新智元报道

你开车回家，AI 替你备课。

下午 4 点，放学铃响过，一位美国中学老师收拾好东西，开车回家。

车还在路上，Claude 就已经替她干起活来了，这是她前一天交代过的任务：

把当天每个学生的「出门测」（exit ticket）挨个复盘一遍，看谁掌握了、谁还卡着，再据此把明天的教案调一版。

第二天一早她刚到校，改好的方案已经摆在桌上。

她只交代一次，AI 之后天天自动跑。

全美老师，就要迎来这样一个免费的 AI 助教了。

7 月 14 日，Anthropic 正式推出 Claude for Teachers，向全美经过身份验证的 K-12（幼儿园到高三）教师，免费开放 Claude 的高级能力、一整套教学技能库，还直接接上了 50 州课标和一批经研究验证的现成课程。

这回，Anthropic 将目光盯准了 K-12 老师的整条工作流。

他们为什么要把自己的模型免费塞给老师，这对教室里的老师和孩子们，到底意味着什么？

老师的一周

是被什么吃掉的？

一位美国 K-12 公立老师的一周要干多少活？平均 49 小时。

RAND《美国教师现状》2025 年调查：教师平均每周工作 49 小时，比合同工时多出整整 10 小时。（图源：RAND）

备课、上课、改作业、填表、开会，一大半拖到晚上和周末。

过去几年，老师们用 AI 生成教学材料，几乎都踩过同一个坑：看着挺漂亮，教起来很空。

年级对不上、跳掉了课程里关键的一环、或者讲法跟学校选定的教材不是一路子。

结果，AI 省下的那点时间，最后全砸在检查和返工上。

正如 Forbes 点出的那个悖论：对齐这件事，本该发生在老师拿到材料之前，而不是之后。

说白了，老师要的不是 AI「能生成」，而是「生成的东西直接能用」。

这中间的落差，刚好是最耗人的那一步。

Claude 把 50 州课标

塞进了它的脑子里

Claude for Teachers 想要跨过的，正是这一步。

它接入了一个叫 Learning Commons 的系统，拿到全美 50 个州的学术标准，以及每条标准底下更细的能力点、学生通常的学习顺序。

它能替老师干的，大致是三块。

第一块，备课对齐。

让它出一节课，出来的不是一份漂亮但悬空的 PPT，而是一份已经对齐到你所在州课标、按学习顺序搭好台阶的教案。

Anthropic 教育负责人 Drew Bent 举了个例子：让它讲「怎么构造线性函数」，它会先把对应的课标拽出来，标好学生在这一块最容易犯的那些错，再围着这些错去搭这节课。

老师拿到手，不用再花 20 分钟核对「这玩意到底合不合我们的课标」。

接入 Learning Commons 后，Claude 按所在州课标和学习顺序，自动搭出一节课的教案与学生材料。（图源：Anthropic 官方）

第二块，差异化分层。

同一个班，学生水平参差不齐，老师最头疼的就是给每个人备合适的教学方案，你让 Claude 照不同水平改一遍，它就能出一套分层方案：

基础弱的，配上「句子起始语」（sentence starter）和脚手架，够得着；学有余力的，加码；母语不是英语的孩子，铺一层语言过渡。

同一堂课按学生水平自动分层（图源：Anthropic 官方）

第三块，数据分析。

把花名册、诊断成绩、考勤、随手记的笔记一股脑丢给它，它替你拼出每个学生现在站在哪儿：谁掉队了、哪个知识点全班都没懂。

数据给不给、给哪些，你说了算，交出去的也不进模型训练。

这三块之外，还接了 9 个 K-12 生态连接器：

ASSISTments 出对齐课标、能自动判分的数学题，Canva 把教学材料变成课堂能直接用的设计，还有 Brisk、Diffit、MagicSchool、TeachFX 等。

老师原本就熟悉的那套工具，如今在 Claude 里串成了一条线。

更关键的一点，它还带上了 Claude Code 和 Cowork。

这意味着它不再是「问一句答一句」，而能自己把活儿往前推，甚至设成每天定时跑的任务。

老师把一件重复活交出去一次，之后每个上学日，它都能替你跑一遍。

学生碰不到 Claude

讲了半天老师，那学生呢？

理论上，学生是最终受益的一方。

传统教育中，真正要做到因材施教，对一个要面对几十号人的老师来说，几乎是奢望。

现在 Claude 能替老师制定个性化教学方案，Reddit 上已经有老师用它给特教场景搭工具，比如帮做特殊教育的另一半整理 IEP（个别化教育计划）。

这听起来很美，但有一点必须点破：学生自己，是碰不到 Claude 的。

Anthropic 有条硬规矩：Claude 只对 18 岁以上开放。所以 K-12 绝大多数学生，压根没有账号。他们能不能受益，全看老师这一手转得好不好。

官方给这款产品的定调也很清楚：Claude for Teachers 是给老师的工具，不替代老师，更不直接喂给学生。

为什么这么谨慎？因为学生端的 AI，早就吵翻了天。

作弊、cognitive offloading（认知卸载，即脑子懒得动、全丢给 AI）、早教阶段该不该碰生成式 AI…… 争议一个比一个大。

挪威今年干脆对 1 到 7 年级学生下达了近乎禁令的规定：上课期间不许碰生成式 AI。

6 月 19 日，挪威首相斯托雷宣布对 1 到 7 年级学生近乎禁用生成式 AI，上课期间不许碰，新学年 8 月下旬生效。

Anthropic 显然要绕开这片雷区：我不碰学生，我只武装老师。

不是代替老师

是把老师还给学生

先说清一件事：

Claude 接管的，是复盘出门测、调明天教案这类重复活，不是「每天定点把所有作业批完」，自动评分也只到练习题这一层。

Anthropic 给它的定位很明确：帮老师减负，把他们省下的时间还给教学，还给那些没法被自动化的、人与人之间的真实连接。

这也不是 Anthropic 第一次做教育。

从把 Claude 接进美国高校的教学系统、铺开学生大使和 AI 社团，到今天的中小学老师，它是一步步往下扎的。

这次还顺手把整套教学技能开源，配上一门给 K-12 老师的 AI 素养课。

那它图什么？答案并不复杂：老师，是进入学校和学区的入口。

这套打法似曾相识。

八个月前，OpenAI 就发过 ChatGPT for Teachers：同样免费、同样面向美国 K-12 老师、同样免费到 2027 年、同样拉上了美国教师联合会（AFT）。

打法可以照抄，但在教育这个盘子里，真正决定成败的并非模型谁更聪明，而是信任。

所以 Anthropic 把信任牌打得格外足：「数据不进训练」「符合 FERPA」「专门的 K-12 数据处理条款」，还和 AFT 共建一套隐私 Gold Standard，工会主席 Randi Weingarten 亲自站台。

硬币的另一面，是社区里挥之不去的疑虑。

有人担心学生数据隐私，有人担心教育被过度自动化，还有人翻旧账：硅谷高管自己的孩子，上的却是不带科技产品的学校。

也有网友说，挪威对 1 到 7 年级近乎禁用生成式 AI，才是明智之举。

所以，模型能力只是入场券，FERPA 合规、数据隔离、教师工会背书，才是能不能真正落地的门槛。

但故事还没完，它引出一个更大的问题：

当这一代孩子长大，AI 早已像空气一样无处不在，一个从小只被老师「用 AI 教」、自己却没真正上手用过 AI 的孩子，能真正做好准备吗？

这个问题，Claude for Teachers 还没打算回答。