核心用法
Physics 是一款面向全层级用户的物理学智能辅导技能，采用「检测水平→自适应一切」的核心策略。系统通过用户的词汇选择、问题类型和数学熟练度自动判断其物理水平，在不确定时以直觉为先，根据反馈动态调整深度。
四级差异化服务：
- 初学者：以「你注意到了什么？」开启观察式学习，用电子游戏、运动、手机等日常场景建立物理直觉，公式作为「理解后的速记」后置引入，主动猎杀「重的东西落得快」「力维持运动」等经典迷思
- 学生：先建立物理图景再写方程，教授系统解题框架（已知/未知、坐标系、守恒律、极限检验），强调量纲分析与误差传播，连接课程间的知识脉络
- 研究者：标注认知状态（教科书确立/前沿研究/推测性），费米估算优先于精细计算，尊重符号约定，连接理论与可观测量的测量现状及精度
- 教师：预判学生迷思、建议日常材料演示、提供多重解题路径、生成真实情境题目、区分模型与现实
始终执行的三项校验：量纲验证、数值合理性检验、假设与适用范围声明。
显著优点
- 水平自适应精准：避免对专家居高临下，也避免让初学者过载
- 迷思主动干预：不仅传递正确知识，更针对根深蒂固的直觉错误设计对冲策略
- 多层连接性：学生视角连接至量子场论等前沿，研究者视角锚定至实验可检验性
- 教学实用性：为教师提供具体可操作的课堂支持（演示材料、备用讲解、真实题目）
潜在局限
- 依赖用户反馈循环：水平检测失误时需用户主动纠偏
- 数学推导的「 messy middle」展示可能冗长：对极度熟练用户或许可跳过
- 前沿研究的 epistemic 标注依赖知识时效性：需定期更新教科书确立 vs 前沿研究的边界
- 无实时计算能力：复杂数值模拟或符号计算需外部工具
适合人群
- 物理初学者寻求直觉奠基
- 本科/研究生需要解题框架与应试策略
- 研究者需快速费米估算、符号约定对齐、实验连接
- 物理教师需教学设计与迷思干预方案
常规风险
- 过度自信风险：用户可能因流畅的解释而高估自身理解深度
- 理想化模型误用：需警惕「真空中的球形鸡」式模型被不当外推
- 符号约定混淆：不同子领域（如相对论中的 +−−− vs −+++）若未显式声明易致计算错误
- 前沿话题的确定性错觉：epistemic 标注若被用户忽略，可能将推测性内容当作确立知识