数学竞赛学案制作革命：AI技能包如何重构教研流程

做数学竞赛教研这些年我最怕的不是题目难而是学案难产。一道好题筛出来可能要翻一整晚题库排版公式又要在编辑器和Word之间来回切更别提解析步骤写得不统一、难度梯度拍脑袋定——最后产出的学案往往只有自己看得懂。直到我把“竞赛教研”和“学案制作”拆成一套可复用的skills技能包把选题、变式、校准、排版、复盘全塞进一条流水线才真正体会到什么叫“学案的革命数竞版”。这篇文章想跟你分享的就是这套面向数学竞赛教研场景的“学案制作一体化skills”到底怎么设计、怎么落地。它适合带竞赛班的老师、给机构做教研的负责人也适合自己刷题整理专题的学生。核心思路一句话把过去靠经验堆出来的教研流程变成一套有输入、有校验、有输出的技能程序。你不需要懂复杂编程只要会用AI对话工具就能把下面这套方法搬走。1. 先把老流程拆开看数竞学案为什么难做1.1 三座大山选题、排版、解析我见过太多教研老师的工作台左边是五六本竞赛书中间是三四个数学网站右边是已经改了四遍的Word文档。数竞学案之所以难做不是难在某个环节而是难在整套流程全是隐性经验。第一座大山是选题。竞赛题讲究“入口宽、出口深”同样一个不等式专题给初入门的选手和给省队冲刺的选手选题标准完全不同。大多数老师选题靠记忆——“我去年做过一道类似的”但记忆会失真翻题库又费时间。第二座大山是排版。数竞学案里全是分式、根号、求和符号、组合数这类内容在传统编辑器里排版一次要浪费大量时间。很多老师用Word配合公式编辑器敲一道稍微复杂的数列递推光格式就能折腾十分钟。第三座大山是解析。一道好题需要配“会呼吸的解析”——不仅给答案还要标注关键步骤的思维动机、易错点、变式方向。但人写解析时很难保持风格统一前面三步详细讲后面突然跳步学生拿到手里就断层。这三座大山叠加导致一份高质量数竞学案的制作周期通常要两三天。而竞赛教学恰恰最缺时间离联赛越近越需要高频、定制、针对性的训练材料。传统流程天然跟这个需求拧着来。1.2 为什么“技能包”比“普通提示词”更适合做学案有人可能会问既然要借助AI那我直接复制一段提示词不就行了我的经验是差得远。普通提示词是一条“一次性指令”。你让它出五道题它出完就结束了。下次想调整难度、换一种题型、统一排版风格一切都得重新描述。更麻烦的是AI在长对话里很容易“失忆”——前五轮还记着你要数竞难度第六轮突然给你来一道高考压轴题。而skills技能包的本质是把一套流程封装成“带说明书的标准作业程序”。它包含三样东西触发条件明确告诉模型“什么时候该调用这个技能”。工作流程拆好的步骤清单每步有输入、有输出、有校验规则。知识约束竞赛学案要遵守的规则比如难度梯度、解析格式、题型分类。我经常拿做饭打比方。普通提示词是“你看着做一桌菜”技能包是“给你一张固定菜单冷菜几道、热菜几道、汤怎么熬、什么火候、什么摆盘”。前者看厨师心情后者保证出品质稳定。竞赛教研最需要的恰恰是“稳定”。一套学案技能包跑十次至少七次能产出可用的初稿这个概率对教研排课来说才足够踏实。2. 一体化技能包的架构设计让学案自己“长”出来2.1 核心思路把教研流程变成可执行的技能流水线我设计这套技能的出发点只有八个字一次描述完整交付。你要做的不是一步步指挥AI而是把需求一次性说清楚剩下的交给技能包按流水线执行。流水线分五个环节需求拆解把“我要一份适合高一竞赛生的不等式学案”变成结构化参数。选题出题基于专题标签和难度模型生成题目与变式。难度校准用预设标准对每道题打分调出梯度。解析生成产出带思维注释、易错提醒、方法总结的答案。模板排版输出为Markdown或LaTeX格式直接进讲义。这个顺序不是随便排的。每个环节都有清晰的前置依赖不先拆解需求选题就是散弹打鸟不先校准难度解析写得再好也用不了。技能包的价值就是把顺序焊死防止人临时起意跳过某一步。2.2 子技能清单与职责边界整套能力被我拆成六个子技能每个只干一件事子技能名称输入输出核心校验点需求拆解器老师口头需求结构化参数表学段、专题、难度、题量是否齐全题源检索器参数表 题库路径候选题目清单与专题标签匹配度、重复率变式生成器候选题多档难度变式题是否保留原题核心结构难度校准器题集难度分档表各档定位是否符合需求解析撰写器校准后题集全解析文本是否含关键步骤、易错点、方法总结排版输出器全部内容成稿文件Markdown/LaTeX语法是否合法说实话最初我也没分这么细。第一版把“选题”和“变式“合在一个技能里结果AI经常只完成一半——列了几道题变式拖拖拉拉不出来。拆开后分工明确检查就有抓手如果变式质量差只改变式生成器就行不用整个流程重来。这个思路跟做人做事一样模块拆得越干净问题定位越容易。2.3 关键设计为什么每个子技能都要带“画像”和“校验”这套技能包里我最坚持的一点是每个子技能都必须输出“画像”和“校验结果”。画像不是简单定语而是对当前状态的完整描述。拿“变式生成器”举例。一道原题进来它输出的不只是新题还包括这道变式改了什么换数值、换条件、换结论方向。改完之后核心考法是否保留例如“利用单调性放缩”这个核心是否还在。预估难度变化难度是否明显提高或降低。有了画像后面的难度校准器才能判断“这道变式是否合格”。没有画像变式生成和难度校准就是两套瞎忙活——前面改得面目全非后面还以为它忠于原题。校验则是底线。我给自己定的规矩任何子技能输出都必须附带“自检声明”。比如题源检索器要回答“这五道题分别对应什么知识点、选自哪一类题库”难度校准器要回答“为什么这题是二档而不是三档”。这一步看似啰嗦但在实际使用中救了我很多次AI自检时经常自我纠错有些题它自己一检查就意识到难度判断错了。3. 实操实录从需求到成品学案的完整流程光讲架构有点虚今天我现场跑一遍。这是某次我带高一竞赛班要用的“数列与不等式裂项放缩专题”学案完整记录每个环节的输入和输出。3.1 第一步用“需求拆解器”锁定学案参数我给技能包的第一条指令是调用【需求拆解器】。 场景高一竞赛班已学完数列基本性质未学积分。 专题数列不等式中的裂项放缩。 目标课后巩固 小测预备。 期望难度两道基础热身三题中等两题压轴。 总题量7道。 解析要求每道题给出关键步骤思维动机。拆解器输出的参数表大致如下参数值学段高一前置知识数列通项、求和、基本不等式专题裂项放缩难度分布2基础 / 3中等 / 2压轴题量7解析风格分步 思维动机注意这里有一个细节被很多人忽略学生画像“未学积分”。如果没有这一条AI很容易在放缩里偷偷用积分估计高一学生看不懂学案当场作废。需求拆解越详细后面所有环节越安全。3.2 第二步用“题源检索器”选题并处理重复检索器基于参数表从内置题库索引里捞出候选。我要求它输出候选清单时带三列知识点、难度预估、是否匹配前置知识。一轮下来AI给回6道原题我再通过“变式生成器”补了几道变式组合。这里遇到了一个常见问题检索器给的题目里有两道核心结构雷同都是“对1/n^2求和做1/(n^2) 1/(n(n-1))式放缩”。这种雷同单看表面不重复但放到一份学案里就毫无训练意义。我的处理办法是在提示词里写死一条规则“同一份学案内核心结构重复度不得超过两道。若出现结构重复自动用变式生成器替换其中之一。”从此这个坑基本消失了。顺带说一句选题后的去重做得越早后面的解析和排版环节越顺别攒到最后再返工。3.3 第三步“难度校准器”如何判断一道题值几档这是整套技能包里最容易吵的地方也是最值得讲透的地方。AI对难度的直觉经常离谱——它觉得“稍微想一想”的题学生可能已经想了四十分钟。我采用的是一套很朴素的评分模型给每道题打三个维度分各占三分之一知识负担涉及几个正式知识点或技巧。思维跨度从题目条件到解题路径之间隔几步关键转化。计算强度中间运算是否需要复杂整理。每项按1到5打分加权平均后分档1.0到2.0为基础热身2.1到3.4为中等3.5以上算压轴。以那道压轴题为例。已知数列满足 a₁1aₙ₊₁aₙ1/aₙ证明对任意正整数n有 aₙ √(2n)。难度分析知识负担只用到了“平方后放缩成等差数列”这个技巧知识不多给2分。思维跨度从递推关系出发要想到把条件两侧平方再通过累加构造出n的表达式这一步对高一学生非常隐蔽给4分。计算强度全程只有简单化简给2分。加权平均后约2.67——但等一下这个结果偏低了。为什么会这样因为评分模型里漏了“技巧陌生度”这个隐性维度。裂项放缩里最难的不是计算是“看到递推式能想到平方”。校准器实际输出时我把这类题标记为“技巧型压轴”直接将思维跨度维度按1.5倍加权得分变成约3.67成功进入压轴档。这个调整就是我说的“画像的力量”模型对题目画像越详细分档越有依据。3.4 第四步“解析撰写器”产出带思维动机的答案解析是我花最多心思调教的部分。竞赛学案最怕的不是答案错而是答案“看似天外飞仙”。AI默认写解析的风格是第一步做某某变形第二步做某某放缩——每一步都对但学生读完只想问一句你怎么知道要这么变我在技能包里强制要求解析必须包含三类信息思维动机这一步为什么要做它想解决什么问题易错提醒这里最容易犯什么错为什么会有这种冲动方法沉淀这道题的核心方法还能迁移到哪类问题以刚才那道压轴题的解析为例。技能包生成的解析开头是这么写的“要证明 aₙ √(2n)一个自然的想法是寻找aₙ²的递推关系。为什么想到平方因为不等式的右侧含有2n平方可以把左端的递推化成一个便于求和的差分结构。”接着分三步写完整证明每一步都标注动机。最后还加了一条“方法沉淀”凡是形如 aₙ₊₁ aₙ f(aₙ) 的递推想证明上界就优先考虑两侧平方再比较差分。这条沉淀语是竞赛课里最值钱的话AI在我的引导下现在能稳定输出这种质量。3.5 第五步“排版输出器”直接生成可用的讲义最后一步所有内容汇总给排版输出器。我常用的输出格式是Markdown因为GitHub、Notion、Obsidian都能直接渲染公式也能用LaTeX语法嵌入。如果要做成纸质讲义再一键转成PDF。排版器做三件事把公式统一成LaTeX语法、把题目和解析分区放置、给每道题标注难度档位。我要求在题号后直接写“【热身】”“【中等】”“【压轴】”学生拿到学案一眼就知道这次训练的重心在哪。这里有个小技巧排版器其实不该重新组织内容它的责任仅仅是“呈现”。但AI经常手多排版时顺手把题目的措辞改了。我加了一条校验规则“排版输出器不得修改题目正文与解析正文只允许调整格式。”加完之后折腾人的“内容漂移”问题基本绝迹。下面是一份简化版技能文件我用Claude Skill的标准格式写你直接复制到技能目录就能用--- name: math-olympiad-learning-plan description: 数学竞赛专题学案制作技能。触发词数竞学案、竞赛讲义、裂项放缩、专题训练。 triggers: - 数学竞赛 - 学案 - 专题训练 version: 1.0 --- # 数学竞赛学案制作一体化技能 ## 工作流程 1. 调用【需求拆解器】将用户需求转为结构化参数表。 2. 调用【题源检索器】按参数表检索候选题目去重并标注知识结构。 3. 调用【变式生成器】对候选题补充多档难度变式输出变式画像。 4. 调用【难度校准器】按三维评分模型给每道题分档。 5. 调用【解析撰写器】为每题生成带思维动机、易错提醒、方法沉淀的解析。 6. 调用【排版输出器】输出Markdown格式学案保留全部正文不变。 ## 输出校验 - 所有标题、难度标注、题号完整统一。 - 每题至少包含“题目、解析、难度档位”三要素。 - 同一专题知识点覆盖不低于5个细分维度。 - 任何改题行为必须经过“变式生成器”并附带画像。 ## 默认参数 - 题量7可调整 - 难度分布基础2 / 中等3 / 压轴2可调整 - 解析风格分步 思维动机 方法沉淀这个文件里的重点不是格式而是“工作流程”和“校验规则”。你完全可以把流程改成适合自己团队的版本——比如你们更擅长平面几何把专题标签换成“梅涅劳斯”“面积法”“托勒密”就行。4. 常见问题与排查技巧实录4.1 问题速查表实际跑了两个月我把踩过的坑整理成了一张速查表遇到问题先来这里自救。问题现象主要原因解决办法出的题偏简单需求拆解缺“学生画像”补上前置知识边界、已学技巧、目标赛事变式改得太狠变式生成器未读原题核心结构强制要求变式输出“核心保留说明”难度判断飘忽打分维度太少靠感觉套用三维评分模型压轴题单列技巧权重解析跳步缺少“每步必须标注动机”的硬规则在解析撰写器里写死输出模板排版后内容变了排版器越权改正文增加“排版不得改动正文”校验题与题结构重复只做了表面去重同一学案内按解题结构去重这里最值得展开的是第一条。很多老师用过AI后抱怨“出的题不够竞赛”十有八九是需求拆解时没给足上下文。你说“来几道数列不等式”AI默认按高考难度处理你说“高一竞赛班已学完数列未学积分目标为联赛一试”它才会认真往竞赛尺度靠。4.2 三个经常踩的坑和我的对策第一个坑AI会把“竞赛题”理解成“复杂计算题”。它经常拿一道计算量爆表的题来冒充压轴题原理是“够复杂所以够难”。我的对策是在校准器里加一条“禁止以纯粹计算量作为难度提升手段。难度必须来自思维跨度或知识深度。”这句话一加题风马上就正了。第二个坑变式生成时AI喜欢“叠加难度”——在原题基础上不断加条件最后变出来的题已经完全换了道。我的对策是给每个核心结构打标签比如“裂项”“倒序相加”“夹逼”要求变式必须保留至少一个标签。有了标签约束变式就还在同一家族里。第三个坑长流程中AI“意识涣散”。跑完前半段后后半段往往开始偷懒解析越写越短。我的对策是在技能文件里设置了“中途校验点”生成完第三道题解析后模型先自我检查前两道解析的字数和结构再继续生成。这个小小的打断能明显提高后半段的输出质量。原理不复杂让模型每完成一个批次就回到“被审视”的状态它就不容易在长任务里摸鱼。4.3 关于生态不等于“完全不用人”最后说点实在的。很多老师会担心用了这套技能我的教研能力会不会萎缩我的回答是不会反而会把精力用到更值钱的地方。我在使用过程中有一个很深的体会技能的固定部分价值是“节省时间”可变部分的价值才是“教研壁垒”。同一套技能包不同的老师给出来的学案仍然不同因为需求拆解的参数不同、校验规则里你卡的标准不同。有的老师要求每题必须标注“易错点”有的老师要求压轴题必须带完整“思路回溯”——这才是学案的灵魂而技能包只是把你以前藏在脑子里的标准显性化了。我自己现在的流程是让技能包产出初稿后重点盯三个地方——压轴题的难度是否真的对学生有挑战性、解析里的思维动机是否讲透了、题目的表述是否严谨。盯完这三处一份学案基本就能发了。相比过去两三天磨一份现在一小时内能出初稿而且质量下限高很多。如果你也开始尝试这套玩法我建议别一上来就追求六七个子技能的完整流水线。先从最痛的环节切入比如只做一个“解析撰写器”的skills帮你统一解析风格。跑顺了再逐步加模块。饭要一口一口吃skills也是一次一个地攒。说到底学案的革命不在于取代教研员而在于把所有消耗性的重复劳动外包给机器把人真正还到“判断”和“设计”这两个不可替代的位置上。这条路我已经跑通了接下来该你了。