学材料，就不能只关心「它会不会写」，还要关心「它有没有工具读懂这些材料」。

1.7. 完整实操：一个新老师如何从三份材料开始备课

这次现场演示，我没有假设老师已经有完整资料包。

我设定了一个很真实的状态：

一位新老师刚接到《人工智能通识概论》这门课，手上只有课程标准、课程整体设计和前辈留下的一份第一单元教案，没有指定教材，也没有现成的课件和题库。

这个状态很常见。

很多新老师接课时，不是拿到一套完美教材资源，而是拿到一些前人材料，然后自己慢慢补。

我们让 WorkBuddy 做的第一件事，不是写教案，而是读材料，判断下一步。

1.7.1. 先让 Agent 读材料，不要急着生成

这一步的提示词是：

我这里有三个文件：课程标准、课程整体设计、还有前辈留下的第一单元教案。 你先帮我读完这三份材料，然后告诉我：这门课整体怎么安排，第一单元教案结构是什么样，当前还缺哪些材料，真实老师备课的第一步是什么。 不用直接帮我写教案。

这段提示词里最重要的一句是：不用直接帮我写教案。

很多时候，我们太着急让 AI 生产结果。
结果它很快给出一份看起来完整的教案，但方向可能不对，材料可能没读透，案例可能过时，工具也可能已经不可用。

更稳的做法是先让它判断：

• 这门课整体怎么安排
• 第一单元结构是什么
• 当前缺哪些材料
• 真实老师备课的第一步是什么

这一步是在让 Agent 建立任务理解，而不是立刻交付文件。

1.7.2. 再做 Agentic Search：搜索也应该进入循环

当 Agent 判断出「现在最应该先确认教材和参考资料」之后，我们进入第二步：找公开、合法、可参考的教学资源。

提示词可以这样说：

刚才你说，我现在第一步应该先确认教材，这个判断我认可。 我联系教研组确认了，没有指定教材，老师自己收集资料备课就行。 所以我需要你先帮我找一些官方、公开、可合法参考的《人工智能通识概论》相关教材和教学资源。重点看有没有课程大纲、课件、实验教程、案例资源。

这里有一个很重要的概念：Agentic Search。

普通搜索通常是：搜一次，看几条结果，然后回答。

Agentic Search 更像一个循环：

明确目标 → 搜索 → 阅读结果 → 判断离目标还差什么 → 调整关键词 → 再搜索 → 汇总成任务所需结论

这和老师自己找资料的过程很像。
只是 Agent 把这个过程压缩到了几分钟里。

注意，这一步不是让 AI 随便搜一堆网页，而是让它围绕「这门课怎么备」去找教材、课程大纲、课件、实验教程和案例资源。

目标越清楚，搜索越像工作；目标不清楚，搜索就只是信息堆积。

1.7.3. 资料下载之后，真正重要的是映射

找到资料以后，不要直接照搬。

很多老师备课时真正缺的不是资料，而是资料和本校课程之间的对应关系。

所以第三步不是「帮我整理资料」，而是「帮我做映射」。

现场用的提示词是：

这些资源我已经下载到这个目录了。 你先帮我梳理一下，这些材料里面分别都有什么内容？都有什么作用？后面我们可以怎么用？ 然后再帮我看一下，这些参考资料如何映射到我们已有的课程设计上。 最后给我一张映射对照表。

这里「映射」这个词很关键。

外部教材是外部教材，本校课程是本校课程。
两者不能简单等同。

映射表要回答的是：

• 哪些资料能对应本校哪个单元
• 哪些内容可以直接保留
• 哪些内容需要压缩
• 哪些内容要拆开融入多个单元
• 哪些资源暂时不用

这一步做完，参考资料才从「资料堆」变成「可用的课程资源」。

1.7.4. 生成教案之前，先生成备课包

很多人会从这一步直接跳到「生成完整教案」。

我不建议。

更稳的方式，是先让 Agent 输出一个备课包。
备课包不是正式教案，而是一个给老师确认的中间方案。

提示词可以这样说：

请你基于我们现在已经有的所有材料，包括课程标准、课程整体设计、前辈的教案、参考教材资源，以及我们刚刚梳理好的这个映射表。 接下来我们要进入到第一单元的正式备课环节。 我现在需要你帮我重点看一下，讲好第一单元，我们还需要额外收集哪些资料？ 特别是有一些案例可能已经过时了。过时的案例，我需要你帮我重新联网调研一下最新的适用案例。 然后你帮我梳理一个完整的第一单元备课包。 这个备课包里面需要讲清楚：这 90 分钟课堂大概怎么安排，每个环节讲什么东西，使用哪个素材，使用哪个案例。 先不用直接生成完整教案。

备课包解决的是「方向确认」问题。

它应该包含：

• 旧教案里哪些结构可以保留
• 哪些案例或工具已经过时
• 需要补充哪些新案例
• 90 分钟课堂大概怎么分配
• 每个环节用什么素材
• 哪些内容还需要老师人工确认

只有当老师觉得这个方向可以，才进入完整教案生成。

下一步再说：

这个备课包的方向可以。 你现在按照前辈教案的整体结构，基于刚刚确认的备课包，帮我生成第一单元的完整教案。 注意贴合学校课程标准。前辈教案里好用的结构可以保留，过时的工具和案例就替换掉。 最后请输出 Word 版本。

这一前一后，区别很大。

直接生成教案，是把判断权交给 AI。

先生成备课包，再由老师确认，是让 AI 做准备和方案，老师保留方向判断。

1.8. Skill：不是提示词，而是 Agent 的工作说明书

当一条流程跑通以后，就可以考虑做成 Skill。

我对 Skill 的理解很简单：

Skill = 工具 + 说明书 + 最短成功路径。

它不是一个提示词合集。

提示词解决的是一次沟通。
Skill 固化的是一条成功路径。

举个例子。

刚才我们已经跑通了「从课程材料到第一单元教案」的流程。
它大概包括：

读初始材料 → 判断缺口 → 搜索参考资源 → 做资源映射 → 生成备课包 → 人工确认 → 生成完整教案 → 输出 Word

这条流程以后还会反复发生。

第二单元、第三单元、第四单元都可能需要类似流程。
那我们就不应该每次重新打一大段提示词，而应该把它固化成 Skill。

先让它对齐需求：

刚刚我们已经跑通了从课程材料到教案的完整流程。 我现在想把这个成功路径做成一个 Skill。 这样以后生成第二单元、第三单元教案的时候，就不用每次从头说一遍。 你先不要直接写 Skill 文件。 在正式设计 Skill 之前，请通过提问的方式和我对齐需求。

一个靠谱的 Agent 会反问你：

• 这个 Skill 覆盖全流程，还是只覆盖备课包之后的教案生成？
• 老师需要提供哪些输入？
• 是否必须保留「备课包确认」环节？
• 输出 Markdown 还是 Word？
• 怎么判断教案质量合格？

这些问题很重要。

因为 Skill 的价值不在于「能不能生成」，而在于「是否可复用、可验收、可迭代」。

不是所有任务都值得做成 Skill。

我建议用五个条件判断：

高频 固定 输入清楚 输出清楚 可验收

教师工作里，很多任务都符合这个标准。

比如生成教案、生成课堂抽测题库、生成课后作业、批改学生作业、整理诊改报告。

这些任务一旦跑通，就不再只是个人经验，而可以变成可复用的教学资产。

1.9. 真正要控制的是故事线和技术路径

现场我还演示了 AI 做 PPT。

目前让 AI 做 PPT，大体有几条路线：

• 先生成 HTML，再转换成 PPTX
• 直接生成 PPTX
• 用 SVG 画页面，再转换成 PPTX
• 直接用生图模型生成图片型 PPT

每条路线都有取舍。

HTML 转 PPTX 的问题是版式转换可能不稳定。
直接生成 PPTX 能编辑，但审美经常不稳。
SVG 画 PPT 可控性强，但对模型和 Skill 的要求更高。
图片型 PPT 审美和文字渲染很强，但不方便逐项编辑。

这次我测试下来，PPT Master 这类 Skill 的价值在于：它不是让 Agent 完全临场发挥，而是提供模板、图标、图表、布局资源，让 Agent 优先复用，再做微调。

使用这类 Skill 时，有一个很关键的小技巧：

不要只说「帮我做 PPT」。

要明确告诉 Agent：优先使用 Skill 内置资源。

比如：

我现在需要你帮我把这个单元的教案做成一个 PPT。 你严格按照 PPT Master Skill 的流程来做就行。 但有一个点要注意：我知道这个 Skill 里面本身有很多可以复用的模板、图表、图标这些资源。 所以你做的时候，尽量先去找这些现成资源，能直接复用的就直接复用，不能直接复用的就在原来的基础上微调。 不要一上来就完全 Free Design，直接自己画 SVG，这样效果不稳定。

这里的底层逻辑和前面一样。

不是模型越自由越好，而是给它足够好的约束、材料和成功路径，让它在可控范围内发挥。

1.10. 课堂互动：让 Agent 直接写一个小工具

很多老师关心一个问题：AI 怎么提升课堂参与度？

我的答案不是「让 AI 自动提高参与度」。

课堂参与度来自课堂设计。
AI 能做的是帮老师把课堂表达变得更多模态、更互动、更可记录。

比如现场我让 WorkBuddy 做了一个单文件 HTML 小工具：课堂随机抽问与测验记录器。

它的逻辑很简单：

• 上传班级名单 CSV
• 上传题库 CSV
• 随机抽一个学生
• 随机抽一道题
• 老师现场点选答案
• 系统记录学生、题目、作答情况、得分
• 最后导出 CSV，作为平时分参考

这类小工具以前可能需要找程序员，现在 Agent 就能做。

但关键仍然不是「写代码」。

关键是把需求说清楚。

现场可以这样描述：

帮我设计一个可以用于课堂互动的单文件 HTML 小工具，名字叫「课堂随机抽问与测验记录器」。 使用场景： 老师在课堂上把学生名单和题库放进去，点击按钮随机抽一个学生，再随机抽一道题，学生姓名和题目同时出现。 题目只有单选题和多选题。 学生回答完之后，老师在电脑上帮他点选答案。点选后系统要显示是否答对、正确选项、答案解析。 系统自动记录学生、题目、作答情况、得分和时间。 最后可以导出 CSV，作为平时分证据。 请先不要直接写代码，咱俩先对齐需求。

这里面仍然是 SGP：

• State：课堂抽问场景，学生名单和题库
• Goal：生成一个单文件 HTML 工具
• Process：先对齐需求，再写代码

而且这个工具一旦有了 CSV 模板，就可以继续往后走。

我们可以让 Agent 根据某一单元教案，自动生成符合模板的课堂抽测题库。
题库生成流程跑通以后，也可以固化成 Skill。

1.11. 从课堂抽测到课后作业，再到自动批改

课堂抽测只是评价链路的一部分。

如果把这件事继续往下推，会出现一个更完整的流程：

教案 → 课堂抽测题库 → 课堂抽测 HTML → 作答记录 → 课后作业 → 评分标准 → 学生提交 → Agent 批改 → 班级分析报告

这里有一个很关键的设计点：课堂抽测、课后作业、作业批改不能孤立设计。

课堂抽测更适合检查学生「知不知道」。
题型应该短、快、封闭，比如单选、多选。

课后作业更适合检查学生「会不会用」。
题目应该更情境化、更开放，更接近真实任务。

如果老师一开始没想清楚二者的区别，可以让 Agent 调用多个 Sub Agent 来讨论。

现场我大概是这样说的：

现在我们已经有了课堂抽测的这个 Skill。 同样的道理，我还想设计一个课后作业生成的 Skill。 但是课中抽测题目和课后作业题目之间的定位差异是什么，以及分别的重点是什么，我还没有完全想清楚。 我现在需要你帮我多调用几个 Sub Agent，从不同角度去探讨一下。 可以从教学设计、教育测量、学生体验、AI 通识课程特点这几个角度来分析。

Sub Agent 的价值在这里很明显。

长线程任务做久了，主 Agent 容易被前文锚定。
让几个独立上下文的 Sub Agent 从不同角度思考，往往能跳出来。

课后作业 Skill 还应该和批改 Skill 联动。

也就是说，生成课后作业时，不只生成给学生看的作业要求，还应该同步生成评分标准。
这样后面学生提交作业后，Agent 才能按同一套标准批改。

这就从一个工具，变成了一条教学评价工作流。

1.12. 老师真正要保留的，不是按钮操作，而是质量判断

整场培训里，我反复强调一件事：AI 进入教学工作以后，老师不是被拿掉，而是角色发生变化。

重复写作、材料搬运、初稿生成、格式转换，这些工作会越来越多地交给 Agent。

但课程目标是否合理、课堂活动是否适合本班学生、案例是否贴近专业、评价标准是否公平，这些仍然需要老师判断。

AI 幻觉不能靠相信解决，只能靠验收机制管理。

可以要求 Agent：

• 重要结论标注来源
• 不确定内容列出来
• 过时案例说明替换理由
• 评分结果给出依据
• 边界样本标记给老师复核

最终质量负责人仍然是老师。

我有一个判断：

替代一个老师的，通常不是一个 AI 工具，而是另一个更会和 Agent 协作完成教学工作的老师。

这句话听起来可能有点刺耳，但它更接近真实趋势。

AI 不会让教学质量自动提高。
它只会放大一个人的任务设计能力、上下文准备能力和结果验收能力。

1.13. 最后，把这条流程记住

这场培训如果压缩成一条路径，就是：

会问 AI → 会给 Agent 派活 → 会准备上下文 → 会让 Agent 在工作空间里干活 → 会验收结果 → 会把高频流程沉淀成 Skill

如果放回教师备课场景，就是：

课程材料 → Agent 读材料 → Agentic Search 补资源 → 资源映射 → 备课包 → 教案 → Skill → PPT → 课堂互动 → 课后作业 → 作业批改 → 教学反馈

这不是为了让老师多生成几个文件。

真正重要的是：老师可以把自己的工作流讲清楚，让 Agent 接手执行，再把高频、固定、可验收的路径沉淀成 Skill。

Prompt 解决一次沟通。

Agent 接手一段工作。

Skill 固化一条成功路径。

这就是从「会问 AI」到「会给 Agent 派活」的真正差别。

1.14. 附：文中可复用提示词合集

1.14.1. 读初始材料

我这里有三个文件：课程标准、课程整体设计、还有前辈留下的第一单元教案。 你先帮我读完这三份材料，然后告诉我：这门课整体怎么安排，第一单元教案结构是什么样，当前还缺哪些材料，真实老师备课的第一步是什么。 不用直接帮我写教案。

1.14.2. 搜索公开教学资源

刚才你说，我现在第一步应该先确认教材，这个判断我认可。 我联系教研组确认了，没有指定教材，老师自己收集资料备课就行。 所以我需要你先帮我找一些官方、公开、可合法参考的《人工智能通识概论》相关教材和教学资源。重点看有没有课程大纲、课件、实验教程、案例资源。

1.14.3. 做资源映射

这些资源我已经下载到这个目录了。 你先帮我梳理一下，这些材料里面分别都有什么内容？都有什么作用？后面我们可以怎么用？ 然后再帮我看一下，这些参考资料如何映射到我们已有的课程设计上。 最后给我一张映射对照表。

1.14.4. 生成第一单元备课包

请你基于我们现在已经有的所有材料，包括课程标准、课程整体设计、前辈的教案、参考教材资源，以及我们刚刚梳理好的这个映射表。 接下来我们要进入到第一单元的正式备课环节。 我现在需要你帮我重点看一下，讲好第一单元，我们还需要额外收集哪些资料？ 特别是有一些案例可能已经过时了。过时的案例，我需要你帮我重新联网调研一下最新的适用案例。 然后你帮我梳理一个完整的第一单元备课包。 这个备课包里面需要讲清楚：这 90 分钟课堂大概怎么安排，每个环节讲什么东西，使用哪个素材，使用哪个案例。 先不用直接生成完整教案。

1.14.5. 设计教案生成 Skill

刚刚我们已经跑通了从课程材料到教案的完整流程。 我现在想把这个成功路径做成一个 Skill。 这样以后生成第二单元、第三单元教案的时候，就不用每次从头说一遍。 你先不要直接写 Skill 文件。 在正式设计 Skill 之前，请通过提问的方式和我对齐需求。

1.14.6. 让 PPT Master 优先复用资源

我现在需要你帮我把这个单元的教案做成一个 PPT。 你严格按照 PPT Master Skill 的流程来做就行。 但有一个点要注意：我知道这个 Skill 里面本身有很多可以复用的模板、图表、图标这些资源。 所以你做的时候，尽量先去找这些现成资源，能直接复用的就直接复用，不能直接复用的就在原来的基础上微调。 不要一上来就完全 Free Design，直接自己画 SVG，这样效果不稳定。

1.14.7. 设计课堂随机抽问工具

帮我设计一个可以用于课堂互动的单文件 HTML 小工具，名字叫「课堂随机抽问与测验记录器」。 使用场景： 老师在课堂上把学生名单和题库放进去，点击按钮随机抽一个学生，再随机抽一道题，学生姓名和题目同时出现。 题目只有单选题和多选题。 学生回答完之后，老师在电脑上帮他点选答案。点选后系统要显示是否答对、正确选项、答案解析。 系统自动记录学生、题目、作答情况、得分和时间。 最后可以导出 CSV，作为平时分证据。 请先不要直接写代码，咱俩先对齐需求。

1.14.8. 区分课堂抽测和课后作业

现在我们已经有了课堂抽测的这个 Skill。 同样的道理，我还想设计一个课后作业生成的 Skill。 但是课中抽测题目和课后作业题目之间的定位差异是什么，以及分别的重点是什么，我还没有完全想清楚。 我现在需要你帮我多调用几个 Sub Agent，从不同角度去探讨一下。 可以从教学设计、教育测量、学生体验、AI 通识课程特点这几个角度来分析。