教学输出的人工验收清单（教材/课标/学情/隐私）
教学输出的人工验收清单（教材/课标/学情/隐私）
筛选结果
任务描述、口语长句、创作者、工具和仓库名称都可以直接搜索。
按当前筛选条件浏览
教学输出的人工验收清单（教材/课标/学情/隐私）
筛选结果
把 AI 生成的概览、学习指南、思维导图、时间轴或音频概览当作目录和提问起点，而不是已经核验过的最终答案；再根据概览中的节点、问题或疑点，回到原始材料精读关键片段。
筛选结果
回到原始证据裁决（Back-to-source Verdict）
筛选结果
基准文献 + 第二模型作为问题发现器（Anchor-paper + Cross-model Audit）
筛选结果
在 NotebookLM 类资料工具中，先明确一个边界清楚的主题，再围绕该主题建立一个独立笔记本，并把与主题直接相关的资料都汇入同一笔记本，避免不同主题的材料混在同一个工作单位里。
筛选结果
把 AI 辅助备课拆成五个相对独立的阶段，每一步的输入、输出与检查点都可独立审查；教师在每一步都保留主导权，AI 只在指定环节介入。该方法最早由一线教师褚旭斌在《不简单的杠杆》一课中提出并在人民教育出版社《小学科学》公开。
筛选结果
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）
筛选结果
上传材料优先 + 资料未覆盖时显式标记（Upload-first Boundary Declaration）
筛选结果
把"AI 报告中的引用到底能不能信"这一笼统问题，拆成五个互相独立的核验层次。每一层对应一种典型的失败模式，单独处理、单独判断。
筛选结果
不要求 AI 一次产出完整教案或整套课件，而是把备课过程拆解为多个局部任务（学情参考、概念图、实例库、活动方案、过渡语、PPT 框架等），让 AI 在每个局部中精准介入，再由教师逐项审查与修改。该原则与 method-ai-a...
筛选结果
一条针对 AI 研究产物的三段式工作流：先用结构化提示生成研究初稿，再用独立于生成工具的审计接口对初稿逐句质疑，最后由人对每条异常做裁决。它强调"生成"和"审计"必须解耦——同一个模型审自己，往往会复述同样的错误。
筛选结果
以条目（item）的题录数据（metadata）作为文献管理的中心，PDF 附件、批注、笔记、标签、引用与参考文献都围绕这条记录展开。在这种结构下，文献库是一组带可检索字段的条目，每个条目挂载若干附件和笔记，而 Word 中的...
筛选结果
课程隔离（Per-course Project Isolation）
筛选结果
把模型給出的整條參考文獻拆成獨立欄位（作者、題名、期刊或出版社、年份、卷期、頁碼、DOI），並針對每一欄位做存在性、元數據一致性與內容支持性的逐項核驗，最終輸出一份可以寫入正式論文的可信來源清單，以及一份針對每條書目的核驗狀態...
筛选结果
先规划后逐章写作（Plan-then-write by Section）
筛选结果
高信噪比资料筛选（High-signal Material Curation）
筛选结果
条目—附件—笔记—正文引用的可追溯链
筛选结果
根据材料类型选择对应的理解视图：时间轴强调事件顺序与阶段，用于历史、项目纪要、会议进程；思维导图强调概念层级与分支，用于理论课程、方法介绍、术语体系。两种视图不可互相替代。
筛选结果
两轮法（先问 AI 方法再生成提示词）
筛选结果
題名拆分檢索（Title Decomposition Search）
筛选结果