「确保开齐开足 AI 课」进入落地季：一份高职讲师兼学校系统开发商的双面读法

2026.09.14

这一周政策线很热闹，前天刚聊完工信部把「就业友好」写进《「人工智能+软件」方案》，今天把镜头转向另一份同属「人工智能+」系列的文件——教育部等五部门《「人工智能+教育」行动计划》（教科信〔2026〕1 号）。

选它有三个理由：其一，9 月开学季正是各地落实方案密集出台的窗口——甘肃五部门 9 月 3 日印发省级版，多所高职院校开始研讨自己的三年行动方案，政策从「印发」走到了「落地」；其二，这份文件是我四个常写方向里唯一还没正面写过的；其三，我恰好站在落地的两端——一端是讲台（在高职院校教 AI 大模型技术和生产实训），另一端是给学校做系统的开发商（就业、实习、科研管理系统）。双面视角读同一份文件，能看到单一视角看不到的东西。

行动计划一图读

文件硬货：一个目标、三个条款、一条底线

《行动计划》的总体目标：到 2030 年，建成纵向贯通、横向联通的全学段人工智能教育体系。文件原文很长，我把和一线最相关的三条摘出来：

条款一，课程：「基础教育阶段确保开齐开足开好人工智能课程，着力培养学生智能思维」。注意这六个字的分量——「开齐开足」是底线要求，「开好」是质量要求。落到地方已经有了具体形态：甘肃版明确「推动高校将人工智能作为公共基础必修课或指定选修课」。

条款二，教学：探索人机协同教学模式，围绕课前、课中、课后全流程赋能教师——AI 承担重复性教学事务，教师聚焦价值引领、高阶思维培养。

条款三，底线：育人为本、素养为先、应用导向、智能向善——AI 是教学辅助工具，不能用机器替代教师的育人主体地位。

这条底线我要先划个重点：它和《人工智能+软件》方案里那句「编码执行能力权重下降」是同一套哲学——技术和人各归其位。政策制定者很清楚：能自动化的交给机器，不能自动化的恰恰是最值钱的。

讲师这端的读法：政策语言翻译成课堂语言

文件里「人机协同」四个字，落到课堂上是什么？知乎上一篇解读点了两个真实的极端，我在学校里都见过：

极端一：直接把通用大模型接进课堂。 后果是 AI 的输出和教师的授课口径脱节——同一个知识点，老师在课上说 A，AI 助教说 A’，学生拿着两套答案来问哪个对。教学这件事，口径就是权威。学生信任的是「这门课的知识体系」，不是「全网平均意见」。

极端二：把「教师数字分身」做成问答机器人。 花钱做了个虚拟形象加自动答疑，看起来很热闹，实际上只是省了值班老师——没有协同育人，只有自动客服。

那篇解读里有一句我认为是整件事的题眼：数字分身的核心不是虚拟数字人形象，而是对教师教学人格、授课逻辑、答疑口径的结构化。翻译成工程师的语言：先把课程知识库对齐教学大纲（这活儿就是我们做 RAG 的老本行——文档切分、口径对齐、可溯源），再谈形象和交互。先口径，后皮囊。

所以这学期我在自己课上的做法是：不急着搞数字人，先把我那两门课的课件、实验指导、历年考题喂进课程知识库，让 AI 助教只按我的口径回答，并且每句话给出处。学生问「为什么」，它引用的是我讲过的页码——这才是「赋能教师」而不是「绕开教师」。这个做法成本极低（一个本地部署的 RAG 就够），但学生满意度肉眼可见地高。

开发商这端的读法：学校接下来真要建什么

换个身份，从需求侧看——文件落地意味着学校要花钱建什么？我的观察清单是四样：

一、课程资源库。「开齐开足开好」的前提是有课可开。AI 公共课的教材、实验环境、题库，是接下来一两年最确定的教育采购之一。

二、教师 AI 素养培训。 浙江已经发布了《中小学、高校教师人工智能素养框架（试行）》，各地跟进是时间问题——培训是政策合规的必经环节。

三、数据底座。 信阳职业技术学院的行动方案里有一句特别实诚的话：「优先搭建技术与数据底座，破解数据不统一、不达标瓶颈」。这是所有学校的第一道坎：教务、学工、就业各一摊数据，AI 想赋能先得能读到数据。给学校做系统这么多年，我太熟悉这个坑了——数据治理占项目周期的一半，而且是别人看不见的那一半。

四、业务系统的 AI 接口。 教务、就业、实习、科研管理系统接 AI 助教和过程数据采集——这是系统开发商的新战场，也是我们最近接需求接得最密的板块。

两个极端与采购清单

顺序很重要：先口径（知识库对齐），再底座（数据打通），最后才是形象与酷炫功能。反着来的项目，验收时基本都停在同一个状态——「演示能跑、上课不敢用」。

一盆冷水

照例三句：其一，政策落地周期以学期为单位，文件到课堂隔着课程审批、师资培训、预算安排三道门，别指望一学期天翻地覆；其二，「开齐开足」最容易走形成「放视频课」——AI 课最缺的是能上课的老师，这个缺口短期内只能靠培训硬填，而培训质量参差我是亲眼见过的；其三，采购热不等于实效，数字分身这类容易「看得见」的项目天然受青睐，但真提分的往往是看不见的知识库和数据治理——学校采购时值得倒过来想。

写在最后

这份文件我最欣赏的地方是它把边界写清楚了：AI 干重复的事，教师干「人」的事。这其实给所有人指了方向：无论你是老师还是开发者，价值都在「机器做不好」的那一侧积累。 我这周在讲台和项目两头跑，感触就一句话——政策文件读三遍，不如在真实课堂里落地一个知识库。

正在做「AI+教育」落地的院校同行、想聊课程知识库或数据底座怎么建的老师们，欢迎交流——这条路上我们踩过的坑，比文件里的条款多。

参考来源