以《昆虫的足和翅》为例，看一个会"读图、会闯关、会答疑"的课堂，怎样把最枯燥的形态术语，变成学生抢着点、追着问的生动现场。这不是炫技，而是一套可复制、免编程、护隐私的教学方法论。
注意：老师全程没有重复讲解同一个知识点，答疑量骤降，引导时间骤增。这就是场景最朴素的价值——把重复劳动交给工具，把人的智慧留给人的部分。
"膜翅、鞘翅、半翅、缨翅"全是抽象名词，教材只有线稿或模糊图，学生靠想象硬记，记完就忘。
一个班 40 人，同一个"跳跃足为什么粗"要答十几遍；老师嗓子哑，学生还未必敢举手。
真实标本少、易损、看不清细节；网上图良莠不齐，课堂投影一片糊，具象化无从谈起。
学到没学到，往往要等一次笔试才暴露；错题没人当面讲，下次还错，挫败感累积。
图文对照的教材旁，常驻一个会讲的 AI：学生边看边问，回复带 Markdown 排版，难点当场拆开。
给一张真实昆虫照片 + 4 张类型照片，学生点选判定。选错减命不打击，通关有结算。
题干不带括号提示，输完一键判对错，标绿标红；不会的空直接"问 AI 解析"。
把老师原 PPT 里的足/翅内容提取成可翻页弹窗，键盘 ← → 翻页，教材与课件一键打通。
| 维度 | 传统课堂 | 本场景 |
|---|---|---|
| 认知入口 | 文字 + 模糊线稿，靠脑补 | 真实微距照片，一眼可见 |
| 答疑 | 老师重复答、学生不敢问 | AI 随时答、不限次、不嫌烦 |
| 练习 | 课后作业，一周后才知道错 | 闯关 + 填空，下一秒出结果 |
| 情绪 | 被动听、易走神 | 主动点、追着问、怕通关 |
| 老师角色 | 复读机 + 裁判 | 设计者 + 引导者 |
| 数据 | — | 本地化部署，数据不出内网 |
形态学术语抽象，硬记是"外来认知负荷"。真实照片把"抽象名词"直接映射成"可见形象"，把宝贵的工作记忆留给"理解功能"，而不是"想象样子"。
学生不是被灌术语，而是看图→判断→试错→被纠正，自己"拼"出知识。闯关的错误反馈，正是建构过程中最有价值的那一下。
一个 AI 助教同时回答 40 个学生、且对每个都耐心——这是人类老师做不到的。它承接了"重复、标准化"的部分，让老师有余力去做"个性化、启发性"的部分。
问答走本地服务转发、可切本机 Ollama 或校内云，默认本机、数据不出内网。给学生一个"敢问"的环境，也给学校一个合规的样本——AI 进课堂，隐私不是代价。
对园林专业，昆虫识别不是"知识点"，是绿化养护、植物保护的岗位基本功。能认足翅类型，才能判断害虫习性、选对防治时机——教学直接对准就业。
配色、排版、交互、目录结构全部规范化。换"触角和口器""植物根茎叶"，只改内容不换框架，一句提示词就能让 AI 再生一套同风格平台。
比如你们专业的"植物病害症状""园林工具识别""土壤剖面"，越是靠图说话的越合适。
没有就用语 AI 生成"真实感微距照片"；有课件就提取相关页当幻灯片。
把《构建规范与 AI 生成指南》+ 一句"请做《XX》"交给 AI，配色排版自动统一。
填好 config.json，双击 start.bat 一键启动；优先本机 Ollama，敏感场景数据不出内网。
导入→探学→闯关→自测→收束，把老师角色从"复读"调成"引导"，先小范围试一轮。