用途与实际影响
这一步怎样帮助学习
为什么需要它
把术语、字段和框架直接堆给人会增加无关负担；只给营销式摘要又会删掉作决定所需的条件和边界。
举个实际例子
当我说“先给我完整讲义再聊”，AI 不会甩来一页提纲，让我替它补齐专业路线。它会先核验资料、回看前文、拿反例拷问自己的结论，然后交付一份离开对话也能读懂的完整版本。
最后我会得到什么
正式技术单元先交可独立阅读的完整讲义；项目交流、短答和重要纠正可直接在聊天中说明。两种形式都保留理由、案例、专业细节与未知，充分备课的要求不会因换成聊天而降低。
证据足够时
读者能先说明现实问题和取舍，再识别必要术语与边界。
遇到冲突时
解释依赖未说明的术语或删掉关键条件时，重写理解顺序。
暂时无法判断时
材料本身不完整或无法解释来源时，不用流畅文案掩盖缺口。
从哪里开始
说“把这个问题讲明白”，或要求当前单元的完整讲义。
需要准备什么
- 当前问题或技术单元
- 哪些地方没听懂或要补完整（如有）
从开始到拿到结果
- 1
系统核对并处理
先核对来源、旧单元和反例，再从现实问题、结论和例子讲到术语、取舍与必要技术细节。
- 2
交付与接续
正式讲义能独立阅读；资料冲突或边界说不清时补查，不拿提纲冒充最终版。
技术实现与依据
这里保留实现、关键条件、精确入口、历史记录和验证结果。
人话优先和专业细节并存是方法硬边界，不以固定篇幅或模板衡量完成关键规则与设计选择
先给一句可行动的结论，再补理解它所需的最少背景。
用具体场景和反例解释差异，不靠定义互相解释。
专业词第一次出现时紧跟中文意思，之后保留英文锚点。
把次要细节折叠，但不删除会改变结论、风险或适用范围的事实。
这里会用到的说法
- scaffolding（学习支架）
- 在需要时提供提示、例子和结构，理解增加后逐步撤掉。
- cognitive load（认知负荷）
- 减少与当前理解无关的负担，不是减少必要事实。
- self-explanation（自我解释）
- 人用自己的话说明理由和关系；AI输出不替代这一步。
这一步说的是什么
先讲现实问题、结论、理由和影响，再补专业名称、实现细节、反例和未知；简单不等于含糊。
避免什么问题
解决术语先行、上下文过载、简单化失真、例子不能迁移和技术细节无法继续追问。
AI现在怎样协助
- 每个内容单元只解决一个明确问题，并先回答为什么值得理解。
- 首次完整讲义在资料核验、既有单元反查、反例检查和自审完成后才标为当前最终版。
- 结构使用结论、最少背景、心智模型、具体例子、选择比较、反例、术语和暂缓内容。
- 按读者已有信息调整支架；不把通用读者缺口自动当成个人短板。
- 根据关系复杂度选择短文、表格、流程图或完整讲义，不机械配图。
- 方法源e44fb5d明确：项目和业务交流充分备课后直接聊天，不以先生成或读总览讲义为前提；正式技术单元才先准备当次终稿，简短答疑和纠正不另建文档。
这一步怎样进行
- 1
核验当前资料并反查既有单元，先消除会改变理解的矛盾。
- 2
用反例和自审检查遗漏、过度外推与讲解断点。
- 3
写清现实问题和一句结论。
- 4
补足理解结论所需的最少背景。
- 5
给出可迁移的心智模型和具体场景。
- 6
比较选择、代价与容易犯错的反例。
- 7
最后补术语、技术细节、未知和参考来源，并把完整讲义作为当前最终版交付。
边界
- 没有固定字数、统一模板或必须配图的要求。
- 提纲、草稿或聊天片段不能冒充首次完整讲义最终版。
- 人话不能把必须、例外、停止条件和未知改成模糊建议。
- 适合新手的详细支架不应永久保留给已经熟悉的人。
遇到问题时怎样处理
- 读者只能复述术语
- 回到现实问题、例子和选择代价，重新建立意思。
- 简化后边界消失
- 恢复影响判断的条件，并把技术细节放到第二层。
- 解释很长但没有结论
- 先写清一句判断和为什么，再裁掉无关铺垫。
- 资料未核验或与既有单元矛盾
- 暂停交付最终版，回到来源、旧单元、反例和自审链补齐后再提交。
参考与依据
Bisra et al. · Self-explanation meta-analysis自我解释平均效应与适用条件
EEF · Cognitive science approaches认知科学课堂落地证据与限制
IES · Organizing Instruction and Study例题、练习和认知负荷相关实践指南
怎样检查这一步没有跑偏
- 让不熟悉主题的读者先复述现实问题、理由和结果，再检查术语。
- 用反例确认简化没有改变范围、强度或停止条件。
- 区分AI解释得清楚和人真正完成自我解释，两者不能互证。
和其他步骤怎样衔接
消费来源模块提供的可信事实；交流模块用真实追问检查讲法是否仍缺前提或边界。