状态：独立博客归档稿。

SEO 摘要：基于 Claude for Teachers 的定时复盘示例，用三天自造匿名数据回放“输入、校验、诊断、建议、差异、人工审批”链路，说明定时 Agent 如何处理私有文件、证据、回滚、隐私与失败恢复。

如果每天收工前，把当天的文件丢进一个文件夹，AI 就能在固定时间读完、找出问题，再把明天该做什么列好，你会不会直接照着执行？

这件事听起来很省力。周报不用从头翻记录，内容复盘不用再对着后台发呆，知识库里积压的材料也有人每天整理。

可一旦 AI 的建议会改变第二天的工作，麻烦就来了。

它读错了怎么办？它把同时发生的变化当成因果怎么办？它发现某个人连续出错，顺手给对方贴了一个长期标签，又怎么办？

我最近看到一个很适合拆解这类问题的官方示例。Anthropic 在 2026 年 7 月 14 日发布 Claude for Teachers，提到可以安排重复任务，例如每个上课日 16:00 复核当天的 exit tickets，判断学生掌握情况，再调整次日计划。[1]

我没有把这句话直接当成“AI 可以自动改教案”。官方页面展示的是产品用例，不是我已经跑过的结果；“生成调整建议”和“让调整直接生效”，中间也差着一道很重要的门。

所以这次我没有上传真实学生资料，也没有假装自己拥有符合条件的账户。我做了一个更克制的三天离线实验：全部使用自造、匿名的模拟数据，只研究一件事。

文件输入、诊断、次日建议、人工确认，这四步到底该怎么分工？

先把官方说了什么讲清楚

Claude for Teachers 当前不是面向所有人的通用免费功能。

官方限定的是经验证、在美国 K–12 学校工作的个人教育者。帮助中心还写明，申请者需要使用学校邮箱完成验证，并将 Claude 用于教育目的；它不是学生方案。符合条件者在 2027 年 6 月 30 日前注册，可获得完整一年的免费访问，但仍有额外使用量限制，价格和方案也可能变化。[1][2][3]

官方确认该方案包含 Learning Commons connector、教学 skills、Claude Code 和 Cowork。产品页把 scheduled tasks 明确写成 Cowork 的能力；但公告没有把每一个课堂数据分析示例分别归给 Claude Code 或 Cowork，我也没有替官方做这种拆分。[1][2][3]

还有一条更容易被说过头。

官方称教师方案中的输入和输出不用于模型训练，并为 K–12 场景提供专门条款和数据处理附录。它对 FERPA 的原话是 DPA “written to comply with FERPA”，帮助中心使用的是 “FERPA-aligned protections”。这不能改写成“通过 FERPA 认证”，也不代表学校和教育者从此不用管授权、数据最小化、连接器权限和保存期限。[1][3][4][5]

这几条限制看起来有点扫兴，却决定了实验该怎么做。

既然我没有登录符合资格的真实账户，就不测试真实调度、私有文件连接和外部写回。既然涉及未成年人数据，就不用“脱敏一下应该没事”的真实材料，而是从零造一份无法映射到真人的数据。

我怎么搭这次三天模拟

我虚构了一个 12 人的八年级数学小班，用 S-01 到 S-12 作为随机代号。文件里只保留三类低维信息：一道出口题是独立正确、提示后正确还是未掌握；作业是完成、部分完成还是未提交；以及经过压缩的课堂现象。

姓名、邮箱、学号、学校、地区、家庭情况、健康和特殊教育信息，全部没有进入数据。就连“为什么没交作业”也不采集，因为这类空白最容易诱使模型编一个听起来合理的原因。

每天运行前，我先写好一份“原次日计划”，然后锁住它。AI 不能看完建议后再替我美化原计划。

整个链路是这样的：

匿名文件
→ 隐私、字段和算术校验
→ 只依据文件做诊断
→ 生成最多 3 条次日建议
→ 与原计划逐项比较
→ 交给模拟教师批准、修改或拒绝

每条建议都必须回答四个问题：证据来自哪里，要占用多少时间，第二天观察什么，什么情况下撤回。

我还加了一个很笨、但很有用的默认值：

没有完整审批 = DO_NOT_APPLY

也就是说，AI 写完不算完成。人没确认，就继续用原计划。

第一天，AI 的建议没错，但对象需要改

第一天的模拟主题是一次函数的斜率和变化率。

12 个代号中，8 个独立答对出口题；11 份作业有提交，其中 6 份达到当天核心目标。文件里还明确记录了两类重复错误：3 份把比值方向写反，2 份算对了却解释错了负斜率的含义。

原计划很常见：第二天继续讲图像与截距，先用 5 分钟口头复习公式，再布置 6 道图像题。

AI 给出的草案，是把 5 分钟口头复习改成 12 分钟的短流程：先独立做两题，再看匿名错例，最后让同伴解释。它还建议给两个出现坐标顺序错误的代号一张“标 x/y，再写 Δy/Δx”的检查单。

模拟教师批准了复习方式，却修改了检查单的发放方式。

检查单改为全班可见、按需取用，不建立固定名单。

这个小改动比建议本身更值得记住。AI 很容易根据连续出现的代号，把临时支持变成固定分组。可三天小样本只能说明“这一次出现了什么”，没有资格定义“这个人是什么水平”。

第二天，数字变好了，也不能抢着认功

第二天，出口题独立正确变成 9/12，已提交作业的核心题达标变成 8/11。

如果想写一个漂亮案例，到这里很容易接一句：“第一天的调整有效。”

我把这句删了。

数据是自造的，样本只有 12 个代号，而且两天之间不只改变了一个因素。它最多支持“几个描述性数字同时上升”，不能支持因果判断。

第二天真正明确的输入，是两份作业混淆横截距和纵截距，一份读错比例尺，以及课堂比原计划超时 8 分钟。

AI 因此建议，第三天先用 8 分钟做截距对比检查；完整示范由两题减为一题，保留四题独立练习；作业从 8 题减为 5 题，并要求每题代回核验。

这里已经不是整理文件了。减少示范题、改变作业量、重新分配课堂时间，都会直接影响学习安排。

所以这些建议只进入审批包。模拟教师逐项批准，并补了一条现场停止条件：如果全班两道截距题都答对，检查就提前结束，不必硬凑满 8 分钟。

AI 能把超时和错误集中点放到一起，人要判断这 8 分钟在真实课堂里值不值得花。

第三天，最有价值的输出是“不要自动分组”

第三天的模拟数据继续上升：出口题独立正确 10/12，作业 12/12 提交，核心题达标 9/12。

原次日计划准备安排一场 10 题、15 分钟的小测，再按总分自动分成“提高组”和“基础组”。

这一次，AI 没有顺着原计划往下跑。它指出，当前明确出现的是两份移项算术错误和一份没有代回核验。只看总分，会把概念错误、步骤错误和算术错误混在一起。

它建议把小测改成 6 道形成性检查题，分别观察概念、步骤和核验；禁止按总分自动分组，先由教师逐题复核，再决定是否提供临时、可退出的练习单。

模拟教师批准了前两项，又修改了“何时撤掉检查单”的建议。三天证据太少，不设置自动撤除阈值，等更多课堂信息再决定。

这一天没有发生任何真实分组、评分、通知或系统写回。实验里最重要的动作，不是 AI 做了什么，而是它在哪些地方没有继续做。

三天的描述性结果如下：

请把这张表只当成工作流测试用的模拟读数。它不能证明某个模型、产品或教学方法有效，更不能推到真实学生身上。

哪些工作可以交给 AI

跑完三天，我会把下面这些事交给自动化，但只允许它们产出草案。

文件到达后，先检查文件名、日期和必填字段。逐行人数与汇总人数对不上，就停下来，不猜哪一边正确。

确定性的计数可以自动做。比如提交人数、百分比、原计划与新建议的增删变化。输入里已经明确标注的错误类型，也可以聚合。

AI 可以写诊断，但每一条都要带证据位置。它可以给建议，但要同时写时间成本、观察点和回滚条件。单独一句“建议加强练习”没有审核价值。

它还可以把原计划和建议做成差异清单。这个动作很实用，因为人不必重读整份方案，只需检查哪些地方被新增、删除、延后或保留。

最后，AI 可以生成审批包，提醒还有哪些决定没有人签字。

这些工作有一个共同点：结果容易复算，错误容易定位，撤回成本也比较低。

哪些事必须等人确认

第一关不是模型，而是数据负责人。

文件里没有姓名，不代表已经充分匿名。精确时间、罕见经历、自由文本片段和多个字段的组合，都可能间接指向某个人。明显字段可以用规则初筛，但“无法合理关联到个人”不能只靠一次正则扫描证明。

第二关是专业语境。

AI 看到的是字段和文字，不知道当天课堂为什么超时，也不知道某个练习是不是下周内容的前置要求。诊断听起来通顺，不等于它符合现场。

第三关是会影响人的决定。

课程进度、工作量、测验方式、资源分配、个体支持和分组，都不能因为模型给了一个中等或高置信度就自动生效。尤其是涉及长期标签时，宁可保持共同任务，也不要让小样本替人定性。

第四关是所有外部动作。

发消息、改成绩、覆盖原文件、写回业务系统、删除数据、延长保存期，以及对外发布，都需要单独授权。审批“这条建议不错”，不能被顺手解释成“允许调用所有工具”。

我给这条链路加了四个停止信号

第一个是 BLOCKED_PRIVACY。

发现疑似姓名、联系方式、学校、健康信息或其他敏感线索，就在模型诊断前停止。系统不复述敏感内容，只通知人重新匿名化文件。

第二个是 BLOCKED_INTEGRITY。

逐行数据与汇总冲突，或者分母不清楚，就不继续做个体建议。算术不可靠时，后面的“智能分析”只会把错误写得更像真的。

第三个是“证据不足”。

未提交就是未提交，不能补写成态度问题、家庭原因或学习障碍。三天数字上升也只是数字上升，不能自动归功于前一天的建议。

第四个是 DO_NOT_APPLY。

审批超时、字段缺失、运行标识对不上，全部保持原计划。系统宁可少做一次，也不能把沉默当成同意。

真实部署还要补上权限隔离、加密、运行日志、幂等去重、失败重试和到期删除。我这次没有运行真实定时任务，也没有连接私有目录。时区怎么设、电脑离线时是否继续运行、漏跑后会不会补跑、失败如何重试、通知发到哪里、使用量耗尽后怎样处理，以及产品是否原生强制人工审批，这些都仍是待验证项。

官方 K–12 条款也明确提醒，服务和输出不保证准确、完整、无错误或不中断。[4] 这句话比“AI 会不会越来越聪明”更接近工程现实。

真正接上调度器前，还缺六件工程工作

离线回放能验证决策逻辑，却不能替代真实调度测试。生产环境至少还要补六件事。

一是权限隔离。读取目录、输出目录和外部动作应使用不同权限。一个只负责汇总的 Agent，不应顺手拥有删除原文件或发消息的能力。

二是幂等。每次运行要有唯一 ID。同一批输入重复触发时，只更新同一份审批包，不能连续创建三份建议或发三次通知。

三是失败恢复。文件只读到一半、模型超时、网络断开，都应保留未完成状态。恢复时从检查点继续，而不是假装整次任务没有发生。

四是版本与差异。输入版本、提示模板版本、模型版本、原计划和建议差异都要进入日志。否则几天后很难解释某条建议怎样生成。

五是保存与删除策略。原始输入、匿名中间文件、审批包和运行日志的保存期限应分别定义。删除动作也要留痕，不能让 Agent 按“看起来没用了”自行清理。

六是通知边界。可以通知“审批包已生成”，不能在同一权限里顺手通知学生、客户或团队“计划已经改变”。生成提醒和对外发布不是同一个动作。

换成周报、内容复盘和知识库，边界其实一样

教学场景敏感，但这套分工并不只适用于课堂。

做周报时，可以让 AI 读取已经确认的任务记录，汇总本周完成项、延期项和计划差异。至于为什么延期、下周优先级怎么排、哪些问题该对外说明，仍由负责人确认。草稿不能自动发进群里。

做内容复盘时，可以让 AI 对照标题、发布时间、阅读与互动数据，找出重复出现的现象，再生成下一轮选题或标题实验。它不能只看一次高点击就宣布“读者都喜欢这种内容”，也不能越过编辑直接发布。

维护个人知识库时，可以让 AI 找到新增文件、失效链接、重复标签和长期未处理的收件箱材料。删除旧笔记、合并两个主题、改变长期分类，最好留给知识库主人。因为这些动作一旦做错，损失的不只是当天输出，还有以后检索时的上下文。

三个场景可以共用同一份输出骨架：

已确认事实
→ 有证据的诊断
→ 可撤回的建议
→ 与原计划的差异
→ 等待人确认的事项

如果你也想试，不必一上来接定时器、邮箱、云盘和发布工具。

先选一份低风险文件，把原计划写下来。让 AI 只生成一份“明天建议改什么”的差异清单，并强制它给每条建议附证据和回滚条件。连续看几次它在哪些地方读错，再决定要不要增加自动化。

先让系统学会停，再让它学会跑。

我跑完这三天后的判断很简单。AI 适合把散乱文件整理成一份可复核的决策草案，但它不该把草案悄悄变成决定。

一个可靠的 Agent，不只要会找答案，也要能在数据不干净、证据不够和审批缺失时，老老实实停在门外。

参考资料

[1] Anthropic, “Introducing Claude for Teachers”, 2026-07-14，访问于 2026-07-15。https://www.anthropic.com/news/claude-for-teachers

[2] Claude, “Claude for K-12 teachers”，访问于 2026-07-15。https://claude.com/solutions/teachers

[3] Claude Help Center, “Claude for Teachers: your data and our terms”，访问于 2026-07-15。https://support.claude.com/en/articles/15926041

[4] Anthropic, “U.S. K-12 Terms of Service”，访问于 2026-07-15。https://www.anthropic.com/legal/k12-terms

[5] Anthropic, “U.S. K-12 Data Processing Addendum”，访问于 2026-07-15。https://www.anthropic.com/legal/k12-dpa

[6] Anthropic, anthropics/k12-teacher-skills，访问于 2026-07-15。https://github.com/anthropics/k12-teacher-skills