一句话总结：单次提问解决一个任务，工作流解决一类任务。把一件事做好是技巧，把一类事做稳是流程。
前面两章你已经会向 AI 提问、甚至让它做出小工具了。但你可能发现一个问题：每次备课都要从头组织提示词，每周重复一遍，并没有真正省下多少力气。这一章要解决的就是这件事——把一次性的提问，升级成一条能反复套用的工作流。这是从”会用 AI”到”用 AI 改造日常工作”的关键一步，也是后面”智能体”一章的基础。
什么是工作流，它和单次提问差在哪
单次提问是”我问一句，它答一段”。工作流则是把一个较大的任务拆成几个有顺序的步骤，每一步用相对固定的方式处理，上一步的产出喂给下一步，中间还设有你来把关的检查点。
打个比方：单次提问像是每次做饭都临时想菜谱，工作流则是你有一套固定的备菜、下锅、调味、装盘流程，换个菜也只是替换食材，框架不变。备课、批改、出题、家校沟通这些每周都要做的事，最适合做成工作流。
一条好的工作流，通常包含四个要素：任务拆解（把大任务切成小步骤）、固定模板（每步用稳定的提示词，只换变量）、人机分工（哪些交给 AI、哪些必须你来）、质量关卡（在关键节点停下来核查）。下面用两个真实场景把它们讲透。
工作流示范一：一节课的备课
假设你要备一节七年级语文课。与其丢一句”帮我备课”,不如走下面这条拆开的流程，每一步都是一次提问，但顺序和分工是固定的。
第一步，定教学目标。把课标要求和教材文本发给 AI，让它先帮你梳理：
你是一位资深初中语文教师。这是我要上的课文《春》（粘贴文本）。
请基于七年级学生水平，提出 3 条可衡量的教学目标，分别对应
知识、能力、情感三个层面。先不要设计活动。这一步的产出是目标。这里就有第一个质量关卡：目标是你教学的方向，AI 给的草稿你必须亲自审定、按班情调整，定下来再往下走。
第二步，基于目标设计活动。把你确认后的目标喂回去：
基于以上确认的教学目标，设计一节 40 分钟课的活动流程，
包含导入、主体、收束三段，标注每段时长和设计意图。第三步，生成配套材料。活动定了，再让它产出学案、练习题、板书提纲：
基于上面的活动流程，生成一份学生学案和 5 道随堂练习，
难度对应前面的教学目标，附参考答案。第四步，差异化处理。这一步常被忽略，却最能体现工作流的价值：
针对班上注意力容易分散的学生和学有余力的学生，
分别给主体环节提供一个调整版本。最后一步，你来定稿。AI 给的是一套连贯的初稿，但课堂是你的——删掉不合班情的环节、补上 AI 不知道的细节、把语言改成你自己的口吻。
走完你会发现：每一步的提示词下次备别的课几乎原样能用，只要换掉课文和年级。这就是模板的力量。把这五步存进你的提示库，你就拥有了一条”备课流水线”。
工作流示范二：作业批改与学情分析
批改是另一类高频、机械、最值得做成流程的工作。注意：这条流程的第一步是红线，不是建议。
第一步，脱敏。在把任何学生作业交给 AI 之前，先去掉姓名、学号等一切可识别个人的信息，用”学生 1、学生 2”代替。这是不可跳过的一步，原因下一章（伦理）会详细讲。
第二步，批量初筛。把脱敏后的作业交给 AI 做第一遍：
以下是 30 份七年级英语作文（已脱敏）。请逐篇标出语法和拼写错误，
不做评分，也不改写，只列出每篇的错误清单。让 AI 干它擅长的机械活——找错别字、标语法问题，而把”思想、立意、情感”这些它判断不可靠的部分留给你。
第三步，归纳共性。这是 AI 真正帮你省脑的地方：
综合这 30 份作文，归纳出最高频的 5 类共性问题，
每类给一个典型例子，并按出现频率排序。一份全班共性问题清单，就是你写讲评课的现成骨架。
第四步，你来讲评与个别反馈。共性问题怎么讲、对每个孩子说什么鼓励的话，这是育人，必须你来。AI 给你省下的，是那些重复机械的环节，好让你把时间花在真正需要人的地方。
人机分工：一条简单的判断线
两个示范里反复出现同一个原则，值得单独点明：把机械的、可大量重复的、有明确对错的工作交给 AI；把涉及判断、价值、情感、关系的工作留给自己。 找错别字交给 AI，判断一篇文章好不好留给你；汇总数据交给 AI，决定怎么跟这个孩子谈留给你。这条线划清楚了，你既不会因为不敢用而浪费 AI 的算力，也不会因为乱用而把该自己负责的事推出去。
更进一步：用专门的平台把工作流”固化”下来
上面两个示范，都是你在一个对话框里一步步推进——这很灵活，但每次都得自己手动跑一遍。如果某条流程你每周都要重复，可以考虑用专门的工作流平台把它”固化”成一个能一键运行、甚至自动运行的流程。国内常用的是字节跳动的扣子（Coze），国外开源的代表是 Dify，两者都不需要写代码，靠拖拽就能搭。
这类平台的思路，是把流程拆成一个个”节点”,用线连起来。常见的节点包括：
- 输入节点：接收你给的内容，比如一段课文、一个主题、一个上传的文件。
- 联网/爬虫节点：自动去网上抓取资料，比如抓取某个政策页面或新闻的内容。
- 大模型节点：调用 LLM 处理上一步的内容，比如总结、改写、出题——相当于把你的提示词固定在这里。
- 条件判断节点：按规则分流，比如”如果学生得分低于 60 分，走 A 路径生成补强练习；否则走 B 路径”。
- 输出节点：把结果整理成你要的形式发出来。
举个例子，前面”备课”那条流程，在扣子或 Dify 上可以搭成：你输入一篇课文 → 大模型节点生成教学目标 → 再接一个大模型节点据此生成活动和练习 → 输出成一份完整文档。搭好之后，下次备课只要丢进一篇新课文，整条流程自动跑完，不用再一句句敲。“教研文献监控”这类需要联网抓取的任务，也能用爬虫节点 + 大模型节点组合出来。
要不要用平台，取决于这条流程值不值得一次性投入去搭。偶尔做一次的事，在对话框里手动走就好；雷打不动每周重复的事，花一次力气固化到平台上，长期最省心。这也正是通向下一章”智能体”的台阶——当一条流程不仅能一键运行、还能自己定时触发时，它就开始像一个会自动干活的助手了。
怎么搭一条属于你自己的工作流
挑一件你每周都要重复、且让你头疼的事——周报、家长通知、单元测验、错题整理都行。然后照下面四问把它拆开：
第一问，这件事能拆成哪几步？把它从”一坨”变成有顺序的几小步。第二问，每一步交给谁？逐步标上”AI 做”还是”我做”。第三问，AI 做的那几步，提示词能不能固定下来、只留几个空让我每次填？能，就把它写成带空位的模板存起来。第四问，质量关卡设在哪？在哪几步之后我必须停下来核查、不能让错误往下传？
把答案写下来，你就有了第一条工作流。第一次搭可能要花点时间，但它是一次投入、长期复用。用顺了之后，你日常工作里那些重复劳动会肉眼可见地减少，而你省下的时间，正好还给最需要人的教学本身。
下一章我们会更进一步：当一条工作流足够成熟，能不能让 AI 不用你每步催促、自己把它跑完？这就是智能体（Agent）要回答的问题。
本文属于《给老师的 AI 指南》系列。具体来源、参考资料与 AI 使用说明见系列目录页。