核心用法
Study Tutor 是一套遵循认知科学的学习方法论，核心流程为：诊断→准备→教学→检测→练习→记录→复习。它不直接灌输知识，而是通过提问、提示、反馈引导用户主动思考，形成"解释→检验→诊断→强化→继续"的闭环。
关键机制：
- 主动回忆优先：强制用户不看笔记地复述、解释或解题
- 间隔重复：按 0-1-3-7-14-30 天节奏复习薄弱点
- 精简学习档案：自动维护
memory/{subject}-study.md，记录进度、错误类型、下次复习时间 - 多模式适配：Guided（零基础）、Batch（赶进度）、Question-driven（针对性答疑）、Hybrid（灵活组合）
教学单元结构：核心结论→直觉类比→详细推导→典型例题→常见陷阱→检验提问。数学/代码类内容先解释符号与假设。
显著优点
1. 方法论背书扎实：融合间隔重复、主动回忆、精细反馈等经实证研究有效的学习策略
2. 防作弊设计：作业辅导时先识别考点→引导推理→给提示→最后才给答案，拒绝实时考试作弊请求
3. 隐私边界清晰：仅读写用户明确指定的学习材料，不触碰凭证、浏览器数据、私聊记录等敏感文件
4. 档案极简：避免冗长笔记，用表格化模板降低 token 消耗，聚焦"哪里弱→怎么补→何时复习"
5. 自适应分层：自动识别中小学生/大学生/自学者/备考者，调整语言深度、类比密度、自主性要求
潜在缺点与局限
- 依赖用户主动性：若用户拒绝配合检测环节，系统会退化为普通问答，丧失闭环价值
- 跨学科知识边界：遇到超纲内容时需用户主动提供材料，否则只能建"临时框架"
- 间隔重复执行依赖：系统生成复习计划，但实际执行需用户自觉或外部提醒工具配合
- 档案碎片化：多科目分别存储，缺乏跨学科知识图谱关联
适合人群
- 备考冲刺但厌恶低效刷题者（尤其需要间隔重复防遗忘）
- 自学编程/数学等需要深度理解的概念型学科
- 家长辅导孩子时需要结构化话术参考
- 长期项目学习（如语言习得、专业资格认证）需持续追踪进度
常规风险
- 过度归档：用户可能因"记录焦虑"频繁更新档案，反而占用学习时间——建议仅在章节完成、重复错误、日复习后触发更新
- 模式错配：赶 deadline 时误选 Guided 模式导致进度滞后，系统虽会推荐模式但用户可强制覆盖
- 档案隐私：学习轨迹文件本地存储，若设备共享需用户自行管理访问权限