explain-to-masterlisted

# 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��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��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