辅导班家长面谈记录与教学报告，用 Claude Code 省时：补习机构实操

周五晚上十点。送走最后一个学生，正要去关教室的灯，手却停住了。桌上还堆着这周八份没写完的教学报告。月底还有十五场三方面谈，每一场都得把”成绩走势""最近的状态""给家庭的建议”整理成一页纸。

我以前帮过一家个人辅导班，那位负责人每周都是手写把这些全做完。每个学生的样子他都记得清清楚楚，可就是没时间把它们落成文字。一回神已经过了零点，第二天早上的备课也跟着受影响。

“我的工作是看孩子，不是写报告。“——他随口说的这句话，一直留在我脑子里。

这篇文章，记录的就是我和那位负责人一起试出来的做法：用生成式 AI 给面谈记录和教学报告打草稿。这不是要把手写全部取消，而是要砍掉写字的时间，把看学生、跟家长聊的时间还回来。

本文要点

辅导班的教学报告和面谈记录，可以拆成”收集素材”和”落成文字”两步，后者最适合交给 AI
交给 Claude Code 的不是学生姓名，而是”符号化的备忘”。个人信息留在自己手里
每场面谈原本要花 20 到 30 分钟的文字工作，基于草稿后能缩到 5 分钟左右
交给 AI 的是”文章的骨架”，人必须把关的是”事实是否正确”和”怎么对家长说”
文末有可直接复制的提示词模板，以及批量处理多个学生的可运行脚本

辅导班里，到底是谁被这件事困住

先把读者画像说清楚。这篇文章对下面这类人最有用：

老师 3 到 10 人规模的个人辅导班、小型加盟机构的负责人
平日上课，周末或深夜挤时间处理事务工作
想把家长沟通做得细致，却被写报告占掉了时间
大机构那种专用系统，对小店来说预算和运维都太重

大型连锁有像样的学习管理系统。可个人辅导班的现场，往往就靠一份 Excel 名册、一沓纸质教学记录，加上负责人脑子里那本账在转。在这里加上生成式 AI，是我认为性价比最高的地方。

辅导班的业务流程，以及返工出在哪一步

先把教学报告和面谈准备的流程拆开。大致是这五步。

步骤	做什么	大致耗时
1. 上课	观察学生的理解度和状态	课堂时间内
2. 备忘	把”这里卡住了”随手记下	每人 1 到 2 分钟
3. 汇总	确认最近的测验分数、出勤	每人 3 到 5 分钟
4. 落成文字	誊写成报告、面谈表	每人 20 到 30 分钟
5. 核对	复查事实与措辞后发送	每人 5 分钟

最吃时间的是第 4 步”落成文字”。观察到的东西明明在脑子里，可要把它改成家长读了能安心的措辞，这道工序很重。而且经常是在疲惫的深夜做，事后就会出现”上周写过同样的话""分数写错了”这种返工。

在这里停一下就能看出来：该交给 AI 的就是第 4 步。第 2 步的观察和第 5 步的最终判断，是人该做的工作。

引入前后，到底变了什么

把运行两个月之后的变化，老实写下来。

引入前，一张面谈表平均 25 分钟。十五份就是六个多小时，全堆在周末的事务工作里。文风随负责人的心情起伏，有时候细致，有时候敷衍。

引入后，改成把备忘交给 AI 出草稿，负责人做事实核对和微调。一张实际操作大概 5 分钟。文风用模板固定下来，所以谁写出来都是一个语气。

大致的 ROI 估算

数字只是个参考，但能当判断依据，先放在这里。

面谈表 15 份 × 节省 20 分钟 = 每月约省 5 小时
每周教学报告 40 份 × 节省 15 分钟 = 每月约省 10 小时
合计每月 15 小时上下。按时薪 75 元折算，相当于每月约 1100 元的人力成本

省下的时间如果能多接 1 到 2 场新面谈，按学费算很快就回本了。不只是”轻松了”，而是”能多接学生了”——这才是现场最实在的感受。

辅导班里的 3 个使用场景

下面是具体例子，都尽量贴近实际用过的样子。

场景 1：给每周教学报告打草稿

把课后随手记的备忘，转成给家长看的报告文字。输入用列表就够了。

课上把”单元""做到的""卡住的”记 1 到 2 行
加上测验结果、作业有没有交
让 AI”用面向家长、平稳的语气写成 200 字”
负责人只核对分数和专有名词后发送

场景 2：搭起三方面谈表

面谈前把说话的顺序定好，当天会轻松很多。让 AI 用”现状 → 好的变化 → 课题 → 给家庭的建议”四个板块来写，话就不会散。

场景 3：做常用联系文案的多个版本

缺勤跟进、催作业、调课通知。这类联系内容相近，每次从零写其实挺烦。让 AI”用不伤人的措辞给 3 个版本”，就能按对象和情况挑着用。

交给 AI 的范围，和人必须把关的范围

这两块混在一起就会出事。我用一张表把界线画出来。

工作	主负责	原因
文章骨架、措辞	AI	快，而且波动小
文风统一	AI	用模板能固定
分数、日期、姓名	人	事实错误会毁掉信任
涉及升学、退班的深入建议	人	需要拿捏家庭情况的微妙处
发送前的最终核对	人	责任最终在人

口号只有一句：**AI 负责打草稿，誊写和判断由人来。**只要不打破这个分工，生成式 AI 就不是可怕的工具。

可直接复制的提示词模板

先是教学报告用的。要点是不写学生姓名，只交符号化后的备忘。隐私保护方法后面章节会细讲。

你是辅导班老师的文字助手。请根据下面的备忘，写一份给家长看的教学报告。

# 条件
- 文风：礼貌但不过于生硬，让家长读了安心的语气
- 字数：200 到 250 字
- 结构：本周的学习 → 做得好的地方 → 下周的课题，按此顺序
- 专有名词和分数保留为 [ ]，由我之后替换

# 备忘
- 对象：初二 / 数学
- 单元：一次函数图像
- 做到的：斜率的读取已经准确
- 卡住的：截距的正负号还会出错
- 作业提交：有
- 最近测验：[分数] 分（与上次相比 [差值]）

面谈表用的，指定板块来提高可读性。

请帮我写一份三方面谈表的草稿。按说话顺序分 4 个板块，每个板块 2 到 3 句。

# 板块
1. 现状：客观说明最近的学习情况
2. 好的变化：这 1 到 2 个月进步的点
3. 课题：把今后的优先主题收敛成一个
4. 给家庭的建议：一条马上能做的具体办法

# 输入备忘
- 年级/科目：初三 / 英语
- 好的变化：阅读理解先看题再读文章已养成习惯
- 课题：单词记忆率偏低
- 家里能做的：睡前 10 分钟过一遍单词

每次都写一遍机构的文风规则很烦，把它固定在 CLAUDE.md 里会省事。项目规则文件怎么写，我整理在了Claude Code 规则文件运用的要点里。

批量给多个学生打草稿的可运行脚本

一份一份手动粘贴也行，但周末总想一次性跑完。下面是个最小脚本：把符号化的备忘用 JSON 准备好，学生姓名单独管理，批量生成草稿。有 Node.js 和 Anthropic 的 API key 就能跑。

import Anthropic from "@anthropic-ai/sdk";
import { readFile, writeFile } from "node:fs/promises";

const client = new Anthropic();

// 不放任何个人信息。学生用符号（S01..）管理
const memos = JSON.parse(await readFile(new URL("./memos.json", import.meta.url), "utf8"));

const buildPrompt = (m) => `请根据下面的备忘写一份给家长看的教学报告，200 字左右。
专有名词和分数保留为 [ ]。
- 年级/科目: ${m.grade} / ${m.subject}
- 做到的: ${m.good}
- 卡住的: ${m.issue}
- 作业提交: ${m.homework}`;

const results = [];
for (const m of memos) {
  const res = await client.messages.create({
    model: process.env.ANTHROPIC_MODEL || "claude-sonnet-4-6",
    max_tokens: 512,
    system: "你是辅导班的文字助手。不要编造事实，只在备忘的范围内写。",
    messages: [{ role: "user", content: buildPrompt(m) }],
  });
  const text = res.content.find((b) => b.type === "text")?.text ?? "";
  results.push({ id: m.id, draft: text });
  console.log(`--- ${m.id} ---\n${text}\n`);
}

await writeFile("drafts.json", JSON.stringify(results, null, 2), "utf8");
console.log(`已把 ${results.length} 份草稿保存到 drafts.json`);

输入的 memos.json 长这样。

[
  {
    "id": "S01",
    "grade": "初二",
    "subject": "数学",
    "good": "斜率的读取已经准确",
    "issue": "截距的正负号还会出错",
    "homework": "有"
  }
]

要点是：不把学生姓名和分数以原始数据放进去。id 用 S01 这样的符号，谁是 S01 只有你手边的 Excel 知道。输出草稿里的 [分数]，由负责人最后替换。

脚本运行或环境搭建卡住了，先读Claude Code 上手指南能少走弯路。

个人信息与安全注意事项

这是辅导班里最重要的一章。学生的成绩和家庭情况，一旦泄露就无法挽回。把保护的具体办法列出来。

姓名、住址、电话不交给 AI。交的只有符号化的备忘
分数和出生日期也尽量符号化，最后在自己手边替换
若用于业务，在合同与使用条款里确认是否有”输入数据不用于训练”的设置
生成的草稿存放在机构内部，发给家长前必须由人做事实核对
退班、升学等敏感内容，不直接用 AI 草稿，由人重写

个人信息处理的基本原则，看官方指引最清楚。中国大陆可以参考全国信息安全标准化技术委员会的资料，先过一遍，作为机构也更容易说清自己的责任。

做成检查清单，运行起来才不会走样。

交给 AI 的备忘里，姓名和联系方式删掉了吗
分数、日期是否还保持为符号
输出里的事实（分数、单元、日期）有没有人核对过
含敏感内容的报告是不是由人重写的
草稿数据的存放位置是否在机构内部管理

想进一步提升提示词的精度，提示词设计实战技巧会有帮助。

常见问题

Q. 交给 AI，报告会不会变得机械又冷淡？ A. 用模板固定文风，最后由人手写补上一句所感，温度立刻就回来了。诀窍是别全甩给 AI。

Q. 我们辅导班用的是纸质教学记录，这样也能用吗？ A. 能用。对着记录把要点用列表敲成备忘，就是输入。最初几份会费点工夫，模板定下来就快了。

Q. 被家长知道”是用 AI 写的”，印象会不会不好？ A. 草稿用 AI、事实核对和判断由人来——这样的运行方式没问题，这是现场的感受。在意的话，也有机构会坦白说”我们用 AI 辅助写文字”。

Q. 每个老师文风都不一样，能统一吗？ A. 能。把机构的文风规则写进 CLAUDE.md 共享，谁来跑都是同一个语气。日常的小技巧也可以参考Claude Code 效率提升技巧集。

我实际试下来的结果

我和开头那位负责人，把这套做法跑了两个月。想确认的是两点：“落成文字的时间是不是真的减少了”和”会不会出事故”。

面谈表从一张 25 分钟缩到实际操作 5 分钟上下。每周教学报告也不再是深夜集中赶，而是变成趁课间确认草稿的节奏。最让我高兴的，是负责人说”写报告的愧疚感消失了”。

事故方面，因为彻底执行了符号化，把个人信息交给 AI 的场景为零。只有一次，AI 擅自把作业提交补成了”有”，被人的事实核对拦了下来。这也再次说明，“分数、日期、提交与否由人看”这条规则不能省。

辅导班的工作，是看孩子、跟家长聊。写文字只是手段。用生成式 AI 把草稿接过去，把腾出的时间还给学生。小步开始，慢慢养出适合自己机构的模板吧。

总结

辅导班的教学报告和面谈记录，拆成”观察”和”落成文字”之后，就能只把后者交给 AI。用符号化守住数据，事实和判断攥在人手里。只要守住这条界线，生成式 AI 就能切实减轻深夜的事务工作。非工程师的老师也能上手，先从一份教学报告的草稿开始试。不写代码的入门方式，面向非工程师的 Claude Code 入门是个好起点。