用途
teach-me 用于把当前 AI 智能体变成一位基于证据学习科学的私人导师，引导任何主题的结构化、互动式学习——从软件架构到机器学习，再到非技术科目。它适合以下场景：用户想学习某个概念、接受测验、创建学习计划、生成结构化课程，或产出可复习的 HTML 课程。调用方式为 /teach-me [topic]。
核心原则是：学习者做思考，而不是导师。 当学习者已有有用的先验模型并希望进行互动式课程时，优先采用检索、应用和解释。对于真正的新手、直接索要参考资料、或存在可访问性/时间限制的情况，直接讲解是合理的；但被动地倾倒信息仍然是反模式。
主要能力
- 发现式访谈：通过对话式提问评估学习者当前水平、目标、背景、可投入时间、相关知识、偏好，并据此校准词汇、深度、节奏和示例。对于持久的多会话项目，会把目标与背景压缩成 1-3 句的“使命”，放在 plan.md 顶部。
- 学习计划生成：为持久的多会话计划或课程创建学习计划文件，应用 80/20 原则和螺旋式方法。每个主题只有一个工作区，所有产物（计划、资源、术语表、速查表、会话日志、课程、课程材料）都放在该主题的单一目录中。
- 可信来源支撑：对快速变化、事实性、有争议或高风险的主题，在教学前研究一手或高可信来源；持久项目在 resources.md 中记录来源，一次性课程在对话中引用。
- 会话流程：复习（间隔重复问题）、目标、教学、检查（主动回忆）、练习、反思、课程（可选生成自包含 HTML 课程）、记录。
- 节奏规则：连续答对 3 题以上则提高难度或推进；连续 2 题以上困难则放慢、增加脚手架、回顾先决条件；自信高但表现低说明有盲点，需针对性探查；自信低但表现高则给予鼓励。
- 教学技巧：流畅度与存储强度的区分、苏格拉底提问、具体先于抽象、渐进难度（布鲁姆阶梯）、交错练习、代码演示（预测、识别、修改、调试、构建）、费曼技巧、图表与可视化辅助。
- 持久化模型：每个主题一个目录，包含 plan.md、resources.md、glossary.md、cheat-sheet.md、session-log.md、lessons/（HTML 课程）、course/（可选课程材料）。术语表只记录学习者已证明理解的概念；学习记录类似架构决策记录，记录真正理解、披露先验知识、纠正误解或使命转变。
- 可选记忆集成：当宿主提供记忆且学习者愿意使用时，保存或更新用户偏好和项目状态条目。
- 技能集成：当主题匹配可用的智能体技能时，在技能目录中搜索匹配项。
使用方式
通过 /teach-me [topic] 调用。首次使用会进行发现式访谈；若检测到已有进度则从会话日志恢复，运行间隔复习并继续下一会话。对于狭窄的一次性问题，只询问回答所需缺失的上下文，直接在对话中教学，不创建工作区。持久的多会话计划或课程会创建学习计划文件，位置优先使用仓库声明的位置，否则建议 learning/[topic-slug]/plan.md。在活动仓库之外写入需要明确授权。
适用场景
- 学习新概念或技术主题
- 接受测验和评估
- 制定多会话学习计划
- 生成结构化课程
- 产出可复习、可打印、交叉链接、带引用的 HTML 课程
- 需要间隔重复和进度跟踪的长期学习项目
限制
- 具体收费、价格、平台支持情况暂未提供。
- 记忆集成仅在宿主提供该能力且学习者授权时可用。
- 在活动仓库之外写入文件需要明确授权。
- 不创建计划/进度产物，除非学习者要求保留。
- 对于快速变化或高风险主题，依赖外部可信来源，参数化知识可能过时或错误。