假设一位高校教师，希望借助AI帮助学生理解西方哲学史上的一个经典问题。
你现在扮演苏格拉底，请与学生讨论“美德是否可以被教授”。
第一次对话也许很精彩。AI用反问推进讨论，谈知识、德性与善，也会举出几个看似恰当的例子。学生觉得新鲜，课堂气氛也活跃起来。但继续聊下去，问题很快出现：学生一问“所以美德到底能不能被教授”，AI便跳出角色，像百科全书一样罗列不同观点；学生要求“直接给我一个标准答案”，它又迅速给出一段完整、稳妥、甚至无可挑剔的结论。答案得到了，但学生没有经历界定概念、提出理由、检验证据和回应反例的过程。AI完成了回答，也替学生完成了本应由学生完成的思考。
所以，真正要追问的并不是“AI答对了吗”，而是：这段对话真的帮助学生理解了吗？这真的是教师期待的教学提示词吗？
在搜索引擎、短视频和社交平台上，我们能看到各种提示词“公式”：有的分五步，有的分六步，还有的用不同字母重新组合。名称虽然不同，核心大多相似——写清AI扮演什么角色、完成什么任务、参考哪些资料、按照什么步骤执行，以及最终以什么格式输出。
这些方法没有错。当我们希望AI生成一份教案、课程提纲、课堂练习或活动方案时，角色、任务、背景和格式越清楚，输出通常越稳定。
在一些教师工作坊里，也常有人问：
是不是必须先学会一整套提示词公式，才能开始做教学智能体？
这个担心可以理解，却容易把注意力放错地方。随着模型和产品能力不断升级，角色、背景、格式、步骤等基础要素，越来越可以由系统通过模板、追问或自动补全来完成。真正不能被自动补上的，是教师对课程和学生的判断：学生通常在哪里卡住，什么内容可以提示，什么过程不能代替，怎样的互动才真正指向本节课的学习目标。
更重要的是，教学智能体面对的不是一次性生成，而是一段持续发生的互动。学生可能回答正确，也可能答非所问；可能已经形成自己的思路，也可能连问题都没有读懂；可能愿意跟着提示继续尝试，也可能反复追问：“你直接告诉我答案不行吗？”这时，AI不能只知道“最后要生成什么”，还要知道：
学生第一次回答错误时，应该纠正还是追问？
学生证据不足时，应该补充材料还是让他继续寻找？
学生要求结论时，哪些内容可以提示，哪些不能直接给出？
对话偏离教学目标时，怎样把它带回来？
什么情况下应该停止互动，把问题交还给教师？
换句话说：通用提示词关注“这一次生成什么”，教学提示词还要规定“接下来怎样互动”。课堂中的提示词不是一张内容订单，更像一份微型教学方案。
你是一位耐心的老师，请循序渐进地引导学生。
这句话交给一位有经验的教师，他能够理解其中的分寸：什么时候追问，什么时候给一点提示，什么时候换一种解释，什么时候暂时不说。但对AI来说，“耐心”“引导”“循序渐进”仍然过于抽象。它可能把“循序渐进”理解成：把完整答案拆成第一步、第二步、第三步依次讲完。形式上符合要求，教学上却依然替学生完成了思考。
因此，提示词优化的重点，不是增加更多漂亮的形容词，而是减少AI自由解释的空间，把教师脑中默认的专业判断写出来。
可以从五类内容检查自己的设计：
身份：它在课堂中究竟承担什么职责
哲学家”“历史人物”“写作助手”往往还不够具体。它是负责解释知识的答疑助手，还是帮助学生澄清概念的思维教练？是无所不知的哲学百科，还是只能依据特定文本与立场回应的苏格拉底？身份写得越具体，AI越清楚自己应该做什么，也越清楚自己不应该做什么。
核心原则：这段互动最终要培养什么
角色只是外壳，教学目标才决定角色怎样行动。同样是扮演苏格拉底，可以服务于哲学史知识记忆，也可以训练概念辨析、论证或反思能力。目标不同，AI采用的提问方式、回应深度和判断标准也应不同。教师需要先回答：这段对话结束后，希望学生多获得一种什么能力，而不只是多知道一个什么答案？
具体行为：遇到不同情况，AI分别怎样回应
与其写“关注学生差异”，不如把它改成可以执行的规则：
如果学生只给出结论，就继续追问依据；
如果学生引用了材料，就让他说明材料与观点之间的关系；
如果学生的判断过于单一，就提供一个反例或新的观察角度；
如果学生已经形成完整论证，就邀请他检验结论成立的边界。
AI需要的不是教学口号，而是一棵可以执行的教学决策树。
禁止行为：哪些事情绝对不能做
在教学智能体中，没有写明的禁止事项，很可能会被AI理解为默认允许。
因此，教师还需要明确：不能直接替学生给出最终结论，不能随意跳出角色，不能编造角色不可能知道的信息，不能因为学生反复要求就放弃原有教学规则。这些限制不是为了让AI变得迟钝，而是为了守住学习过程。
示例对话：让AI看见什么才是“合适的回应”
规则之外，还可以给出成对示例。不理想的回应是：“苏格拉底认为美德与知识密切相关，美德是否可以被教授需要辩证看待。”更符合教学目标的回应可以是：“你说美德可以被教授。先说说，你所说的‘美德’指什么？如果一个人知道什么是善，却仍然选择作恶，你的判断是否需要调整？”AI不只会阅读规则，也会模仿示例中的互动方式。
需要强调的是，身份、原则、具体行为、禁止行为和示例对话，并不是又一套必须依次照搬的“五步法”。它们更像五个检查角度，帮助教师判断：自己的教学意图是否已经真正进入AI。
不少角色智能体看起来很热闹：AI可以成为达尔文、苏格拉底、企业经理、患者或新闻事件中的受访者。但如果只写一句“请你扮演某某”，得到的往往只是语言风格上的模仿。一个真正能够用于课堂的角色，至少要守住三层一致性。
第一：是信息边界
如果AI扮演达尔文，它可以依据19世纪的观察材料与知识条件讨论物种变化和自然选择，却不能直接借用现代遗传学、DNA测序或后来形成的综合进化理论来回答问题。角色知道什么、不知道什么，必须与其身份和时代一致。
第二：是立场与关系
如果AI扮演苏格拉底，它与学生的关系不应是“知识播报者与听众”，而应是通过追问共同检验观点的对话者。面对未经论证的断言，它不会急着公布答案；面对自相矛盾的表述，它会继续追问，让学生看见问题所在。
第三：是互动机制
如果AI扮演企业经理，面对有数据支持的方案，可以追问成本、风险和执行条件；面对含糊建议，应要求补充依据；面对情绪化或挑衅式表达，则可以先澄清问题、重申沟通边界。学生的提问方式、证据质量和表达态度发生变化时，角色的回应也应随之变化。
因此：“你扮演谁”只是角色的外壳，“你为什么这样回应、什么时候改变回应”才是角色能够进入教学的关键。
在智慧树与北京理工大学法学院共同建设“数据法学”智能体课程中，教师围绕教学情境设计了两个不同的角色智能体：一个扮演被害人，一个扮演加害者。
如果只是让AI解释法律概念，学生获得的仍然主要是一段知识答案。当两个处于不同位置的主体进入同一学习情境，学生面对的便不再只是“这个概念是什么意思”，而是更具体的问题：不同主体会怎样描述同一事件？哪些信息可能被强调或回避？一个说法背后包含怎样的立场？还需要追问什么，才能形成更完整的事实判断？
“逆流:少女的正义"能力训练
<沉浸式代入多元角色，梳理法学理论提升辩护能力>
这类智能体的设计重点，不是让AI说话“更像真人”，而是为不同角色写入不同的身份、信息边界、表达立场和回应规则。学生提出的问题不同，角色可能给出的信息也不同；学生是否追问关键细节、能否识别说法之间的差异，会直接影响互动能否继续深入。于是，角色扮演不再是一段供学生观看的新奇演示，而成为一种可以反复进入的训练情境。学生需要提问、辨别、比较并形成判断；教师原本只能在课堂中临场完成的指导，也被逐步转化为能够持续运行的角色与规则。
这正是教学提示词与普通提示词最重要的区别：它不是为了让AI表演得更精彩，而是为了让学生在互动中完成原本需要亲自完成的认知任务。当角色设定、互动规则和训练目标进一步连接到智慧树智能体课程的能力实训中，一段提示词也就不再是一次性的工具使用，而可以成为课程里可重复调用、可持续优化的教学能力。
详细想要了解该课程的老师
点击视频查看
教师当然可以学习提示词技巧，但真正决定一个教学智能体是否有效的，并不是掌握了多少术语，也不是提示词写了多少行。教师真正不可替代的能力，是知道学生通常会在哪里卡住，知道一个错误回答背后可能隐藏着怎样的误解，也知道什么时候应该继续追问、什么时候只给一个小提示。
过去，这些判断常常存在于教师的个人经验中，只在具体课堂、具体学生和具体时刻发生。现在，教师可以尝试把它们写出来：
学生出现什么表现，说明他还没有理解问题？
哪些内容可以解释，哪些部分必须由学生自己完成？
面对不同回答，下一步应该提出什么问题？
哪些回应看似高效，却可能替学生绕过学习？
写提示词的过程，本质上也是教师重新审视自己教学方法的过程。所以，老师写提示词，真的不必先去背下一套固定的“五步法”。不妨先从一个真实的小场景开始：一个学生经常混淆的概念、一类课堂上难以反复开展的角色训练，或者一句经常出现的“老师，我不会”。然后把自己原本会作出的判断，一条一条写成AI能够执行的规则。一个提示词本身的价值有限，真正有价值的，是它所承载的教学判断。
AI并不缺少回答问题的能力。课堂真正留给教师的设计空间，是决定它以什么身份出现、遵守什么规则，又把学生的思考引向哪里。
