AI 已嵌進批改、備課、會議。港產寫作批改工具服務逾四百間本地中小學、累計批改達數十萬篇量級;面向教師的評改與課室工具也有二百校以上採用規模。問題不是「會不會開 AI」——老師已經在用。 真正卡著的是:資料可不可以貼、平台愈開愈散、敏感工作要不要留校內、錢能不能續、買了本地之後誰來養。選項一多,人很容易把「核心抉擇」誤寫成「再買一個全校入口」。這篇故意把重點放前面:不是答案特別簡單,而是若不先講清,後面的表格與價錢只會變成另一份報價說明。
難度則多落在 IT 與校政:外洩風險、服務能否續、敏感要不要本地、一般備課可否繼續外購、若走本地誰負責更新與救火。本地部署、教育訂閱、政府推動的教學專屬模型,選項愈多,愈需要一條說得清楚的分流——而不是再多開一個「全校入口」。 這也是開頭場景要先講「正在用什麼」,而不是先講「該買什麼」的原因。用得愈多,愈要分清:哪些是「已經在跑的專科工具」,哪些是「還缺一條合規出口」——兩者不是同一筆採購。
一張表看清:哪些本地、哪些外購
分流其實只看兩件事——資料出不出校、要不要速度與多人同時。
場景
常見做法
敏感度
較合適方向
寫作批改
巫筆;或 Sayo/通用助理
中高
外購專科工具(條款清楚、盡量去識別);含明文個資則審合約
出試卷/評改
Sayo;免費/教育版 Gemini
中高
公開題型可外購;含姓名答卷宜本地
學科遊戲
生字卡、選擇題小遊戲、課室腳本
低
外購
圖片生成
課件/遊戲/通告配圖(如 Gemini 圖像);或本地 Flux/SD 類
中
無肖像、要快 → 外購;敏感內用可本地(較慢、常一次一張);學生真容勿上公有雲
短片/動畫
課件示意短片、活動宣傳片草稿
中高
無個資創意 → 外購為主;單機本地短片可行但慢,難當全校併發管線;可識別學生影片勿隨便上公有雲
成績分析
班/級平均、弱項、跟進建議
高
本地
通告
家長信、活動通知
中
先刪姓名後可外購
會議記錄
豆包錄音紀要;或 NotebookLM
中高
本地為佳;至少脫敏再上雲
備課資料庫
教材、舊卷、校規 → NotebookLM/校本庫
視內容
公開教材可外購;含學生樣本則分流
私隱底線可以寫一行:可識別的學生/家長資料,原則上不出校;無個資、要速度與創意的,優先外購。 給 AI 的提示盡量只見內部編號;產出當建議,老師確認後才回寫原系統。本地≠自動安全——帳號共用、無審計一樣會出事;安全靠分流與流程,不是口號。
Gemini Enterprise for Education(含 NotebookLM):按席位、可集中管理,適合教師團隊備課與指定教材庫;年費會累積,中小學多經代理、常有人數門檻。
本地 Mac Studio/開源(如 MLX+Qwen;圖像可試 Flux/SD 類):適合成績、輔導、含名會議/答卷;併發有限,要 IT 維護;多媒體別指望與文字聊天「同時全開」。
教育城「教學專屬大語言模型」:政府推動、按科目逐步開放的教學助理;不是全港強制唯一平台。
同一套「有個資→本地/無個資→外購」套到以上每一條。寫作批改可以繼續用巫筆,會議可以繼續用豆包——但一旦出現明文姓名、成績、輔導內容,就要問:這條工作流該不該出校?這才是「本地 vs 外購」的意思,而不是把所有老師趕到同一個新入口。實務上,外購解決「快、多人、專科工作流」;本地解決「敏感資料不出校」。兩者可以並存,但並存的前提是分流寫進指引,否則只會變成帳號愈開愈多、責任愈分愈糊。
政府模型會加入——但不是唯一答案
教育城專屬模型是可選軌道,不是全港統一答案,也不取代校本私隱分流。
根據 2026 年 7 月立法會答覆:香港教育城正建立「香港中小學教學專屬大語言模型」;科學科 AI 助理已試行(輔助教案、備課、設計評估或課業),並由 2026/27 起逐步擴至更多科目。同一答覆裡,教育局表明:不會統一採購單一 AI 大模型供全港學校,也不會建立強制「唯一平台」——強調校本選擇,避免技術迭代下被鎖死。
到要動預算時才須面對:項目撥款(例如「『智』啟學教」一筆過約五十萬)看起來闊,但三年要攤硬件、訂閱與活動;撥款用完後,續期與維護是常額——維護不只是電費,還包括具名 IT/TSS 工時。《中小學數字教育發展藍圖》(2026 年 6 月)方向是 AI for all,沒有規定必須自建本地大模型,也沒有規定必須買某一家教育訂閱——政策留白,正是校內要填敏感/一般/教育城助理怎麼接、第四年錢從哪來、本地節點誰養。分流清楚之後,這筆帳才算得準;分流沒寫清就下單,最容易買成兩套「全校入口」。把「同時在線」與「誰養機」寫進討論,比把「機型名稱」寫進討論更重要——前者決定錢與人怎麼花,後者只是手段。
但校園 IT 從來不只是「答問題」。Wi‑Fi、投影機、佈線仍是實體工作;供應商合約與驗收要人把關;學生與家長資料涉及私隱,不宜全盤交給黑箱;開學、派成績、惡劣天氣停課那幾天,家長系統一擠,要的是懂校情、知道該找誰升級的人;雲端或 AI 本身掛掉時,還得有人現場止血。更諷刺的是:學校愈積極導入 AI,就愈需要人評估工具、設定權限、訂政策、做培訓,以及收拾「影子 IT」。AI 減的是部分票務;加的是整合、治理與事故應變。
誠實的答案不是「還要請那麼多同樣的人」,而是「仍需要穩定的校本技術力量,只是技能組合會變」——少一點純重複操作,多一點自動化、保安、數據判斷與 AI 落地。若把 AI 當砍崗位的理由,最後往往只剩外判熱線與老師自己追供應商。政府有電腦操作員職級、教聯會談常額編制,正是因為操作層支援是長遠能力。AI 愈是戰略項目,校內愈需要留得住、跟得上的人。
AI 的信息每天都在更新,最近比較受歡迎的叫MCP(Model Context Protocol,模型上下文協議)是一種由Anthropic於2024年11月推出的開源標準化協議,旨在簡化大型語言模型(LLM)與外部數據源和工具的互動。MCP伺服器作為該協議的核心組成部分,是一個獨立的程式,負責向LLM提供特定的功能或數據,例如存取檔案系統、資料庫(如PostgreSQL)、外部API(如GitHub、Slack)或執行特定任務(如搜尋、操作日曆)。它的設計理念類似於HTTP協議之於網頁應用,提供了一個統一的「連接器」,讓LLM能夠輕鬆與外部世界互動。