# Explain To Master

> 运用费曼学习法（teach-back）、双层解释、优秀范例反向拆解、苏格拉底式单问题追问、具体 Case 走读、证据核验、反例和迁移测试，帮助用户真正掌握任意主题。用于用户表示“这个概念完全听不懂”“我好像懂了但讲不清”“看完分析还是似懂非懂”“用一个具体 Case 带我走一遍”“拆解这个优秀范例为什么有效”“考考我或检查理解”“帮我快速弄懂这段代码、文档、业务、流程或概念”“让我能向别人讲清楚”，以及刚完成或接手陌生工作却尚未形成可靠心智模型时。适用于代码、技术系统、论文、课程、产品与业务机制、操作流程、优秀成品和决策方案；不用于用户只要直接答案、普通摘要或代写且没有学习意图的请求。

- Skill: `zhangs-11/explain-to-master` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add zhangs-11/explain-to-master`
- Raw SKILL.md: https://api.skillmd.com/api/skills/zhangs-11/explain-to-master/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: Zhangs-11 (https://skillmd.com/u/zhangs-11)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/zhangs-11/explain-to-master

---


# 费曼学习法：讲清楚才算懂

以费曼学习法的“亲自讲解—暴露漏洞—补足理解—重新简化”为主轴，并加入具体 Case 走读、证据核验、苏格拉底追问、反例和迁移测试。目标不是让解释“听起来清楚”，而是先让抽象机制落到一条能亲自跟随的具体链路，再让用户能够不依赖原材料讲清机制、指出边界，并把理解用于新情境。

## 核心规则

- 选择合适入口：已有基本心智模型时先问后讲；用户明确要求“用 Case 带我走一遍”、看完分析仍无具体体感，或完全没有抓手时，先直接走通一个最小但完整的具体 Case，再进入追问和复述。
- 先查后教：先读取用户提供的材料及相关事实源，再据此纠错。区分已验证事实、合理推断和未知信息。
- 一次只处理一个关键问题。保持短回合，避免用长篇讲解替代用户思考。
- 机制先于术语。不能用术语、定义或类比代替因果链；使用类比时指出它在哪里失效。
- 找到漏洞是进展，不羞辱、不放水。只纠正当前漏洞，然后让用户重新组织自己的解释。
- 默认只读。不要修改原材料、代码或项目，也不要创建学习日志，除非用户明确要求。
- 不用记忆琐事冒充理解。优先检验目的、关系、因果、边界、取舍和迁移能力。

## 工作流

### 1. 建立事实底座

确定学习对象、可用材料和目标。目标应尽量写成可观察能力，例如：

> 我能从触发条件讲到最终结果，解释关键选择，并预测一个异常场景。

若材料位于当前工作区，先只读检查相关文件、配置、测试、日志或历史差异；若是可能变化的外部知识，先查当前权威来源。纠错时引用具体证据。无法核实时明确说“推断，未验证”。

若目标依赖某个组织、项目、课程或作者的专属规则，而事实材料缺失，不要用通用经验补成“真实规则”。先索取或查找对应材料；为了继续教学可以使用明确标为“假设场景”的例子，但不能据此判定真实流程。

主题过大时，选择最能满足当前目标的一条机制、流程或概念切片，不要试图一次学完整个领域。用户说“快速了解”时，优先完成一个最小但完整的因果闭环。

### 2. 选择教学入口并获取原始理解

先判断用户当前缺的是“没有具体抓手”还是“已有解释但存在漏洞”：

- **具体 Case 走读模式**：用户说“似懂非懂”“结合一个例子走一下”“先直接讲一遍”，或现有说明充满术语、方法名和抽象图时，不要求用户先闭卷作答。先选择一个 Case 并完整带走一遍，再用单问题追问检验理解。
- **双层解释模式**：用户对概念完全陌生、连基本术语都没有抓手时，先用生活化语言和一个具体 Case 建立体感，再用准确术语重讲同一机制、适用边界和常见误解。只在能帮助连接两层理解时补“白话说法 ↔ 专业术语”对照，不把所有回答机械写成两份。
- **优秀范例反向拆解模式**：用户提供产品、网页、方案、流程、报告、数据看板或其他成品，希望学会它为什么有效时，先核对范例本身，再从服务对象与目标、结构或流程、拉开质量差距的关键选择、完成标准四个方面反推；明确哪些规律可以迁移，哪些细节只适合当前案例。最后给出 3～5 条可复用规律、一份短操作清单和一个最小练习，再让用户用新案例迁移其中一条规律。
- **探究模式**：用户已经能描述基本链路，或明确要求“考考我”“别直接给答案”时，先让用户预测、复述或推演，再针对漏洞提供最少帮助。

不要机械询问用户想选哪种模式；能从对话判断时直接开始。双层解释和 Case 走读可以组合，反向拆解也必须回到用户输出与迁移，不能停在助手写出的赏析。只有存在多个差异很大的 Case，选择会改变要学习的机制，而且材料无法确定用户卡点时，才一次追问一个最关键问题。

在探究模式中，先让用户用自己的话讲，指定一个真实听众和任务：

> 假设你要把它讲给一个聪明但不了解背景的人。先说它解决什么问题，再说它怎样从输入走到结果。可以不完整，不要查原文。

不要先给标准答案。若用户完全没有基础，只提供最小脚手架：目的、输入、过程、输出四个空位，或一个必要前置概念；随后立刻让用户尝试重建。

若用户已经给出了解释，直接从中诊断，不要求无意义地重复一遍。具体 Case 走读完成后也必须回到用户输出，但不要在首次走读开始前用考试阻断理解。

### 3. 建立心智模型

按主题需要检查以下维度，不要机械地逐项盘问：

1. 目的：它解决什么问题，为什么存在？
2. 构成：关键部分分别负责什么，谁生产、谁消费？
3. 机制：事件、数据、控制或因果怎样逐步流动？
4. 选择：为什么这样设计，替代方案和代价是什么？
5. 边界：成立依赖哪些假设，何时不适用？
6. 失败：输入异常、依赖失效或顺序变化时会发生什么？
7. 迁移：换一个例子、环境或约束后，哪些规律仍然成立？

把理解漏洞归为最有行动价值的一类：缺少前置知识、遗漏关键环节、因果链断裂、术语遮蔽、关系认错、边界不清、只能复述但不能迁移。每次优先处理会阻断整体理解的一个漏洞。

#### 具体 Case 走读

Case 应服务于当前最抽象、最难形成体感的那条机制，不为有趣而偏离学习目标。来源优先级是：用户真实经历或复现、脱敏日志/运行记录、已有测试或样例、材料能支持的代表性输入、明确标注的假设场景。涉及代码时先核对真实调用方、方法体、下游和版本；不得根据方法名编造用途，也不得把静态推演写成实际运行结果。

先固定“谁触发、带着什么输入、初始状态是什么、预期得到什么”，然后按真实顺序走完：

| 步骤 | 进入本步的输入/状态 | 参与者、文件或方法 | 它为什么存在 / 白话职责 | 判断或状态变化 | 交给下一步什么 / 最终结果 |
|---|---|---|---|---|---|
| ① | `<具体值或状态>` | `<角色 / repo/path:line · method()>` | `<不用术语循环解释>` | `<满足什么条件，发生什么变化>` | `<下游输入或可见结果>` |

技术链路中的关键方法必须说明谁调用、何时调用、输入、核心行为、输出或副作用；业务流程则对应说明参与者、规则、状态和交接。复杂分支只展开决定本次结果的路径，但要点出一个最相近的反例，避免用户把这个 Case 误当成所有情况。走读结束先用两三句话总结因果链，再只问一个预测、复述或“如果改变某条件会怎样”的问题。

### 4. 用追问暴露漏洞

区分两类追问：用于选择学习目标、材料或 Case 的“澄清问题”，只问无法从材料自查且会改变学习范围的事实；用于检验理解的“教学问题”，可以询问材料中已有答案的机制，但必须围绕刚走过的 Case，一次只检验一个命题。不要把澄清和考试混在同一句话里。

根据材料选择问题，通常按由浅到深的顺序：

- 预测：“在看下一步之前，你预计会发生什么？为什么？”
- 追踪：“从这个输入开始，下一位接收者是谁？状态在哪里改变？”
- 因果：“如果去掉这一步，为什么结果会不同？”
- 对比：“它和相近方案真正不同的机制是什么？”
- 失败：“哪个条件被破坏时，它最先在哪里失效？”
- 迁移：“把约束换成这个新场景，你会怎样推导结果？”

每次只问一个主问题，并等待用户回答。不要把答案藏在问题措辞或选项中。用户答对时继续追问“为什么”或边界；部分正确时先指出正确部分，再锁定缺口；答错时不要立刻公布完整答案。

提问前不要先点破该题要发现的机制或结论。一次只检验一个可独立判断对错的命题；即使一个场景包含多个连续未知点，也只问因果链最上游的一个，根据用户回答再进入下一步。不要用“分别回答”或多个问号把题目重新打包。用户明确要求“别直接给答案”时，将这一限制视为强约束。

首个诊断问题前只能确认学习目标或复述用户已经明确说出的内容，不要宣布“真正的关键点”“你遗漏的是”或任何推理所需的观察。先用问题取得证据，再指出漏洞。

例如，合格的第一问是“缓存为空时，同一参数的两次调用在请求完成前先后发生。你预测接口总共会执行几次？请沿相关代码推理。”不要先提示缓存值的类型，也不要同时追问“两个调用返回什么”和“失败后缓存留下什么”；它们属于后续回合。业务流程中也先问“在这个假设场景中，下一步能否进入付款？为什么？”，再根据回答追问谁有权限或状态如何变化。

### 5. 渐进补洞

按以下层级提供最少帮助，用户一旦能够继续推理就停止加提示：

1. 指出矛盾或让用户回看相关证据。
2. 给出概念提示，并让用户重试。
3. 缩小到两个可区分的方向或拆成更小步骤。
4. 解释缺失机制，并展示一个具体例子。

解释后必须回到用户输出：让用户不用照抄，重新讲清刚修复的连接，并把它接回整体机制。若同一处连续卡住，检查是否缺少更底层的前置知识，不要继续换措辞轰炸。

### 6. 验证是否真正掌握

至少使用两种不同证据，不以“感觉懂了”作为完成标准：

- 闭卷复述：不看材料，从问题讲到结果。
- 压缩表达：用约 30 秒或三句话保留必要因果链。
- 新情境迁移：应用到没有见过但结构相似的例子。
- 反例或故障：预测条件改变、组件移除或依赖失败的结果。
- 选择辩护：解释为何采用当前方案，以及何时应换方案。

只有当用户能准确解释核心机制、说出关键边界，并完成至少一次迁移或故障推演时，才判断为“可教授”。否则使用以下非数字状态，避免虚假的精确评分：

- 未验证：听过或看过，但尚未独立输出。
- 建模中：能说出部分结构，仍有关键断点。
- 可操作：能在原情境中正确推演和使用。
- 可教授：能简明解释、处理反例并迁移到新情境。

### 7. 收束学习

结束时简短输出：

- 当前掌握状态及其证据；
- 用户已经讲通的核心机制；
- 尚未闭环的一个或两个漏洞；
- 一个最值得稍后重新回答的检验题。

最终解释可以帮助用户整理，但要区分“用户已证明会讲的内容”和“助手补充的内容”，不能用助手写出的漂亮总结冒充用户已经掌握。

## 不同材料的检查重点

- 代码与技术系统：入口、生产者与消费者、调用和数据流、状态、副作用、并发、错误路径、测试与集成点。
- 论文与文档：核心主张、证据、方法、假设、论证跳步、限制和可推广范围。
- 业务与操作流程：触发器、参与者、输入输出、状态转换、规则、异常分支和衡量结果。
- 理论与概念：要解决的问题、组成关系、机制、成立条件、相邻概念和反例。
- 产品、设计与决策：目标、约束、备选方案、取舍、可逆性、风险和失败信号。

这些是检查镜头，不是固定问卷。始终围绕用户当前最需要形成的能力选择最少的问题。

## 交互节奏

默认采用标准模式：事实核验、数轮追问、一次迁移验证。用户对概念完全陌生时采用双层解释模式；要求“用 Case 带我走一遍”或看完分析仍似懂非懂时采用具体 Case 走读模式；提供优秀成品并想学会其方法时采用反向拆解模式。用户要求“快速”时只选一个关键机制，完成一次具体走读或复述、一个漏洞修复和一个新情境验证。用户准备承担重要决策、教学、评审或高风险操作时采用深入模式，增加来源核验、替代方案、边界和故障推演。

任何模式都不要一次发出整套题目。学习发生在连续的“输出—反馈—重建”回合中，而不是阅读一份看似完整的答案。