← 返回目录

第 11 讲　教案批量填制：一学期十六次课，一次出齐

【可执行状态】现在就能做（填制引擎跑在公网，按附录 C 把 doc-filler 连接器接进入口即可）

【本讲对应资产】doc-filler 引擎（5 个工具）；本讲用 filler_help filler_batch filler_run filler_check

【本讲原理来源】L3 第 19 课《第一个 Agent 应用实战》（成长五步）、L3 第 21 课《Agent 核心认知框架》（规划）

引子：一件每年九月都要重演的事

每年九月，总有一位老师的办公桌上摊着同一件活：十六份教案。学院的要求说得清楚——每一次课单独成一份 docx，按学院模板、一章一页。

她打开模板，把“第 3 章 智能体的设计”那几处逐个敲进去，另存一份；再打开一次模板，把“第 4 章”敲进去，再另存一份……到第十份以后，人就开始机械了：字号改飞、班级写错、日期忘了改，都是这时候出的。

真问题是：这十六份东西，九成内容其实是一样的，只有一成不一样——可你偏偏要为那一成，把九成重新做十六遍。 打个比方，这就像给十六个学生写同一封通知，只是收信人不同，你却把整封信从头抄了十六遍。

这一讲要练的动作，就是把“做十六遍”，变成“把不一样的那一份说清一次，剩下的交给机器”。

一、场景：两种做法，两种下班时间

陈老师（化名）这学期上《商业人工智能应用》，一个班，数字经济 2024 级 1 班。学院要求得细：每一次课的教案都要单独成一份 docx，按学院模板、一章一页。 课表排下来是十六次课。

陈老师的两种过法。

第一种：打开模板，把“第 3 章 智能体的设计”这一份的九处内容逐个敲进去，另存一份；再打开一次模板，把“第 4 章”敲进去，另存一份……前十份还算清醒，第十一份开始，她把学时的“3”写成了“4”，把“2026 年 9 月 17 日”复制到了四份文件里；等到十六份收齐，她自己都说不清哪几份改过。交上去，教研室退回三份：一份班级写成了上学期，两份填制日期没改。

第二种：把十六次课各自不同的内容列成一张表，把整门课共用的那几项说一遍，一次出齐。 她做的是同一件事——只是把“抄哪一格”这件事，从手上搬到了配置里。出件之后她只干了一件事：抽三份打开，把六项关键字段读一遍。

同一件事，两种过法。差别不在打字快慢，也不在谁更熟练：

手工那一种，是“用一份文件复制十五份文件”；批量这一种，是“用一张表长出一叠文件”。 后者就是这一讲要练的动作。

最后一行是这个办法唯一的代价，也是本讲要反复强调的一句话：一次出十六份，错误也会十六份。

二、原理：两层分工

1. 教案这一类活，两个层次天然分明

翻开任何一所学校的教案模板，你要填的位置分成两组，界线很清：

• 整门课共用的一组：课程名称、授课教师、授课班级、授课学期。这四项一学期只写一次，十六份教案里一模一样。
• 每次课各自一组：章节、课时、教学目标、重点、难点、教学方法、教学过程、板书设计、作业、日期。这十项十六份各不相同，每份只属于自己那次课。

jiaoyan 场景正是按这个分法设计的，模板里 14 个占位符，数据粒度是课次粒度（记录列表叫 lessons）。十项课次级 + 四项课程级 = 模板上的 14 个位置；哪个占位符取哪一层，调 filler_help 看映射表最准。

比如说“授课班级”这一项：它在十六份教案上完全相同，写进公共信息里一次就够；而“章节”这一项十六份完全不同，必须一条一条给。就像打印信封——学校名字印在版头上（共用），收件人姓名地址一封信一个（各不同）；你不会因为要印十六个信封，就把学校的名字也印十六遍。

2. 这件事，以前是怎么做的

“把同一份格式里的格子填满十六遍”，是一件比电脑早得多的事：

这条线的走向很清楚：每一代都在减少“同一件事做很多遍”的次数，而每一次减少，人剩下的工作都更靠近“把数据说清楚”。 复写纸时代的老师，省的是手；邮件合并时代的老师，省的是抄；今天的老师，省的是决定哪一格属于哪一层——这正是本讲唯一要记住的原理。

这个道理并不新。一百多年前泰勒写《科学管理原理》时，讲的就是把作业拆成标准动作、按标准执行与检验[1]；外科医生出身的葛文德在《清单革命》里又把它推了一步：越是重复、越容易在重复中出错的事，越要靠一张清单和一套固定流程，而不是靠人记性[2]。批量出教案完全是同一件事——十六遍里出错，几乎从不是“不会做”，而是“重复到第十一遍时，人不盯了”。

3. 一次说清，比一次做对更重要

十六次课一次出齐，靠的不是模型聪明，而是你先把数据备清楚了。 L3 第 19 课把智能体的成长拆成五步，第二步是“会取数”；在教师场景里，这一步的意思就是：你能把一次课的内容分成“本条记录”和“整批共用”两部分，这个活就成了。 剩下的十次、二十次，只是往 lessons 列表里多加几段。

顺带说清一个分寸：doc-filler 干的是按映射把内容填进模板，它不会替你写教学目标、更不会替你定重难点。这些内容是你（或备课引擎）先备好，填制这条链的活是“把它正确地放到该放的位置上，一次放十六遍”。换句话说：它负责搬运，你负责内容。 就像打印店的伙计——你给他排版好的稿子，他印得又快又齐；他不会替你写文章。第 10 讲那条链（备课引擎出教案）产出的内容，正好可以接上这里，一次填进十六份模板。

4. 有人要问：一次出十六份，万一我公共信息写错了呢？

这是个真问题，而且是批量活最该怕的一件事。

答案分两层。第一层：错误会放大。 课程级四项写错，十六份一起错——比如说把班级写成“数字经济 2024 级 2 班”，你会得到十六份写着别人班的教案。所以这一讲把“课程级四项每份都有”列成校验点里的一条硬指标：看这四项，就是在看“公共信息传没传对”。

第二层：错误也会被整齐地暴露出来。 手工做十六份，错的那一份混在里面，你不上手翻根本不知道；批量出的十六份，错的是同一个位置、同一个写法——你只要抽三份看，就能判断整批对不对。 这也是为什么本讲反复说：批量活的可核对性，比手工活高得多。 前提只有一个——你得真的去抽那三份。

5. 还有人要问：十六份会不会长得一模一样？

会，而且这正是本讲排第一的常见错误。

它有两个来源，分清楚很重要：

• 把课次级内容提到了公共层：章节、过程、作业本来应该一课一条，你却把它们写进了共用信息——那十六份当然长一个样
• lessons 列表里十六条其实是同一条复制：内容抄得快，忘了改成对应那次课

例如，常见的情形是：老师把第 3 章那份写得很完整，为了省事，复制十五遍再改标题；结果标题改了，过程与作业忘了改。这种错比漏填更难被发现——漏填至少空着扎眼，串行却是十六份都“有模有样”。 发现办法也简单：抽第一份和最后一份对比，两句话就看得出来。

6. 实测长什么样

本书写作时跑过一条真实的 jiaoyan 记录：课程《商业人工智能应用》，第 3 章 智能体的设计，3 课时，班级数字经济 2024 级 1 班。

产出：商业人工智能应用-第3章 智能体的设计-教案.docx，38,514 字节，占位符残留 0。

打开这份 docx 逐项读回来，结果是：

这就是“读回验证”：不看报告说什么，打开成品，把每一项读回来对一遍。 十六份教案一起交出去之前，至少要抽三份这样读回一次。报告说“通过”，不能替代你自己看这三份——就像考试阅卷的抽查：系统说“都判完了”，你还是得抽几份翻一翻，看看判分标准有没有走样。

三、动手三件套

一句话指令（可直接复制，把课程与章节换成你的）

用 filler_help 看一下 jiaoyan 场景的数据骨架；再用 filler_batch 把《商业人工智能应用》这学期十六次课的教案按学院模板一次出齐：list_json 里每条是一次课（章节、课时、教学目标、重点、难点、教学方法、教学过程、板书设计、作业、日期）；context_json 传整门课共用的四项：课程名称＝商业人工智能应用，授课教师＝任渝，授课班级＝数字经济2024级1班，授课学期＝2026-2027学年第一学期；出完把十六份的文件名列给我，并调 filler_check 把校验报告读给我。

先只跑一次课也行：把第一条记录单独交给 filler_run，出来的那一份读回核对，字段对了再把整份 lessons 列表交给 filler_batch——先试一份、再出十六份，这是批量活的标准节奏。这就像开印前先打一张样：花两分钟，省下十六份白印的纸和油墨。

预期产物

（本书写作时的实测样例是其中一次课跑出来的 1 份：商业人工智能应用-第3章 智能体的设计-教案.docx，38,514 字节，占位符残留 0。）

文件名本身就是识别符——课程名、章节、文件类型都在里面，所以不用打开就能核对，哪一份是哪一份。比如秘书收齐十六份归档，按文件名排一遍，章节顺序对不对一眼就能看出来。

校验点（这一步不许跳）

1. 份数 = 课次条数：lessons 里十六条就出十六份。少一份，先查数据形状（单条字典会被包成一条）。
2. 课程级四项每份都有：课程名称、授课教师、授课班级、授课学期，十六份里一份都不能空。这四项是判“公共信息传没传对”的唯一证据；只要有一份空着，就是 context_json 的问题。
3. 课次级不串行：章节名与文件名里的章节必须一致；教学目标和作业必须属于这次课，不能出现“第 3 章”的文件里写着“第 4 章”的内容。
4. 课时的算术对得上：十六次课课时相加，等于大纲里的总学时（本课的实测样例里一次是 3 课时）。
5. 占位符残留 = 0：成品里搜不到 {{ 记号。实测样例的残留是 0。
6. 读回验证：打开成品，把每一项读回来对一遍——报告说“通过”，也不能替代你自己看这三份。

这六条里，第 1、2 条是“批量独有”的：手工做十六份，没有人会去数份数，也没人会检查“是不是每一份都有班级”；批量的风险是成批的，所以批量的检查也必须成批做。

四、常见错误与排错

错误一：只传了十六次课，没传课程级四项。

表现：教案主体填得好好的，“课程名称、授课教师、授课班级、授课学期”四处空着。

原因：这四项属顶层，必须走 context_json；记录列表里没有它。

排错：补上 context_json 重跑。这是 jiaoyan 场景最高频的一个坑，写进了本书的实测记录里。

错误二：出了十六份，每一份都长得一样。

表现：十六个文件名不同，打开内容却是同一次课。

原因：把课次级内容误提到了公共层，或者 lessons 列表里十六条其实是同一条复制。

排错：抽第一份和最后一份对比，两句话就看得出来；对比一样就回去把 lessons 列表逐条改开。

错误三：想要十六份，出来一份或几份。

表现：份数明显少。

原因：数据形状传错——给的是单条字典而场景要求列表时，工具会自动包成一条。

排错：份数 = 记录条数，出完先数份数，再核内容。

错误四：十六份里某一份格式和别人不一样。

表现：某一份字体或表格变了。

原因：跑之前有人在模板上手工改过版式，或中途换了模板。

排错：只认一份原始模板；要改版式就改模板本身，改完重跑，不要在成品上改。

错误五：跑了一半，剩下的没出，报错里看不出原因。

表现：不报错，也没有后续文件。

原因：连接器没登记信任被静默跳过，日志里打 skipping untrusted server。

排错：看日志；连接器写在配置根目录的 mcp.json、用裸名 doc-filler，改完完全退出应用再打开（见附录 C）。

错误六：改了一句内容，直接在成品 docx 上改。

表现：这一份改好了，下一次重跑又被覆盖回去；十六份里只有这一份和别人不一样。

原因：成品是产物，不是源；源头是 lessons 列表与模板。

排错：改源头，重跑，别改产物——就像改菜谱而不是改端上桌的那盘菜。

五、边界与红线

• 教案内容由教师负责：填进模板的每一句（目标、重难点、作业）都是你的教学判断，机器只负责放对位置。交出去之前的复看与签字，不能省略。
• 课时必须与培养方案一致：十六次课的课时合计要能对上大纲，这是教学文件之间的硬约束，机器不会替你检查这一条。
• 模板版权属学院：只用学院下发的教案模板，不改版式、不改固定表述。
• 学生相关的信息不出本机：班级名称会出现在教案上，属教学管理范围内的正常信息；但把含学生姓名、学号的名单放进模板是另一回事，那类数据只在本机环境流转（见第 12 讲）。
• 一次出十六份，错误也会十六份：批量出件前，把课程级四项和课程表再核一遍；公共信息写错，是成批出错，不是个别出错。
• 凡引用必标来源：教研材料里说明用了什么工具，要写全名（如“使用 doc-filler 引擎的 filler_batch 批量填制”），不要只写“用了 AI”。

六、拓展与学科迁移

• 变式一：一门课变一学期。同一门课换学期、换班级，lessons 列表照抄改，课程级四项换一下，十六份立刻齐。
• 变式二：整本教材打包。把一学期十六次课的清单扩到一整本教材的章节目录，课时与章节顺序按大纲铺开，出件数量随记录条数自动变化。
• 跨专业：金融科技专业填《智能风控》教案、电子商务专业填《跨境电商实务》教案、财会专业填《财务报表分析》教案——章节与过程换了，字段名和映射表不变。
• 跨角色：教研室主任统一模板后全员按同一份配置出件，格式天然一致；教学秘书收齐十六份后可以按章节顺序整理归档。
• 隔一层看：同一道批量思路，在所有“同一份格式 × 一批不同内容”的活上都成立——例如实验报告封面、实习周记表、课程考核任务书、毕业设计开题记录，做法都是“公共信息说一遍，逐条内容列一张表”。
• 接下一讲：教案是“课次粒度”的批量；第 12 讲换成“学生粒度”——学期末全班四十人，每人一份结课作业。

带走一句话

共用的说一遍，各异的列一张表；份数对得上，才算做完。

背后的引擎（本讲速查）

本讲要点（速记）

• 两层分工：课程级四项（课程名 / 教师 / 班级 / 学期）走 context_json，课次级十项走 lessons 列表
• 份数 = 课次条数：十六条记录出十六份，出完先数份数
• 先试一份再批量：一份读回核对，再交给批量工具出齐
• 读回验证是硬动作：打开成品把六项关键字段读回来对一遍，报告不能替代这一步
• 批量的风险成批出现，检查也要成批做：一看课程级四项齐不齐，二抽首尾两份对不对
• 实测规模：商业人工智能应用-第3章 智能体的设计-教案.docx，38,514 字节，占位符残留 0

参考文献

[1] Taylor F W. The Principles of Scientific Management[M]. New York: Harper & Brothers, 1911.（原著初版 1911 年；把作业拆成标准动作、按标准执行与检验）

[2] Gawande A. The Checklist Manifesto: How to Get Things Right[M]. New York: Metropolitan Books, 2009.（越是重复、越容易在重复中出差错的作业，越要依靠清单与固定流程）

[3] OpenAI. Function calling[EB/OL]. https://platform.openai.com/docs/guides/function-calling.（工具的描述与参数如何决定模型能否正确调用；本书要求写全工具名的原因之一）

数据与平台：本讲实测数据来自 zhenyuonline.cn 的 doc-filler 引擎（2026-09-17 实跑）：jiaoyan 场景 14 个占位符，数据粒度为课次（lessons 列表）+ 课程级公共信息（context_json）；实测产出 商业人工智能应用-第3章 智能体的设计-教案.docx（38,514 字节），占位符残留 0；读回确认课程名称、章节名称、授课教师、课时、授课班级、授课学期、教学目标、重点、难点、方法、过程、板书、作业、填制日期逐项填入。工具名以「事实底座」所列为准，一个不编。