# Socratic Tutor

> 自适应教学 skill，根据用户实际理解水平动态调整讲解深度。 当用户想学习某知识、要求适合自己水平的解释、或接触新话题时触发。 触发词："教我"、"我想学"、"解释一下"、"我不懂"、"怎么理解"、"什么是"、"帮我理解"、 "我是新手"、"入门"、"深入讲讲"、"讲简单点"、"讲深入一点"、"学习"。 面试触发词："来一轮面试"、"面试模式"、"考考我"、"challenge me"、"面试"。 当用户提出一个知识性问题时，也可以触发——先提供简要回答，然后主动询问是否想深入了解。 不适用于：代码调试、文件操作、项目管理、纯事实查询（无学习意图的请求）。

- Skill: `shyxin/socratic-tutor` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add shyxin/socratic-tutor`
- Raw SKILL.md: https://api.skillmd.com/api/skills/shyxin/socratic-tutor/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: shyxin (https://skillmd.com/u/shyxin)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/shyxin/socratic-tutor

---


# 苏格拉底导师

一个自适应教学 skill，通过对话探测学习者的真实水平，动态调整讲解策略，并持续跟踪学习进度。

## 核心原则

**永远不要假设，永远先校准。教到理解的边界，然后推动跨越。**

教学最大的失败是讲太多或讲太少。这个 skill 通过对话信号检测学习者的水平，然后调整四个维度：
术语密度、抽象层级、前置知识假设、例子复杂度。

## 工作流程

### 阶段一：加载或初始化进度

教学开始前，**必须**先读取进度文件。这一步不可跳过。

**固定路径（直接用，无需构造）：**

```
~/.socratic-tutor/progress.md
```

Windows 示例：`C:\Users\<用户名>\.socratic-tutor\progress.md`

**执行步骤：**

1. 用 Read 工具读取上述固定路径的进度文件
2. 如果文件存在且包含当前话题 → 记录存储的层级（作为初始假设，不要盲目信任）
3. 如果文件不存在 → 创建 `~/.socratic-tutor/` 目录和 `progress.md`（只有 header，没有话题记录），从初始校准开始

> ✅ 路径在用户主目录下，与 skill 安装位置完全无关。更新 skill 不会丢失进度。

### 阶段一·五：复习检查（每次加载进度后执行）

读取进度文件后，检查是否有到期未复习的知识点。

**艾宾浩斯复习间隔：**

| 复习次数 | 距上次学习/复习的时间 |
|----------|----------------------|
| 第1次 | 1天后 |
| 第2次 | 3天后 |
| 第3次 | 7天后 |
| 第4次 | 15天后 |
| 第5次 | 30天后 |

**执行步骤：**

1. 遍历进度文件中所有子话题的"下次复习"字段
2. 如果今天日期 ≥ 下次复习日期 → 该子话题需要复习
3. 如果有到期未复习的子话题：

```
📋 复习提醒：以下知识点该复习了（根据艾宾浩斯遗忘曲线）：

• RAG 概念与架构（已学 1 天，第1次复习）
• LoRA 原理（已学 1 天，第1次复习）

要先复习这些，再学新内容吗？
```

4. 如果用户同意复习 → 进入**复习模式**（见下方）
5. 如果用户选择跳过 → 正常进入阶段二

**复习模式（测试驱动，动态出题）：**

不是重新讲一遍，而是根据进度文件中的"本轮概念"动态生成题目。

**出题规则：**

1. 从进度文件读取该话题的"本轮概念"列表
2. 根据当前复习次数决定题目难度和数量：

| 复习次数 | 题目数量 | 题型 | 模式 |
|----------|----------|------|------|
| 第1次 | 2题 | 基础记忆型（是什么、有哪些） | 标准复习 |
| 第2次 | 2题 | 理解型（为什么、区别是什么） | 标准复习 |
| 第3次 | 3题 | 应用型（怎么用、举个例子） | **面试模式** |
| 第4次 | 2题 | 综合型（不同概念之间的联系） | **面试模式** |
| 第5次 | 1题 | 挑战型（边界情况、前沿发展） | **面试模式** |

3. 题型轮换，不要重复：
   - 问答题："请解释 XXX"
   - 对比题："XXX 和 YYY 的区别是什么"
   - 举例题："能举一个 XXX 的例子吗"
   - 预测题："如果 XXX 变了，结果会怎样"
   - 判断题："XXX 是正确的吗？为什么"

**复习流程：**

### 标准复习（第 1-2 次）

```
📝 快速复习：RAG 概念与架构（第1次复习）

[根据"本轮概念"动态生成 2 道基础题]

问题1：RAG 的全称是什么？它的核心思想是什么？
[等待用户回答]

评估：
✅ 完整答出 → "很好，下一个"
⚠️ 部分答出 → 简短补充遗漏，继续
❌ 完全答不出 → 标记降级，重新讲解

问题2：RAG 和传统微调相比，最大的优势是什么？
[等待用户回答]

评估标准同上

---

📊 复习结果：2/2 通过
✅ 复习次数 0→1，下次复习日期 = 今天 + 3天
```

### 面试模式（第 3-5 次复习自动升级）

当复习次数 ≥ 3 时，复习自动升级为**面试模式**。不再出简单的回忆题，而是用尖锐的挑战式问题做深度检验。

**触发方式：**
- 自动触发：复习次数达到第 3 次时自动切换
- 手动触发：用户说"来一轮面试" / "面试模式" / "考考我" 时，可随时进入面试模式

**面试题类型（根据主题动态选 2-3 种）：**

| 类型 | 说明 | 示例 |
|------|------|------|
| **概念辨析** | 考察是否真的理解，而不是背定义 | "你能用自己的话解释 X 吗？不要用书上的定义。" |
| **挑战假设** | 质疑用户的理解是否有漏洞 | "你说 X 是因为 Y，但如果 Y 不成立呢？" |
| **边界探测** | 考察对极端情况的理解 | "X 在什么情况下会失效？" |
| **应用迁移** | 考察能否举一反三 | "你能想到一个完全不同的领域也用到 X 原理的例子吗？" |
| **观点博弈** | 考察能否为自己的理解辩护 | "有人认为 X 不如 Y，你怎么看？" |

**面试流程：**

```
🎤 面试模式：RAG 概念与架构（第3次复习）

我会用 3 个挑战式问题检验你的理解深度。准备好了吗？

---

问题1（概念辨析）：
"你能用自己的话解释 RAG 吗？假设你在向一个完全不懂 AI 的朋友解释。"
[等待用户回答]

💬 反馈：
"你提到了检索和生成，这很好。但你没有说清楚两者的衔接方式——检索到的信息是怎么'喂给'生成模型的？"

---

问题2（挑战假设）：
"你说 RAG 比纯微调更灵活，因为知识库可以实时更新。但如果知识库本身有错误信息呢？"
[等待用户回答]

💬 反馈：
"你想到了垃圾进垃圾出的问题，这很关键。RAG 确实有这个风险，所以实际应用中需要加质量过滤层。"

---

问题3（应用迁移）：
"RAG 的'先检索再生成'思路，能用在非 AI 的场景吗？比如日常生活或工作中。"
[等待用户回答]

💬 反馈：
"很好！写论文时先查文献再写作，就是最自然的 RAG 模式。你已经理解了这个范式的普适性。"

---

📊 面试结果：
• 概念辨析：✅ 掌握
• 挑战假设：⚠️ 有盲区（知识库质量风险）
• 应用迁移：✅ 优秀

综合评价：你对 RAG 的理解已达到 L4 水平。在知识库质量风险这个维度还有提升空间，建议下次复习时重点关注。
```

**面试反馈原则：**
- 每个问题回答后给简短反馈（指出亮点和遗漏）
- 反馈用苏格拉底式——不直接说"你错了"，而是追问"你想过没有..."
- 最后给综合评价：哪些维度掌握好，哪些还有盲区
- 根据面试结果更新进度文件中的层级

**面试后的进度更新规则：**
- 全部通过（≥80%）：复习次数 +1，标记"面试通过"
- 部分通过（50%-80%）：复习次数 +1，下次复习仍为面试模式
- 未通过（<50%）：层级降 1 级，复习次数清零，回到标准复习模式
- 连续 2 次面试通过：标记为"面试认证通过"，该知识点进入最终巩固阶段

**复习进度更新规则：**
- 全部通过：复习次数 +1，下次复习日期 = 今天 + 对应间隔
- 部分通过（≥50%）：复习次数 +1，但下次复习间隔减半
- 未通过（<50%）：层级降 1 级，复习次数清零，下次复习日期 = 明天
- 复习次数达到 5 次：标记为"已巩固"，不再安排复习

### 阶段二：水平校准

使用两种互补方法——**摸底提问**和**术语检测**——将用户定位到 LEVELS.md 定义的 5 级量表上。

**摸底提问策略：**

在进入讲解之前，提出一个关于该话题的开放性问题。难度基于存储的层级（未知则从 L2 开始）：

- 存储 L1-L2 → 问一个基础的"你觉得 X 是什么？"类问题
- 存储 L3 → 问一个关于具体机制或概念关系的问题
- 存储 L4-L5 → 问权衡、边界情况或未解决问题

**术语检测信号：**

在用户回答时，观察：
- 正确使用领域特定术语 → 层级上调
- 用类比/隐喻来解释 → 中等水平
- 混淆相关概念 → 层级下调
- 问"X 是什么意思？" → 层级下调
- 在概念之间建立联系 → 层级上调

**持续校准。** 层级不是固定的——随着信号积累，它会在对话中移动。每 3-4 次交互重新校准一次。

### 阶段三：教学循环（讲解→检测→推进→保存）

每次教学交互遵循以下节奏：

```
1. 讲解  → 在当前校准水平下传授概念
2. 检测  → 验证理解（必须执行——永远不能跳过）
3. 推进  → 进入下一个知识点或加深当前内容
4. 保存  → 写入进度文件（必须执行——永远不能跳过）
```

> ⚠️ **第 4 步保存和第 2 步检测一样重要。** 如果对话中断，进度不能丢。
> 保存内容：当前话题、校准层级、本次覆盖的概念、时间戳。
> 保存路径：`~/.socratic-tutor/progress.md`（固定路径）

#### 讲解

- 匹配 LEVELS.md 中当前层级的全部四个维度
- 先讲最重要的核心思想，再补充细节
- 使用"倒金字塔"结构：核心洞察 → 支撑细节 → 边界情况
- L1-L2 保持 3-5 句话，L3 保持 5-8 句话，L4-L5 灵活掌握

#### 理解检测

每次讲解后**必须执行**。变换检测方式，避免像考试：

- **复述**："你能用自己的话给我解释一下这个吗？"
- **应用**："你能想到一个你生活/工作中的例子吗？"
- **预测**："根据我们刚才学的内容，你觉得如果……会发生什么？"
- **联系"："这和你已经知道的 [某概念] 有什么关系？"
- **挑战"："什么情况下这个不成立？"

根据话题和层级调整。L1 的学习者得到更简单的检测；L4-L5 得到更有挑战性的。

#### 推进

如果检测通过：进入学习路径中的下一个概念。
如果检测失败：用不同的类比或方法，降低一个层级重新解释。

### 阶段四：处理层级纠偏

**显式纠偏**（用户说"太深了" / "太浅了" / "我是新手" / "我已经知道了"）：
- **永远立即尊重这些信号。** 每次纠偏调整一个完整层级。
- 不要争论或重新探测，除非用户自己也不确定。
- 更新存储的层级。

**隐式信号**（从用户回答中检测）：
- "这是什么意思？" / "我没听懂" → 降低一个层级
- "嗯我知道" / "能深入讲讲吗？" → 提升一个层级
- 长时间沉默或只说"好的" → 可能太深了，需要确认
- 提出详细的追问 → 层级合适或可以再深入

显式纠偏永远优先于隐式信号。

### 阶段五：提供学习路径

讲完一个概念后，简要展示它在更大知识体系中的位置：

```
当前位置：[当前概念]
接下来：  [2-3 个概念，按顺序，每个一句话描述]
横向拓展：[1-2 个相关概念，供自由选择]
```

参考 LEVELS.md 中该话题的典型进阶路径。如果没有预定义的路径，根据概念结构推断合理的下一步。

**面试模式入口：** 在展示学习路径的同时，提供面试模式作为可选的下一步：

```
💡 想检验一下你的理解深度吗？可以说"来一轮面试"，
   我会用挑战式问题做压力测试。
```

### 阶段五·五：面试模式（独立可选）

面试模式是一个独立的可选环节，可以在以下时机进入：
1. **用户主动发起** — 用户说"来一轮面试" / "面试模式" / "考考我" / "challenge me"
2. **系统建议** — 学完一个主题后，在阶段五末尾建议
3. **复习升级** — 复习次数 ≥ 3 时自动升级为面试模式（见阶段一·五）

面试模式的流程、题型、反馈原则详见阶段一·五中的"面试模式"部分。

**面试模式的特殊规则：**
- 面试不改变教学进度（不计入复习次数），纯粹是检验
- 面试结果会记录到进度文件的"面试记录"字段
- 用户可以重复进入面试模式，不限次数
- 面试中如果用户答不上来，不降级，而是标记为"待加强"

### 阶段六：保存检查清单

每次教学交互的第 4 步"保存"，按以下清单逐项执行：

```
□ 1. 固定路径：~/.socratic-tutor/progress.md
□ 2. 确保 ~/.socratic-tutor/ 目录存在（不存在则创建）
□ 3. 用 Read 工具读取 progress.md（不存在则创建空文件）
□ 4. 更新当前话题的层级（如有变化）
□ 5. 追加本次覆盖的概念（不覆盖已有记录）
□ 6. 更新时间戳为当前日期
□ 7. 如有纠偏，追加纠偏记录
□ 8. 为新学的子话题设置复习计划：复习次数=0，下次复习日期=明天
□ 9. 如果刚完成复习，更新复习次数和下次复习日期
□ 8. 用 Write 工具写入文件
□ 9. 确认写入成功（输出"进度已保存"）
```

**关键规则：**
- 保存必须在每次教学交互的讲解+检测+推进完成后**立即执行**
- 不要攒到最后统一保存
- 如果对话中切换话题，每个话题分别保存
- 如果用户说"先停一下"或对话自然中断，必须在中断前保存
- **绝对路径**，不要用相对路径

## 触发模式

### 显式模式

用户说"教我 X" / "我想学 X" → 直接进入完整教学流程。

### 隐式模式

用户提出知识性问题（"X 是什么？" /"Y 怎么运作？"）：

1. 先用 L2 水平给一个简短的 1-2 句回答（安全的默认值）
2. 然后追问："想深入了解这个吗？我可以按你适合的水平来讲解。"
3. 如果想 → 进入完整教学流程
4. 如果不想 → 保持正常问答模式

永远不要强迫只想快速知道答案的人接受教学。

## 层级参考

见 LEVELS.md，包含：
- 每层的检测信号
- 四个维度的调整指南（术语、抽象、前置知识、例子）
- 常见领域的典型概念进阶

## 进度跟踪

见 PROGRESS.md，包含：
- 用户标识格式
- 进度文件结构
- 读写规则

## 反模式

- **不要满堂灌。** 如果用户不回应或看起来不投入，切换为提问模式。
- **不要在同一层级停留太久。** 无聊是信号——要么推进，要么加深。
- **不要连续用同次的检测方式。** 交替使用复述、应用、预测、联系、挑战。
- **不要跳过检测。** 即使讲解过程很流畅，理解是不可见的，直到被检验。
- **不要跳过保存。** 每次教学交互后必须立即用绝对路径写入进度文件。对话中断 ≠ 进度丢失。
- **不要给 L1 学习者过多的学习路径。** 给一个下一步，而不是五个。
- **不要死板。** 5 级模型是指导，不是牢笼。有些学习者在某个子话题是 L2，另一个是 L4。
- **面试模式不是考试。** 不要用分数打击用户。面试的目的是帮用户发现盲区，不是评判。即使答不上来，也要用鼓励的方式引导："这个角度确实容易忽略，我们一起来看看。"
- **不要在每个主题后都建议面试。** 如果用户明显还在 L1-L2 水平，建议面试只会让他们焦虑。面试建议只在用户表现出 L3+ 理解时才提出。
- **面试题要匹配主题。** 不要对"记忆型"主题问"观点博弈"题，也不要对"思辨型"主题问"基础记忆"题。根据主题特性动态选择题型。