大模型进校园前，账号、数据和使用边界先说清楚

大模型进入校园前，学校要先把账号分级、数据清单、课堂边界、日志保存和事件处置写成可执行设置。本文给出一套适合中小学试点阶段的最小规则清单。

本地模型还是云端 API，学校该怎么选

本地模型和云端 API 不是二选一。本文从数据敏感度、模型能力、课堂并发、全年成本、运维责任和故障替代六个维度，给出学校可执行的测试、试点与混合选型方法。

学生用了 AI，作业评价看结果还是看过程

学生使用大模型后，作业评价不该变成猜测“是不是 AI 写的”。这篇文章从任务边界、结果质量、过程证据和一分钟说明出发，给出一套教师可执行、学生负担可控的评价方法。

同一个 AI 任务，三年级和五年级应该有什么不同

同一个校园植物任务，为什么三年级要从观察、比较和口头说明开始，五年级则要增加问题拆解、资料核验和修改依据？这篇文章用一组同题异构的学习动作，说明大模型课堂怎样真正按年级分层。

一堂大模型课，从提问到作品要经过哪些环节

把大模型课堂拆成问题说明、初步判断、模型对话、事实核验、作品修改和展示反思六个环节，让学生的选择与证据留在作品之外。

信息科技课上，怎样把大模型变成学习工具

把大模型放回信息获取、数据处理、程序调试和数字创作任务中，用初步判断、核验记录与修改说明保留学生的学习过程。

人工智能课里，大模型到底要教什么

把大模型带进机房并不难。打开一个对话页面，演示几种提问方法，再让学生生成一段文字或一张图片，一节课很快就能热闹起来。真正难的是下课以后怎么回答一个朴素的问题：学生今天到底学会了什么？ 如果答案只是会输入提示词、会复制结果、会让模型把文字改得更漂亮，这节课的价值就很有限。工具界面会变，模型能力也会变，