一个真实片段：晚上十一点，改到第三十七份课程作业。同一种格式错误，我今晚已经写下第十一遍评语；下一份的评语栏里，我的手已经开始不受控制地打"注意规范引用格式"——和前十份一模一样。
那一刻我意识到，批改的大部分时间，我根本不是在"反馈"，是在"誊写"。
先算一笔批改的时间账
把一次 50 份作业的批改拆开看：真正需要教师专业判断的——观点是否成立、论证是否严密、方案是否可行——其实只占其中一部分。剩下的大头是：同样的格式问题重复写评语、共性问题分散在各份作业里需要人工汇总、以及深夜导致的评语质量滑坡。
重复的不是反馈本身，是反馈的载体。 意识到这一条，是流程重构的起点。muchsci 在这套流程里的角色也随之清晰——它只碰重复的部分，判断的部分一概不碰。
重构后的批改流程
第一步，定标准。 先把评分标准写清楚——这份作业分几个维度、每个维度什么权重。标准是教师的判断，不允许外包。
第二步，机器跑初筛。 把评分标准和学生作业文本一起交给 muchsci：AI 跑一遍，产出两样东西——逐份的评语草稿，和一份共性问题总结。"三十份作业都存在引用格式不统一"这种横跨全班的观察，正是人眼逐份翻最容易漏掉的。
第三步，教师复核定稿。 逐份过评语草稿：认同的直接签发，不认同的改写，涉及个别学生特殊情况的重写。AI 起草，教师定稿——这个顺序不能反。
流程重构之后，边界在哪里
工具吃掉的是重复劳动，不是教师的责任边界。这条线我画得很清楚：
不能交给 AI 的：对学生的最终评价与打分判断、需要育人语境的个别反馈、涉及学术诚信的认定——这三样是教师的核心职责，一行字都不外包。
放心交给工具的：共性问题聚类汇总、逐份评语草稿（教师复核后使用）、格式类问题的统一标注。
那天之后
同样 50 份作业，批改时长肉眼可见地缩短，而评语质量反而比深夜手写稳定——因为每一份评语草稿都是我在清醒时复核过的，共性问题还多出了一份可以下次上课集中讲的清单。
工具吃掉重复劳动，教师留出判断力。muchsci 这类工具带来的批改效率红利是真实存在的，前提是你先想清楚：哪些事只有你能做。