教育行业的 AI 落地有两个尺度：一个是区域尺度的"人人配备"，一个是课堂尺度的"这节课真的用上了"。 下面整理公开报道与教师实践中的典型案例，以及从这些案例里提炼出的可迁移做法。
据公开报道，山东莱州是全国首个由教育主管部门主导、面向全市整体部署 AI 智能体的地区：开学季为 6000+ 中小学教师配备 AI 助教，并配套"AI 第一课"培训与激励机制。
在开学"AI 第一课"上，组织方提出三个转变，恰好说明了推进路径：
配发工具只是起点，能不能进入日常流程才是分水岭。
以下场景来自公开的教师实战分享，做法本身比工具版本更值得借鉴。
地理课上讲地球公转与地轴倾角，平面图讲不清，实物教具又只有一个。教师用多模态生成做了一个可拖拽旋转、可调倾角的 3D 模型，学生自己动手改参数看四季变化。
关键：重点不是"炫"，而是留出可调参数让学生探究；一学期用 1–2 次即可。
分子结构是三维的，课本插图是平面的。教师用对话方式做出一个"分子球棍模型"小工具，可离线运行，学生"截图即出三维模型"。
可迁移点：把"讲不清的结构"变成"学生能自己转着看的对象"，再把工具沉淀成 Skill 供同科组使用。
把某位学生的历次成绩放进工作空间，教师只说了一句"帮我看看这位同学这学期的情况"，就得到带趋势曲线、雷达图、薄弱点诊断和备考建议的个性化报告。
提醒：诊断书是参考，与直觉不一致时应核实而非盲从。
生物、化学等学科的实践/探究作业评价周期长。做法是把"学生提交 → AI 初评 → 教师精评"串成流程：AI 负责完整性、规范性等可规则化的部分，教师负责育人性与创造性反馈。
红线：AI 初评不能代替教师判断；涉及学生个体数据必须本地处理。
换一个行业、换一套工具，这 5 条依然成立——它们才是"落地"的通用部分。
| # | 做法 | 为什么有效 | 搬到其他行业 |
|---|---|---|---|
| 1 | 先跑通一条端到端链路（指令 → 成品 → 使用） | 建立信心靠"亲手做出一个真东西"，不是听讲 | 任何工具落地：先交付一个最小可用成品 |
| 2 | 把数据底座建好（母表 / 规范表格） | 没有结构化数据，AI 无从检索与分析 | 业务系统先理字段，再谈智能化 |
| 3 | 高频 + 流程固定的事，固化成模板 / Skill | 一次沉淀、长期复用，且让经验脱离个人 | 把 SOP 变成可执行的自动化资产 |
| 4 | 人机分工写清楚：AI 出初稿，人做终审 | 效率提升与专业判断各归其位，责任清晰 | 任何面向人的输出都必须有人把关 |
| 5 | 敏感数据本地处理、最小必要、先脱敏 | 合规是能不能长期用下去的前提 | 行业数据分级与本地化部署 |
