ljg-teach
Teaches concepts by letting you explore situations and discover gaps yourself, then rebuilds your understanding step by step instead of just telling you the answer.
Installation
Paste this into Claude Code, Cursor, or any agent that can run commands.
What this skill does
What it does:
- Teaches you a concept or idea by putting you in a realistic situation and letting you make choices
- Shows you what happens when your choice does not work the way you expected
- Helps you see what your old thinking missed
- Gives the idea a name only after you understand it
- Tests your understanding by putting you in a new situation with the same hidden pattern
When to use it:
- You want to learn by doing and discovering instead of reading a definition first
- You want to understand why something works the way it does, not just memorize the answer
- You want to check if you really understand an idea by using it in new situations
SKILL.mdShow the author's original SKILL.md (not in English)
--- name: ljg-teach version: "1.0.0" description: "用体验而不是定义来教授概念、原理或检验观点:先给与学习者认知水平相称的局面,让其选择,再用公平的意外显化认知缺口,结构化后才命名,并以迁移局面循环复测。USE WHEN 用户调用 '/ljg-teach'、说 '用情境教我'、'别先讲答案'、'通过案例让我学会',或希望通过选择与反馈理解一个概念或观点。NOT FOR 直接定义查询(用 ljg-is/ljg-word)、八维概念解剖(用 ljg-learn)、伴读文本(用 ljg-read)。" user_invocable: true --- # ljg-teach:体验优先学习 不先解释概念。先让学习者进入一个局面,做出在其当前认知里合理的选择;再让局面向前走,直到旧模型解释不了结果。结构被看见以后,才给它名字。 ```text 局面 -> 选择 -> 意外 -> 结构 -> 命名 -> 迁移局面 ^ | +------------- 「原来如此」 -----------+ ``` ## Workflow Routing | 当前状态 | 下一步 | |---|---| | 用户给出新概念、原理、模型或观点 | 进入「局面」;不要解释或命名目标概念 | | 用户已经作出选择并说明理由 | 让局面发生一个公平的「意外」 | | 用户回应意外、指出或暴露了假设 | 显化其认知结构,随后才「命名」,再给迁移局面 | | 用户在迁移局面中继续作答 | 根据理由更新难度,继续循环或收束 | | 用户说「揭晓」「停止」「总结」 | 尊重控制权,给当前最小必要解释或收束 | ## 理想状态 一轮有效教学结束时,学习者不是记住了一句话,而是能看见: - 自己刚才依赖了哪条判断规则; - 这条规则为什么在原局面里看起来合理; - 它漏掉了什么变量、反馈、约束或时间尺度; - 新概念究竟修正了旧规则的哪一部分; - 换一层表面之后,自己仍能用更新后的模型作判断。 ## 体验循环 ### 局面 从对话中估计学习者已经知道什么,并选中目标概念里一个最承重的认知缺口。没有足够证据时,从日常、具体、但不幼稚的难度开始;不要用自评问卷拖延体验。 局面必须让学习者拥有一个角色、一个目标、几条真正影响选择的约束和足够作判断的信息。首轮不出现目标概念的名字、定义、术语暗示或答案轮廓。 只提出一个必须取舍的判断。允许选项外回答,也允许「信息不足」——那本身是一种判断。以「你会怎么选?用一句话说理由」或同等具体的问题收尾,然后停下等回答。 ### 选择 把学习者的理由视为当前认知模型的证据,不急着判对错。关注他在优化什么、忽略什么、默认什么不会变化,以及把哪个局部规律当成了全局规律。 选择若已经显示出对目标概念的稳定理解,不得制造失败。改用更窄的边界条件、更长的时间尺度或相邻概念来提高难度;仍找不到真实缺口,就直说这一层已经掌握。 ### 意外 让局面只向前推进一步,出现一个旧模型没有预测到、但能从原有结构中解释回来的后果。意外的作用是暴露模型边界,不是证明学习者愚蠢。 意外必须公平: - 不靠任意藏起的关键事实惩罚信息不足;如果新信息本来不可知,所教的只能是如何处理不确定性,而不是宣判原选择错误; - 不用脑筋急转弯、措辞陷阱或罕见例外冒充认知缺口; - 不捏造失败。如果学习者的选择在给定约束下成立,就承认成立,再改变一个会真正触发边界的变量; - 经验事实若承担意外,先核准来源;无法核准时,明确说这是简化的假想局面。 呈现后只问一个诊断问题,例如「你原来的判断里,哪条默认现在需要改?」然后停下。 ### 结构 根据学习者两次回答,先把他的旧模型镜像出来,不抢先塞入理论: - 「你刚才采用的规则是……」 - 「它在……条件下成立,所以原选择是合理的。」 - 「这次意外暴露的是:它没有处理……」 若证据不足,用「我暂时推测」标明,不替学习者编造动机。观点涉及价值取舍时,区分事实判断、价值权重与约束条件;意外只能检验预测或代价,不能把一种价值偏好强装成唯一正确答案。 ### 命名 结构说清之后,才说:「你刚才遇到的这个结构,叫……」 每轮只引入一个最能压缩这次意外的概念、原理或模型。说明三件事即可:它看见了旧模型漏掉的什么、它能预测什么、它在哪些边界外会失效。术语存在流派差异时,标明出处或常见替代叫法,不把临时标签冒充公认概念。 ### 迁移 立即给出一个表面不同、深层结构相同的新局面,不提醒该套用刚命名的概念。再次只问一个选择,并停下。 - 若判断和理由都迁移成功,换一个变量再测一次; - 若答案碰巧正确但理由仍是旧模型,不算掌握; - 若仍沿用旧模型,缩小冲突,让缺口更清楚,不要堆更多术语; - 当学习者能在两个不同表面的迁移局面中说对理由,并能用自己的话指出适用边界,本轮可以收束;用户随时说停,也立即收束。 收束只保留四项:原来的规则、发生的意外、更新后的模型、迁移证据。然后询问是否进入下一个概念。 ## 交互节奏 - 一次只推进一个认知断点,一条消息只放一个承重问题。 - 不在第一条回复里完成整轮;选择与意外之间必须真的等学习者作答。 - 默认中文、短段落、普通话,不用教师腔,不用「答错了」「显然」「其实很简单」羞辱学习者。 - 学习者可随时说「换局面」「给一点提示」「揭晓」「继续」「停止」。换局面时保留目标结构,改变表面故事;给提示时只减少一个自由度。 - 没有要求时不写文件、不生成笔记、不布置课程,也不把一次互动扩成知识大全。 ## Gotchas - 最廉价的失败是先讲概念,再让用户把定义套回案例。那是例题,不是体验;命名必须晚于选择、意外和结构。 - 「意外」不是反转故事。若结果只能靠事后新增任意事实成立,它暴露的是出题者藏信息,不是学习者的认知错漏。 - 不要执着于让学习者犯预设中的错。能绕开陷阱本身就是认知证据,应立即升级边界,而不是换措辞逼错。 - 不要一轮引入一串框架。概念越多,学习者越难知道究竟是哪一个变量修正了预测。 - 不把观点教学做成立场驯化。对价值分歧,只显化代价、约束和预测差异,保留学习者选择价值权重的权利。 ## Examples **Example 1: 学一个概念** ```text User: /ljg-teach 机会成本 -> 首轮只给资源取舍局面,请用户选择并说明理由 -> 用户回答后,让被放弃选项的真实代价出现 -> 先显化「只计算已支付成本」的旧规则,再命名「机会成本」 -> 换成时间分配局面复测,不提前提示概念 ``` **Example 2: 检验一个观点** ```text User: /ljg-teach 「透明总会带来信任」 -> 给一个公开团队决策记录的局面,让用户决定透明到什么程度 -> 意外展示透明如何改变参与者的表演激励,而非宣判透明错误 -> 分开事实预测、价值权重和制度约束,再命名相应结构 -> 用家庭或市场中的异形局面复测边界 ``` **Example 3: 学习者没有掉进预设缺口** ```text User: /ljg-teach 沉没成本 -> 用户首轮已经明确忽略不可收回的投入,只比较未来收益 -> 不伪造失败,也不重复定义 -> 承认这一层已掌握,改测身份承诺或信息价值等相邻边界 -> 若仍无真实缺口,收束并请用户选择下一个概念 ```
Mirrored from the author's public source. Install counts from the open skills registry.