任务场景
晚上 9 点，11 天后有一场统计考试。t 检验那一章你读了三遍，“感觉懂了”，上次也是这种感觉，期中只考了 64。标准的学习动作是再读一遍那一章，或刷一个 YouTube 讲解——这两个都是被动的，会制造”懂了的温暖错觉”，但并没有 test 过你。你要 AI 做另一件事：考你、你含糊其辞时 push back、卡住时给提示而不给答案、5 轮之后告诉你到底还不会什么。Active recall，不是 lecture mode。
什么时候适合让 AI 来做
AI 在已确立学科上是真正能用的 Socratic 伙伴——本科统计、有机化学、力学、微积分、微观经济、古典哲学、文档充分的编程概念。它能按你声明的水平校准题目难度、生成好的提示（不是答案）、对半对追问、最后给出”哪里有盲点”的诊断。
AI 不可靠的地方：前沿研究、专有内容（你教授的 slide、你公司的内部框架）、或任何它可能编造的话题。这些先粘源材料进去、并明说”只从我粘进去的部分考”。AI 也无法提供真人学习搭子那种”对面有人”的社交问责感——对部分学习者，桌子对面有人才是真正能进入状态的开关。
常见失败模式：你一说”不知道”，AI 立刻给答案，哪怕你明确禁止过。要再强化：“只给提示，永远不给答案，直到我试过两次。“
需要先给 AI 的信息
- 想被考的概念或 topic
- 不是标准教材内容的话，把源材料粘上（章节、slide、paper）
- 你当前的理解，2-3 句——让 AI 校准难度
- 你想要的深度：定义 / 应用 / 反向论证（“什么时候这个会错”）
- 备考的考试 / 测试形式（多选、简答、口试、写代码面试）
- 你已经怀疑的具体盲点（“我老搞混 Type I 和 Type II error”）
- 本次时间预算（15 分钟？45 分钟？决定轮数）
- 你最受用的形式：场景题、定义回忆、对比（“X vs Y”）、反例（“什么时候这个不成立”）
可直接复制的 Prompt
做我的 Socratic 学习搭子，topic 是 {topic}。
源材料（非标准内容时）：{paste 或"用标准知识"}
我当前的理解（用来校准难度）：{2-3 句}
我想要的深度：{定义 / 应用 / 反向论证 / 混合}
形式偏好：{场景 / 回忆 / 对比 / 反例}
我已经怀疑的盲点：{paste 或"未知——你帮我找"}
时间预算：{分钟}——目标 {N} 轮
规则——严格执行：
1）一次问一题。等我答完再继续。
2）我答错——绝对不要给答案。给一个指向缺失概念的提示，再问同一题。
3）我半对——追问到暴露盲点；不要恭喜我。
4）我说"不知道"——问一个更小、更具体的子问题。我至少试过 2 次才允许 reveal 答案。
5）我答对——下一题难一档，或者问"如果 {条件} 变了，你的答案会变吗？"
6）不要 lecture。即使我答对，也不要"很好——这里再展开讲一下"。直接下一题。
7）5 轮之后（或我说停），给 3 行诊断：
- 我稳的部分。
- 我漏的或含糊带过的部分。
- 接下来该学的那一件事 + 一个具体 artifact（教材某段、要重做的题）。短版本——单概念刷
就 {一个概念} 考我，直到我答对或连错两次。只给提示、不给答案。3 轮之后用一句话点名我答案底下的那个 misconception。输出示例
一段好用的 Socratic 对话：
第 1 轮 —— AI：“什么时候不用 t 检验？”
你：“小样本时。”
AI（提示，不是答案）：“t 检验对数据有两个假设——sample size 和其中一个相关，但你描述的方式不对。说出这两个假设之一。”
你：“正态性？”
AI：“对——另一个？”
你：“两组方差相等？”
AI：“对。现在回到原问题：基于这两个假设，什么时候不用 t 检验？”
一段好用的结尾 3 行诊断：“你稳的：何时用 t 检验、p-value 的含义、CI 的基本解读。你漏的：你把’小样本’当作失败模式，但真正的失败模式是非正态或方差不等——sample size 只是通过影响它们才有意义。下一步：Shapiro-Wilk（正态性）和 Levene（方差）——读你教材 §4.3，重做 4.7-4.10 题。“
怎么改输出
- 强制执行”只提示不给答案” —— “再读你最近 3 道题。如果我没试满 2 次你就给了答案，那一条违规。换成提示再问一遍。”
- 拉深度 —— “最近 3 题都是定义层。换到应用层：给一个场景，让我选用哪个检验、为什么。我选对了，追问什么条件变了会改变选择。”
- 强制对比题 —— “接下来 5 题写成’X vs Y’——t 检验 vs Mann-Whitney、Type I vs Type II、CI vs p-value。对比题能暴露定义题暴露不出来的 misconception。”
- 中途调难度 —— “我连答对 3 题，下一题加难。我连错 2 题，把一层抽象拆下来先问子问题，再回到难题。”
- 诊断要点到 misconception —— “结尾的 3 行诊断必须点到我答错背后的 misconception，不只是’多看看’。如果两题错共享一个 misconception，明确点名。“
容易踩的坑
- 让 AI 讲给你听——重读和被动 lecture 制造”掌握的错觉”，没 test 过；考试模式才能锻炼 retrieval
- 卡住就让 AI 给答案——一旦你拿到答案而不是为它挣扎，整场就废了；规则 1 才是要害
- 考”编出来”的内容——专有材料或新研究上，AI 会编看似合理但错的；先粘源、明确约束
- 跳过诊断——结尾 3 行才是真的学习方向；没它就只是练习、没学习循环
- 整场只一种深度——5 轮都在定义层暴露不出应用盲点；混合深度，否则只为一种题型过度准备
- 一次刷太久——超过 30-40 分钟 retrieval 疲劳，编码效率下降；一天分两段短的更好
- 没声明当前理解——没校准 AI 要么用简单题烦你，要么直接跨过真盲点
- 把”答对”当目标——目标是发现你不会什么，不是 validate 你会什么；庆祝错题，它们是信号
FAQ
- 比真人学习搭子好吗？ —— 不同。AI 无限耐心、晚上 11 点也在、不会评判你的错答。真人能带社交压力、创意类比，还有”你教他他也教你”的机会（教别人会强化你自己的知识）。两个一起用。单人深度准备用 AI；问责和类比用人。
- 编程 / 数学面试也用吗？ —— 用。把题喂 AI，先让它给你口头 walkthrough 打分，再写代码——讲思路、边界、复杂度，AI 一项项考你才让你碰键盘。Socratic 那部分训练你在面试官压力下能讲清自己在做什么。
- AI 编出一个错的”正确答案”来考我怎么办？ —— 主要风险在新研究和公司专有内容。缓解：粘源 + 加一句”只从我粘的部分考；如果要用外部知识，先问我”。标准教材内容上很少发生。
- 模型一直直接给我答案怎么办？ —— 加一句：“我做满 2 次尝试之前你就给了答案，那一题作废，换成提示重问。开始前确认你理解这条规则。“再跑。
- 一次刷几轮？ —— 5-8 轮、每轮 5-7 分钟，对大部分学科都好用。超过 40 分钟 retrieval 开始糊。考试周一天两段、间隔 4 小时以上，比一长段强。