寒假还剩半个月了,这两天我开始备下学期的课。
有一门工程类的专业课,我想试着把AI在整个教学过程中进行深度融合,让学生在课堂上真正和AI互动、碰撞、产生思考。
以前我也用AI辅助备课,效率确实比纯手工高不少。但模式基本是打开一个对话窗口,我问一个问题,AI答一个问题,我再问,AI再答。本质上是一对一的串行对话。
这个模式有个天花板,就是我。我能想到什么问题,AI就回答什么问题。我的视野有多宽,AI给出的方案就有多宽。如果我漏掉了某个方向,AI不会主动帮我补上。
但是你们懂的,没点儿好玩的新东西,就不会有新文章,今天的惊喜来自于Claude Code的Agent Teams。
先上结论,一句最朴实的总结:
Agent Teams不是让我备课更快,而是让我备出了一个人根本备不出的课。
Agent Teams到底是什么
Agent Teams是Anthropic在2026年2月随Claude Opus 4.6发布的新功能。一句话说清楚它和以前的区别:以前是跟一个AI对话,现在是同时跟一个AI团队协作。
你的主对话窗口叫lead agent,负责统筹。你可以从lead生成多个teammate,每个teammate是一个独立运行的Claude实例。关键是teammate之间能直接互相发消息,不只是各自向lead汇报,它们可以peer-to-peer地通信、互相补充、互相质疑。所有teammate共享一个任务列表,有依赖追踪,完成一个任务会自动认领下一个。
这不是同时开了好几个聊天窗口。好几个聊天窗口之间是隔绝的,信息不流通。Agent Teams里的teammate共享任务、互相通信、协调推进。这个区别决定了它能做到一些根本性不同的事情。
我用Agent Teams备课的四个阶段
第一阶段:并行调研
我spawn了四个teammate,分别负责国内高校实践、国际前沿方法、我所教专业领域的案例、教育部政策文件,四个方向同时推进。
如果是一个人做,这四个方向只能串行,先查一个,查完再查下一个。问题不只是慢。更大的问题是:当你花了一个小时查完国内案例再去查国际理论时,你的注意力已经从国内那条线上移开了,很难自发地把两条线索关联起来。
Agent Teams不一样。四个teammate同时工作,lead agent在接收汇报时发现其中两个teammate的发现可以互相解释,就让它们交叉看对方的材料。于是一个查国内实践的teammate发现的"师-机-生"教学模式,和另一个查国际理论的teammate找到的建构主义支架理论,自然地产生了关联。这种跨领域的联结,一个人串行工作时几乎不会自发产生。
这是Agent Teams给我的第一个冲击:它不只是把工作并行化了,它让信息之间产生了我自己想不到的连接。
第二阶段:模块化内容生成
调研结束后,不同teammate分别负责设计不同类型的课堂活动,案例分析、角色扮演、对抗式辩论、评价体系,各写各的。
Agent Teams里,每个teammate只专注自己负责的模块,全部认知资源都投入在那一个任务上。角色扮演方案里每个AI角色都有独立的性格逻辑、信息边界和情绪触发条件,层次感很细致。
这是第二个冲击:不是效率提升,是质量上限被拉高了——因为每个模块都获得了"一个完整大脑"的全部注意力。
第三阶段:质量互审
内容成型后,一个专门的审查teammate,逐一审查其他teammate的产出,找教学设计层面的逻辑问题。每条意见都有具体的修改建议。
最触动我的是一条综合性意见。它审完所有单独模块后说:五个活动模板单独看都不错,但整体缺少递进关系。建议按认知层次排序,形成螺旋上升的教学梯度。
这是第三个冲击:Agent Teams不是让一个视角变强了,而是同时存在多个视角。写的人和审的人不是同一个脑子,审查才有意义。
第四阶段:整合成型。
Lead agent汇总所有成果,根据审查意见调整了活动顺序,补写了实施建议。最终产出是一份超过一万五千字的完整教学设计方案。理论框架、五个可直接使用的课堂活动模板(每个都有完整的时间分配、AI提示词和评价工具)、实施建议、参考文献。
这份方案的完整度,是我一个人花数倍时间都做不到的。
为什么说"做不到"而不只是"做得慢"
这是我整个体验中最想说清楚的一件事。
Agent Teams的价值不是提效。如果只是提效,那和多开几个浏览器标签页同时搜索没有本质区别。 它真正做到的是三件事,每一件都是一个人做不到的:
- 认知带宽的扩展。一个人的注意力是单线程的。你想着教学法,就容易忽略专业内容的准确性;关注学生体验,就可能遗漏评价标准。Agent Teams让这些维度同时展开。
- 信息的交叉激发。Teammate之间的通信会产生你自己想不到的关联。一个人串行工作时,先后查到的信息之间隔了时间和注意力,很难自然碰撞。多个teammate同时工作时,这种碰撞是自动发生的。
- 对抗性质量提升。 一个人自己检查自己的方案,永远有盲区。你会沿着自己写的逻辑去验证,而不是去挑战。换一个独立的视角来审查,发现的问题类型完全不同。特别是全局性的结构问题,只有跳出局部才能看到。
Agent Teams不是让我备课更快,而是让我备出了一个人根本备不出的课。
实际使用的几点提醒
Agent Teams目前还是实验性功能,说几个实际使用中需要注意的事:
- Token消耗高:每个teammate是独立的Claude实例,5人团队大约是单次对话的5倍消耗
- 不支持断点续传:Lead session中断,teammate会丢失,所以确保设备稳定
- 适合模块独立的任务:调研、多模块内容生成、审查这类任务是最佳匹配;多人同时改同一份文件容易冲突
- 任务描述很关键:Teammate不继承lead的对话历史,spawn时需要把背景信息写清楚,写得不清楚产出质量会明显下降
这次体验之后我一直在想一个问题:AI辅助工作的下一步到底是什么?
以前的答案是更聪明的AI。现在我觉得,可能是更好的协作方式。一个人和AI一对一对话,天花板在人的视野和认知带宽上,Agent Teams把这个天花板掀掉了。
从我问AI答到我定方向、AI团队分工协作,这个变化,比我预想的大得多。