它解决什么问题
培训机构靠"听课评课"来保证教学质量。老办法是教学主管坐进教室听课、做记录、课后给反馈。
问题是规模。一个校区几十到上百位老师，每位每周都要上课——教学主管听不过来，而且听多了会麻木，反馈也难保一致。同一个问题，主管 A 觉得严重，主管 B 可能不提。
这套系统把这件事接了：老师上课录音，系统转成文字，按固定的评分标准逐项打分，直接出报告。
最初要的是什么
把这个系统做出来之前，摆在桌上的是这样一份需求——用的词就是这些，没有后来才补的：
- 给谁用：教培机构，规模是 5 到 10 个校区、50 到 200 位老师
- 要什么流程：录音上传 → 自动转成文字 → 打分 → 出改进建议
- 打几分怎么定：分两套标准。一套通用的（语言表达、课堂结构、师生互动、时间管理、课堂氛围这些），一套是对照标准教案来的（教学目标有没有落实、知识点有没有讲全、例题用得准不准）。（实际落地时只跑了一套，见下一节）
- 装在哪：优先能装在自己公司的服务器上，数据不外流；同时也要支持放到云端
- 明确说了暂时不做的：排课系统——原话是「预留，但不是这一期的核心」
最后那一条值得单独看：需求方自己先划掉了它。一个系统能不能做完，往往在提需求的时候就定了一半。
它怎么运转
评分标准是一套统一的九个维度。但有个变化：如果这节课备了标准教案，系统会把教案一起交给 AI，让它对照着评——同一把尺子，但每节课的参照物不一样。
系统里管的东西也是分层的：校区、课程、教案、上课记录、录音、评分、老师。每一层都有自己的归属，不会混在一起。
它做出来的东西长什么样
这是这套系统最值得看的部分。它不是给一个分数就完事。
报告分五块：AI 总评、九个维度的评分明细、改进建议、校级对标、教师历史记录。
九个维度的评分明细
每一节课从九个角度打分（这是线上系统实际的维度，已核对生产数据库）。下面是各维度的示例分数：
| 维度 | 得分 | 扣分项 | 改进建议 |
|---|---|---|---|
| 语言表达 | 8 | 1 | 1 |
| 课堂结构 | 7 | 2 | 2 |
| 师生互动 | 5 | 2 | 2 |
| 时间与节奏 | 7 | 1 | 1 |
| 激发兴趣与引导 | 6 | 1 | 1 |
| 课堂氛围 | 7 | 1 | 1 |
| 教学目标 | 7 | 0 | 1 |
| 知识覆盖 | 8 | 0 | 1 |
| 例题讲解 | 8 | 0 | 1 |
这份报告里两个用心的细节
一、分数要有参照系
同一份报告里还带着两个数：同年级的平均分（示例里是 71.5，24 人）和这位老师自己的历史记录。
一个分数是高是低？单独看回答不了。横向和同年级比，纵向和自己的过去比，这个分数才有意义。这是评价类系统最容易漏掉的一环。
二、结论要能指回原话
录音转出来的逐字稿是分了段的。说"你这节课互动不够"，得能指出是哪个环节、哪几句话。
否则不管评分多准，老师都会觉得"这是机器随口说的"，不会服气。
落地情况
这套系统已在客户公司落地试点——不是演示，是真的有人在用它评课。
它不是在开发者自己电脑上跑跑的样品——完整的网页、背后的处理程序、数据库都装到了服务器上，有一个正式的访问地址。
报告还能导出成正式文件：一份完整报告可以导出成 PDF，方便存档和当面沟通。
它现在没有公开入口了（相关内容已从公网撤下）。
它是怎么做出来的
这套系统的开发过程留下了记录，所以能看到它真实的生长轨迹——包括走过的弯路。
六月五日：一天之内立起骨架
从规划到能用，一天做完。它由几块拼起来：背后处理事情的那一层、用户看到的网页、一条排队处理任务的通道，还有一套存放文件和数据的地方。四十七个文件。
同一天还写下了一份设计说明：产品是什么、给谁用（老师、校区管理员、系统管理员）、走什么视觉方向、字体、每个颜色的用途、间距基准、动效时长——都写在动手之前。末尾附了一张「决定记录」表，哪怕当时只有一条，也写清了日期、决定了什么、为什么。
六月十五日：导出 PDF，改了四版
报告要能导出成 PDF 存档。这件事花了整整一天，改了四个版本：
- 第一版：版式塌了
- 第二版：换了排版方式，还是乱
- 第三版：干脆把所有装饰都删掉，只留表格和文字——还是乱
- 第四版：才发现问题根本不在样式，在用来生成 PDF 的那个工具身上——它处理中文和复杂排版本来就不可靠。换成用浏览器的方式来生成，一次就对上了。
同一轮还加了两块：老师能看到自己历次评分的成长曲线；校区管理端能按校区、年级、科目、时间段交叉着看。
六月十八日：新版式上线，线上三次还是旧的
界面重做完，传上去三次，线上打开的仍然是旧版。这类问题跟代码对错无关——东西是对的，只是没送上去。
六月二十二日：改一个评分维度的名字
把「板书与多媒体」改成「激发兴趣与引导」，同时统一九个维度的评分标准。
听起来是一句话的事。实际要动六个地方：系统里那份默认的维度清单、发给 AI 的评分标准、给老师的建议提示、网页上「关于」页的三处文字、示例报告的网页、示例报告的数据文件。
我是怎么和 AI 对话的
这套系统是我和 AI 一起做出来的。回头看，我跟它说话的方式其实很固定，能归成几条——这几条比任何技巧都管用。
一、说"什么算对"，不说"怎么做"
做管理端界面那次，我没有描述我要什么样子，只给了一句：
不要只做得好看，要从教导主任的角度想——他要做什么决定。
这一句改掉了整个管理端的做法。因为"做得好看"是形容词，AI 只能猜；"他要做什么决定"是标准，AI 能自己往下推。
二、把自己的行内知识倒进去
AI 不知道你们这一行的规矩。所以每次都要把你知道的喂给它：
- 十个评分维度，是我直接列给它的
- "评分"和"评课"要统一用词——我截了图告诉它哪里写错了
- 审核的人应该能不离开当前页就打分、点"通过"或"需重新提交"——这是流程要求，不是界面要求
这些不说，它永远想不到。
三、只描述现象，不猜原因
有一天我打开后台，所有板块都是零，只回了一句：
数据都没有了。
还有一次：教师排名表里，十二位老师的科目全显示成"化学"。我就把那张表发给它。
我没猜为什么，也没让它"检查一下代码"。我说我看到了什么，它去查根因——科目显示错最后查出来是排序时取了字母序第一个值。
四、指令可以很短——只要前面说清楚了
有一天我给它列了四个数据问题，然后只说了一个词：
修复。
它就把四件事全做完了。
短指令能生效，不是因为它聪明，是因为前面已经把上下文铺够了。没有前面的铺垫，一个"修复"只会换来一句"您指的是哪里"。
五、在岔路口，自己拍板
有几处它把选择摆到我面前，我没有让它"你自己决定"：
- "只改名"还是"彻底重构"——选了彻底重构
- "先做竞品调研"还是"直接出设计方案"——选了直接出方案
- "四个问题一起修"还是"一个一个来"——选了一起修
这些是业务判断，不是技术判断。它给选项，我做选择，这才是它该干的活。
六、做完要确认一句
PDF 导出的第四版，我打开看了一眼，回它五个字：
现在正常了。
别小看这一句——没有它，AI 不知道自己这次做对了，下次还会在同样的地方反复试探。做对了要说，做错了更要说。
AI 对话里的几个词
和 AI 打交道，会反复听到下面这些词。它们是这门"语言"的基本词汇，弄懂了就能听懂它在说什么。
| 词 | 其实是什么意思 |
|---|---|
| 提示词 | 你打给 AI 的那段话。整段都算，不只是第一句 |
| 上下文 | AI 此刻能看见的全部内容——你说过的话、它读过的文件、它自己刚做过的事 |
| 上下文窗口 | 它一次最多能看多少。超过就得丢掉一些，这就是长对话里它会"忘事"的原因 |
| token | AI 读写的计量单位，按它算长度和费用。中文一句话通常是十几个到几十个 |
| 幻觉 | AI 一本正经地说出不存在的事——而且说假话的语气和说真话一模一样，这才是它危险的地方 |
| 会话 | 一次对话。关掉再开，它默认不记得上次说过什么 |
| 智能体 | 不只会说、还会动手的 AI——能读文件、跑命令、改东西。"AI 编程"靠的就是这个 |
| 工具调用 | 它动手的那一下：读一个文件、执行一条命令、查一次网页 |
| 计划模式 | 先出方案，等你点头再动手。适合改动大的活——免得它埋头做了一堆不是你要的 |
从这个案例能学到什么
- 提需求时就划掉不做的，是能做完的前提
- 只给分数的评价没用，要给出"错在哪、怎么改"
- 分数必须有参照系，否则读不出高低
- 结论要能指回原文，别人才会信
- 规划了的东西，落地时可能只剩一半——要对着真实系统核，别对着设计文档写
- 改到第三遍还不对，先停下怀疑工具