教師用 AI 完整工作流：備課、出題、批改、班級經營、家長溝通 5 場景 SOP

禮拜天晚上九點，你坐在書桌前，眼前攤開三個檔案：明天要交的週報、下週的單元測驗卷、家長 LINE 群組裡 47 則未讀訊息。你打開電腦，再開一杯咖啡，知道又要熬到凌晨。

這是台灣很多老師的日常。教育部 2025 年的教師工作時數調查指出，國中小教師每週工時平均 52 小時，其中備課、出題、批改、家長溝通加起來常超過 20 小時。這篇拆解 5 個真實場景，把 ChatGPT、Claude、Notion 串成一條工作流，目標是每週省下 8 到 12 小時。

這套 SOP 真正的設計目的，是把行政與重複性工作交給 AI，把時間留給跟學生真正的互動，並非「用 AI 取代教學專業」。先把這條原則記下來——AI 不負責教學，AI 負責清理出時間。

為什麼教師特別需要這套工作流？

先看一個對照組。國小三年級導師 A 老師，每週備課 8 小時、出題 3 小時、批改 6 小時、家長溝通 4 小時，加上行政會議與課堂時間，總工時 55 小時。導入 AI 工作流之後，備課變 3 小時、出題 30 分鐘、批改 2 小時、家長溝通 1.5 小時。一週省 14 小時，等於多了兩個下午可以做真正的教學設計。

差別不在「AI 更聰明」，差別在「AI 把行政流程自動化」。教師工作真正的瓶頸是大量重複性的內容生產——出 30 題練習題、寫 35 份家長聯絡簿、改 40 篇短文，專業判斷反而是其次。這些都是 AI 擅長的場景。根據 OECD 2025 教師時間運用報告，全球教師有 45% 的工時花在非教學活動，台灣這個比例更高（推估 50-55%）。AI 工作流的目的就是把這 50% 砍掉一半。

場景一：備課與教案設計

傳統流程是翻課本、找參考資料、整理重點、設計活動，一份教案 60-90 分鐘。AI 工作流把這個壓縮到 20-30 分鐘——你給 AI 「單元主題 + 學生年級 + 預計時長 + 教學目標」，它先產出大綱，你再針對大綱微調，最後讓它補上細節。

關鍵是 Prompt 的結構。不要直接問「幫我寫一份國小三年級自然課光合作用的教案」，這樣產出會很罐頭。改成這樣的結構：

這份 Prompt 多了三個東西：教師角色（讓 AI 用同行口吻）、學生狀態（避免太簡單或太難）、時間結構（避免長篇大論）。產出品質會比上面那種開放式問法好很多。

教案微調的迭代技巧

AI 第一次產出通常是 70 分的版本——架構對但細節弱。這時不要重來，要「迭代」。可以追問：「動手實驗的部分太複雜，請改成用透明杯子加水耕植物的方式，材料費控制在每組 30 元內」「常見迷思請補充學生最容易混淆的『呼吸 vs 光合』比較」。每追問一次，產出就更貼合你的班級需求。

我們建議用 Claude 做這類迭代型任務，因為它的長上下文記得住前面的對話，不會在第三輪改完之後忘記你的教學目標。ChatGPT 也可以，但要記得每隔幾輪重貼一次脈絡。

場景二：出題與題庫管理

出題是教師最耗時也最容易被低估的工作。一份 20 題的單元測驗卷，從題目設計到難度配比，認真寫至少 90 分鐘。AI 可以把這個壓縮到 20 分鐘——前提是你要會「給規格」而不是「給命令」。

產出後一定要人工檢查。AI 在數學、科學類題目仍會有錯誤，特別是分數運算、單位換算、文字題的邏輯。建議用「自己解一遍 + 對照 AI 答案」的方式快速抓錯，比直接信任 AI 安全得多。

把題庫存進 Notion 變成長期資產

每次 AI 產出的題目，建議匯入 Notion 資料庫，分類欄位包括「科目 / 年級 / 單元 / 難度 / 是否使用過 / 學生答錯率」。一個學期累積下來會有幾百題的題庫，第二年完全可以重用，再讓 AI 微調表述方式即可。

Notion 的Database 功能可以很容易做到這件事——你建一個「題庫」資料庫，每題一個 row。要出考卷時用 filter 篩選需要的題目，再貼到 Word/Pages 排版。長期來說這比 Word 檔散落各處好用很多。

場景三：作業批改與學生回饋

批改是教師工作最痛苦的部分之一——機械、重複、容易眼花。AI 不能取代批改（特別是有教學判斷的題目），但可以協助處理 70% 的常見錯誤。

做法是用拍照或掃描的方式，把學生作業傳給支援視覺的 AI（Claude、GPT-4o、Gemini 都行），讓它先列出每個學生的常見錯誤類型。注意：學生個資不能直接餵雲端 AI——拍照前要把學生姓名遮住，只留學號或暱稱。或者用本地 LLM（Ollama + Llama 4）做這件事，資料完全不出機。

給學生的回饋怎麼用 AI 寫

學期末或段考後，每個學生要寫一份個別化的回饋，平均 200-300 字。班上 35 人，光寫回饋就要 3-4 小時。AI 可以加速這個流程——你給它「學生這次的成績 + 平時觀察 + 想強調的優點與待改進點」，它產出第一版回饋，你再潤飾。

場景四：班級經營與課堂活動

班級經營是教師工作中最難「結構化」的部分，但 AI 仍能幫上忙——產出班級規則初版、設計小組活動、整理班級會議流程、設計獎勵機制。這些其實都是創意產出與行政整理，並非教學專業判斷。

用 AI 設計小組活動的技巧

給 AI 一個情境（例：「班上有 32 人，我想用 8 個小組各 4 人的方式做一場關於『分工合作』的活動，時間 45 分鐘，預算 0」），它會產出 3-5 個活動設計選項。你挑一個喜歡的，再追問細節（材料、規則、時間分配、變化版）。比起翻教師手冊找活動，這個流程快很多。

班級會議與獎懲制度

班級會議流程、獎懲制度、座位安排、分組規則——這些重複性的行政設計，AI 都能產出可用的初版。Edutopia 整理的班級管理框架 有很多現成的概念，你可以把這些跟 AI 結合：「請參考 PBIS 正向行為支持框架，為國小四年級設計一套點數制獎勵系統，要包含個人獎勵、小組獎勵、班級獎勵三層次。」

場景五：家長溝通與聯絡簿

家長溝通是教師工作量被低估最嚴重的部分。一個班 30 個學生，平均每天要回 5-10 則家長訊息，加上每週的聯絡簿、每月的學習報告、每學期的家長會準備。把這部分結構化，AI 可以幫到一半。

家長訊息回覆範本庫

先用 AI 整理「常見家長問題的回覆範本」——孩子今天為什麼被罰、明天要帶什麼、考試成績為什麼這樣評分、希望換座位、希望換組員。每種情境寫 3-5 個範本（不同語氣、不同詳細程度），存進 Notion。實際遇到時，挑最接近的範本微調 30 秒就能回覆，不用每次重寫。

聯絡簿與學習報告

每週聯絡簿與每月學習報告，過去都要手寫或一人一份打字，超耗時。建議改成這樣的流程：你給 AI「這週課程主題 + 班級狀況 + 個別學生狀況」，它產出每個學生的個別化段落，你只負責人工校對。聯絡簿從 2 小時壓到 30 分鐘是合理的。

整套工作流的工具堆疊與成本

整套工具總成本月費 NT$ 650 起跳，多數教師選一個 AI（建議 Claude Pro）+ Notion + NotebookLM 就足夠。把這當成投資——一個月省下 30-40 小時，時薪換算下來 CP 值極高。

教師 AI 工作流的紅線：3 件絕對不能做的事

• 把學生姓名、成績、家庭背景直接餵給 ChatGPT 或 Claude 等雲端 AI（個資法 + 校方規範）

• 把 AI 產出的回饋、評語、聯絡簿內容直接送出，沒有人工校對（教育專業責任）

• 讓 AI 取代與學生的真實互動，把 AI 變成「省時間的藉口」而忽略教學本質（教育倫理）

這三條紅線守住，AI 才是真正的助手。違反任何一條，AI 都會變成燙手山芋。如果學校政策還沒有明確的 AI 使用規範，建議主動跟主任討論並建立班級層級的使用守則——這比事後出問題再補規範安全得多。

結語：AI 真正的角色，是把時間還給老師

這套工作流跑下來，多數教師每週可以省下 8-12 小時。這 8-12 小時的核心用途，是做真正重要的事——跟學生對話、設計差異化教學、處理個別輔導需求。這些是 AI 永遠取代不了的。

從 AI 工具的角度看，2025-2026 是教師工作流自動化的黃金窗口期——工具夠成熟、價格夠便宜、學校政策還有彈性。錯過這波的老師會繼續用 20 小時做 8 小時的事，趕上的老師會把那 12 小時拿來做更有意義的教學設計。差別兩三年後就會顯現出來。

如果你的學校或補習班想系統性導入 AI 工作流，包括 SOP 設計、工具選型、教師培訓、隱私規範制定，歡迎跟我們聊聊。我們做過[補課系統](/portfolio/tutoring-system)的開發案，在教育場域的 AI 諮詢經驗中很常處理類似情境。預約諮詢可以從 /services/ai-consult 開始。