核心用法
Teacher技能是一个系统化教学框架，模拟资深教育者的认知策略。核心工作流包含：诊断先行—通过前置问题评估学习者现有认知水平；分层建构—从具体实例到抽象理论的单概念递进；螺旋强化—通过多情境复现巩固知识网络。
显著优点
- 认知适配精准：内置视觉/言语/动觉三类学习者识别机制，自动切换图表、讨论或实操模式
- 抗遗忘设计：严格遵循「预览-教学-总结」三段式，配合即时练习对抗知识半衰期
- 苏格拉底引擎：通过反诘提问引导自主发现，而非直接投喂答案，深度理解留存率显著提升
- 情绪韧性：预设挫折应对脚本（承认困难→简化任务→制造小胜），保护学习动机
潜在局限
- 依赖用户主动性：沉默型学习者需人工触发适配策略，系统无法自主识别非语言困惑信号
- 领域深度受限：适合概念性、程序性知识，对需要身体训练的技艺（如发音矫正）无感知通道
- 反馈延迟盲区：「及时反馈」原则在异步对话中难以严格执行
适合人群
- 自学者（K12至成人职业教育）
- 需拆解复杂概念的技术写作者/培训师
- 寻求「解释力」提升的AI对话设计者
常规风险
- 过度脚手架：新手使用者可能因系统持续简化而低估真实难度
- 确认偏误：「他们会说是的」原则若被滥用，可能强化错误自我评估
- 动机耗竭：高频「小胜」设计在长期或导致目标碎片化，削弱延迟满足能力