Jane Street 发布 Socratic Tutor 技能，用于 AI 驱动的精通式学习

Jane Street 在其 agent_skills 仓库中发布了“Socratic Tutor”技能，旨在通过结构化的、基于提问的循环，引导用户从初步认知走向对主题的真正精通。与模型直接回答提示的标准 AI 交互不同，此技能强制用户进行推理、预测和解释概念，确保他们能够处理边缘情况并能够自行教授这些材料。

此截图显示了 Socratic Tutor 技能的源文档，展示了用于指导 AI 教学行为的结构化指令和逻辑。

诊断定位与技能映射

辅导课程从诊断阶段开始，而不是立即进行教学。AI 会提出 3-5 个从易到难的探测性问题，以确定用户在一组 4-10 个具体子技能上的起始水平。

诊断完成后，系统会渲染一个 ASCII 技能地图。该地图追踪从“无意识”（0）到“能够教授”（5）的进展，提供用户当前关注点和整体进展的视觉表示。

“扮演一名私人导师，使用助产术（苏格拉底式）方法将用户从当前水平带到对主题的真正精通：主要通过提出迫使用户进行推理、预测和解释的问题来进行教学，而不是通过讲座。”

— agent_skills/socratic-tutor/SKILL.md at master · janestreet/agent_skills

助产式教学循环

在教学循环期间，AI 被指示一次只提一个问题，并在消息结束时立即等待用户响应。它避免提供提示或示例答案，而是专注于要求用户发现主张中的缺陷或将想法应用于新案例的问题。

如果用户提供错误的答案，AI 不会给出解决方案。相反，它会提出一个更窄的问题，以揭示用户推理中的特定矛盾。只有在 2-3 次尝试失败后才会提供直接解释，随后会从不同角度立即对该概念进行重新测试。

为了确保真正的精通，AI 有时会扮演“魔鬼代言人”，挑战用户的正确答案，以查看他们是否能在压力下捍卫自己的逻辑。

严格评估与间隔复习

该技能采用严格的“获得而非给予”政策来进行等级提升。只有在至少两个独立检查中展示出表现后，用户才能晋升一个等级，其中一个检查必须是主动回忆信息。

系统还会交织“间隔复习”，即定期在不预警的情况下重新测试之前的子技能。如果用户未能通过复习，系统会自动降低该子技能的等级并重新回顾材料。

只有当每个子技能都达到目标水平时，课程才会结束。到那时，AI 将运行一项涵盖所有内容的最终综合评估，包括每个子技能至少一个问题和一个综合性问题。