本文围绕插件选型、API密钥配置、教学场景设计与成本合规，梳理DeepSeek浏览器插件的接入流程和使用方法，帮助AI指导老师形成可复用的教学辅助工作流。
浏览器插件把大模型能力嵌入教师日常页面，价值在于减少切换成本，但接入质量取决于插件选型、密钥管理、提示词设计和合规控制。对AI指导老师而言，重点不是装上一个按钮，而是把插件变成可复用的教学辅助工作流。
1. 插件定位与接入前准备
浏览器插件通常以侧边栏对话、划词问答、页面摘要和快捷指令等形式出现，适合在阅读政策文件、教研文章、教材页面时直接调用模型能力。DeepSeek官方提供网页端和API接口，市面上接入DeepSeek的浏览器插件多为第三方扩展，常见做法是通过OpenAI兼容接口填写API地址、密钥和模型名。选型时要重点看四项能力：是否支持自定义API地址和模型、是否支持流式输出、密钥是否保存在本地、扩展权限是否最小化。要求读取所有网站数据的插件应谨慎使用，尤其在教学场景中可能接触到学生信息和内部教研材料。
接入前还要明确用途和试点范围。AI指导老师可以先列出高频任务，例如备课资料摘要、教研材料概念解释、课堂观察记录整理、分层练习生成和家校沟通草稿，再选择两到三名教师用小范围真实但脱敏的材料测试。准备DeepSeek开放平台账号、API密钥、浏览器和测试文档，同时建立提示词模板与输出检查规则。试点阶段不要追求全校铺开，先观察响应速度、中文表达稳定性、长文档处理效果和错误提示是否清晰，再决定是否扩大使用范围。
2. API密钥与插件配置流程
在DeepSeek开放平台创建API密钥后，应只在创建时完整保存，避免截图或发到群聊。插件设置中通常选择“OpenAI兼容”或“自定义API”，API地址填写官方接口地址，模型可选择deepseek-chat或deepseek-reasoner，密钥粘贴到对应输入框。日常摘要、改写和问答可先用deepseek-chat，复杂推理和结构化分析再考虑deepseek-reasoner。参数上，教学材料生成可将temperature设在0.2到0.5之间，max_tokens按任务长度控制，流式输出适合长回答场景。配置完成后先发一条简单测试消息，确认鉴权、模型名和网络连通性。
浏览器扩展直接保存密钥存在暴露风险，团队使用更稳妥的是自建轻量代理。代理侧保管密钥，插件只填写代理地址，由代理完成鉴权、限流、日志脱敏和模型路由。个人版可以使用本地密钥，但应开启设备锁、定期轮换密钥，并避免在公共电脑上保存。配置错误常见于密钥无效、API地址末尾多斜杠、模型名拼写错误、额度不足和跨域限制，排查时先看插件错误码，再核对平台账单和接口文档。教研组可以统一一套配置模板，把系统提示词设定为“AI教学指导助手”，要求输出结构清晰、区分事实与建议、不编造引用来源，从源头减少后续返工。
3. 教学场景中的对话与知识处理
AI指导老师在插件中最容易见效的场景是网页阅读与教研材料处理。打开一篇新课标解读或教研文章后，侧边栏可以要求提炼核心变化、列出关键概念、生成教师培训提纲，并注明依据来自原文哪一段。提示词采用“背景、任务、约束、输出格式”的结构，比一句“帮我总结”更稳定。例如要求“面向初中数学教研组，提炼三条课堂实施建议，每条不超过八十词，并标出原文依据”，模型输出就更便于复核。划词问答适合快速解释术语，页面摘要适合长文初筛，二者配合能减少复制粘贴。
知识处理环节要注意分块和复核。长文档不要一次性全部投喂，应按章节拆分，分别生成问答对、术语表和分层练习，再由教师合并校对。多轮对话能保持上下文，但轮次过多容易混淆任务目标，建议每个任务新建会话。涉及学生作文、课堂观察记录时，先让模型生成评语草稿、量规对照和修改建议，最终评价由教师完成。deepseek-reasoner适合分析教学问题链和复杂案例，但响应较慢；deepseek-chat更适合日常摘要和改写。建立模板库并记录输入输出，每周复盘哪些提示词有效，比反复试错更节省时间。
4. 稳定性、成本与合规边界
插件依赖网络和API服务，稳定性问题多表现为超时、限流和返回中断。关键任务应准备降级方案，例如把长文本复制到DeepSeek网页端继续处理，或把任务拆成更小的段落。团队使用时要对响应时间有合理预期，避免在课堂直播等强实时场景中把插件作为唯一工具。出现429限流时应减少并发、增加重试间隔，并把错误提示写入使用手册。插件版本更新后还要复测权限和接口配置，防止更新导致密钥失效或默认模型变化。
成本控制要从调用结构入手。输入和输出token都会计费，长文档反复摘要、无节制多轮对话和全程使用推理模型都会推高成本。可行做法是先用deepseek-chat做初筛，只对复杂分析调用deepseek-reasoner，限制max_tokens，缓存常用摘要，按项目统计调用量并设置预算告警。教研机构可以按月查看调用分布，把高频低价值任务改为模板化处理，把高价值任务留给需要人工判断的环节。成本不是越低越好，而是让每次调用都能对应明确的教学产出。
合规边界需要在使用规范中写清楚。学生姓名、成绩、家庭信息、课堂视频转写等敏感数据应脱敏后再输入，插件权限保持最小化，避免读取网银、邮箱和内部管理系统页面。团队应遵守个人信息保护、数据安全和生成式人工智能服务相关规定，对AI辅助生成的评语、通知和材料进行人工复核，并在必要时标注AI辅助。AI指导老师的职责是建立可执行的输入禁区、输出复核和日志审计规则，让插件在提升效率的同时不越过数据与责任边界。
