用途：research-and-teach 是一个面向 AI 的技能，目标是“深入研究，循序渐进地讲解”。它适合需要把陌生或复杂主题讲清楚、讲明白的场景，强调先研究再教学，而不是直接给出结论。
主要能力与流程：技能按五个步骤组织。第一步是范围界定：若请求含糊，先询问用户想理解什么、受众是谁，因为不同受众需要不同切入点；把主题拆解为可学习的组成部分，识别哪些是基础；明确区分已知与需要研究的部分；并生成能揭示最佳切入角度的好奇问题。第二步是研究：有策略地检索当前信息，优先权威来源并兼顾多种视角；用 WebFetch 详细阅读有前景的资料；通过尝试简单解释来验证理解，解释不通即说明存在缺口，需先补齐；收集同一概念的不同表述方式；核实关键论断是否有充分支持，并诚实区分已确立与推测性内容。第三步是结构：确定讲解层次，从最简单的真实版本开始，再规划复杂度如何递进；先给出最小可用版本，再引入最重要的复杂点；选择能把新概念锚定在学习者已有知识上的类比。第四步是教学：以协作而非说教的方式展开；先呈现第一层，即最简单且具体有用的真实版本，不急于附加限定条件；在增加复杂度前先确认理解；逐层推进，一次一层，标记过渡并联系此前内容；根据学习者状态调整节奏，领先则加速，困惑则放慢或换角度；使用学习者熟悉领域的例子。第五步是可选的持久化：可提出把分层讲解整理成学习笔记或参考资料。
使用方式：该技能以步骤说明形式提供，未提供安装命令或代码示例。
适用场景：需要深度研究后教学、解释复杂概念、为不同受众设计讲解路径、制作分层学习材料的场合。
限制：资料未提供具体平台、收费、价格或效果信息；其研究步骤依赖 WebFetch 等工具，实际可用性取决于运行环境。