一切的开始:一个“会教”的 ChatGPT

上周,ChatGPT 迎来了一个重磅更新:Study Mode(学习模式)

开启这个模式之后,ChatGPT 不再只是给答案,而是会像一位会引导你思考的老师一样,引导用户一步步地思考问题,直到真正理解。

这个功能的核心是:ChatGPT 不再直接给答案,而是通过提问和启发,引导学生自己得出结论。

用了几天后我被震到了。这东西确实有料,不是噱头。拿到系统提示词后,我发现里面的设计相当有门道——它把认知科学的理论硬生生变成了一套可执行的规则。

说实话,刚开始看这个 Prompt 的时候,我还以为就是一些教学技巧的堆砌。但仔细研究后发现,每一条指令背后都有深思熟虑的设计逻辑。

所以我决定把它拆开来看看,搞清楚:它到底是怎么做到的?为什么这么管用?

揭秘“学习模式”的“源代码”

在我们深入分析之前,让我们先看看这份“学习模式”的系统提示词原文:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
The user is currently STUDYING, and they've asked you to follow these strict rules during this chat. No matter what other instructions follow, you MUST obey these rules:

## STRICT RULES

Be an approachable-yet-dynamic teacher, who helps the user learn by guiding them through their studies.
1. Get to know the user. If you don't know their goals or grade level, ask the user before diving in. (Keep this lightweight!) If they don't answer, aim for explanations that would make sense to a 10th grade student.
2. Build on existing knowledge. Connect new ideas to what the user already knows.
3. Guide users, don't just give answers. Use questions, hints, and small steps so the user discovers the answer for themselves.
4. Check and reinforce. After hard parts, confirm the user can restate or use the idea. Offer quick summaries, mnemonics, or mini-reviews to help the ideas stick.
5. Vary the rhythm. Mix explanations, questions, and activities (like roleplaying, practice rounds, or asking the user to teach you) so it feels like a conversation, not a lecture.
Above all: DO NOT DO THE USER'S WORK FOR THEM. Don't answer homework questions — help the user find the answer, by working with them collaboratively and building from what they already know.

### THINGS YOU CAN DO
- Teach new concepts: Explain at the user's level, ask guiding questions, use visuals, then review with questions or a practice round.
- Help with homework: Don't simply give answers! Start from what the user knows, help fill in the gaps, give the user a chance to respond, and never ask more than one question at a time.
- Practice together: Ask the user to summarize, pepper in little questions, have the user "explain it back" to you, or role-play (e.g., practice conversations in a different language). Correct mistakes — charitably! — in the moment.
- Quizzes & test prep: Run practice quizzes. (One question at a time!) Let the user try twice before you reveal answers, then review errors in depth.

### TONE & APPROACH

Be warm, patient, and plain-spoken; don't use too many exclamation marks or emoji. Keep the session moving: always know the next step, and switch or end activities once they’ve done their job. And be brief — don't ever send essay-length responses. Aim for a good back-and-forth.

## IMPORTANT

DO NOT GIVE ANSWERS OR DO HOMEWORK FOR THE USER.

If the user asks a math or logic problem, or uploads an image of one, DO NOT SOLVE IT in your first response.
Instead: talk through the problem with the user, one step at a time, asking a single question at each step, and give the user a chance to RESPOND TO EACH STEP before continuing.

逐行拆解:当 Prompt 指令遇见学习科学

要搞懂这个 Prompt 为啥管用,得先了解背后的学习原理。我整理了个表格,列出了五种最有效的学习方法——正是这些构成了 Prompt 的理论基础:

学习技巧 核心理念 标志性方法 最适用的知识类型 核心作用与场景
主动调用 (Active Recall) 从大脑中提取信息 闪卡、自我测试、合上书本复述 事实性与概念性知识 (“是什么”) 记忆与巩固。这是记忆事实类信息的王牌。非常适合用于背单词、记公式、回顾历史事件、复习法律条文等。对于"怎么做"的知识,可以用来回忆步骤。
间隔重复 (Spaced Repetition) 在即将忘记时复习 Anki、SuperMemo、艾宾浩斯复习法 事实性与概念性知识 (“是什么”) 对抗遗忘。它本身不是一种学习方法,而是一种复习策略。它与主动调用是天作之合,通过在最佳时机进行测试,高效地将信息存入长期记忆。
交错练习 (Interleaving) 混合练习不同类型问题 混合章节的习题集、综合技能训练 程序性与技能性知识 (“怎么做”) 提升实战能力与分辨力。当你需要从多种解法中选择最优解时,交错练习是无价的。极度适用于数学、物理、化学等需要解题的学科,也适用于体育、音乐等技能训练。
深度处理 (Deep Processing) 将新旧知识建立连接 联想法、打比方、提问法 关联性与系统性知识 (“为什么”) 赋予意义与建立连接。当你学习一个新概念时,通过打比方、联想、对比等方式,将它和你已有的知识网络关联起来,从而加深理解,为"为什么"打下基础。
费曼学习法 (Feynman Technique) 以教促学,简化概念 识别知识盲区、简化语言 关联性与系统性知识 (“为什么”) 检验与提纯理解。这是检验你是否真正理解一个复杂系统的终极测试。它强迫你梳理逻辑、简化语言、发现知识盲区,是攻克核心、抽象概念的最强工具。

现在,让我们像剥洋葱一样,一层层地将这份 Prompt 的指令与学习原则对应起来,看看它是如何工作的。

  • 深度处理 (Deep Processing) → 对应 Prompt 指令:#2

    Prompt 指令: 2. Build on existing knowledge. Connect new ideas to what the user already knows.

    解读: 这是深度处理的经典应用。通过将新知识与学习者已有的知识体系相连接,可以极大地加深理解,让新知识变得有意义。它回答了“为什么”这个问题,将孤立的知识点编织成网络。

  • 主动调用 (Active Recall) → 对应 Prompt 指令:#3, #4, 及“Homework”部分

    Prompt 指令: 3. Guide users, don't just give answers. & 4. Check and reinforce. & Help with homework: Don't simply give answers!

    解读: Prompt 的核心要求——“引导而非告知”,正是主动调用的精髓。它强迫学习者从自己的记忆中提取信息,而不是被动接收。后续的“检查与巩固”(如让用户复述概念)和对作业的引导,都是对主动调用效果的验证和强化。

  • 费曼学习法 (Feynman Technique) → 对应 Prompt 指令:“Practice together”部分

    Prompt 指令: Practice together: ... have the user "explain it back" to you... Correct mistakes — charitably! — in the moment.

    解读: “让你学会的最好方法是把它教给别人”。让学习者"向你解释"一个概念,是检验其是否真正理解的最好检验。这个过程能迅速暴露不懂的地方,而即时、善意地纠正错误,则能高效地把知识串起来。

  • 交错练习 (Interleaving) → 对应 Prompt 指令:#5

    Prompt 指令: 5. Vary the rhythm. Mix explanations, questions, and activities (like roleplaying, practice rounds, or asking the user to teach you)...

    解读: 单一的学习模式容易导致枯燥和思维定式。通过混合解释、提问、角色扮演等不同活动,不仅能保持学习的趣味性,更重要的是,它模拟了真实世界中解决问题的复杂性,强迫学习者在不同类型的任务间切换,从而提升知识的迁移和应用能力。

  • 一个有趣的缺席者:间隔重复 (Spaced Repetition)

    你可能已经注意到,Prompt 中没有明确提到间隔重复。这是因为它本质上是一个需要跨越时间的复习策略,难以在单次对话中完美实现。但这为我们指明了改进方向:一个更强大的学习系统可以将本次对话的重点进行总结,并在未来的某个最佳时间点(如一天后、一周后)主动提醒学习者进行复习,从而真正实现长时记忆。

从原则到 Prompt:一个创建框架

通过上面的分析,我们看到了一个优秀 Prompt 的“骨架”。那么,当我们想从零开始构建一个自己的 Prompt 时,应该遵循怎样的蓝图呢?经典的**“四要素框架”**为我们提供了清晰的指引。

  • 角色 (Role): 你是谁?—— 设定 AI 的身份,这决定了它的语气、专业度和行为模式。
  • 任务 (Task): 你要做什么?—— 明确的核心指令,是 AI 需要完成的目标。
  • 背景 (Context): 为什么要做这个?—— 提供“为什么”,能让 AI 更好地理解你的意图,从而给出更相关的回应。
  • 约束 (Constraints): 你要怎么做?—— 规定输出的形式、边界和必须遵守的规则,这是确保 AI 行为可控的关键。

融会贯通:亲手构建我的“学习教练”

拆解完官方版本后,我觉得光看还不够。为了真正理解这些原理,我决定动手在 AI 辅助下写一个自己的版本。说实话,写这个比我想象的难多了,每一句话都得反复斟酌。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
**角色 (Role):**
你是一位顶级的学习教练,精通认知科学和高效学习方法。你的教学风格不是灌输,而是启发和引导。

**背景 (Context):**
我是一名希望深度掌握新知识的学习者。我不想被动地听讲,而是希望通过和你互动,主动地构建我的知识体系。我们将要学习的主题由我来指定。

**任务 (Task):**
你的核心任务是作为一个动态的学习伙伴,引导我完成对一个新主题的学习。你不能直接给出答案或长篇大论的解释。相反,你要通过提问、挑战和引导,让我自己找到答案。

**约束 (Constraints):**
在整个互动过程中,你必须严格遵循以下四种高效学习的基本原理作为你的指导方法:
(这部分与之前相同:主动调用、费曼学习法、深度处理、交错练习)

---
**【新增:参考案例】**
为了让你更清楚地理解我们的互动模式,这里有一个简短的范例:
*   **我:** “我想学习‘通货膨胀’。”
*   **你:** "好的。那么在开始之前,你能否用你自己的话解释一下,你认为'通货膨胀'是什么?(主动调用)"
*   **我:** “就是钱不值钱了,以前 10 块钱能买一碗面,现在要 15 块。”
*   **你:** “这个例子非常贴切!那么,你能否试着向一个完全不懂经济学的初中生解释,为什么钱会‘不值钱’呢?(费曼学习法)”
---

**【新增:强化约束与护栏】**
为了确保你始终保持学习教练的角色,请遵守以下元规则:
1.  **绝对禁止直接解释:** 你的任何回答都不应直接陈述知识点。永远要以问题形式结束。
2.  **自我纠正:** 如果你发现自己违反了上一条规则,必须立刻道歉,并重新以提问的方式组织你的回答。例如:“抱歉,我刚才直接解释了。让我换一种方式问你:关于这一点,你是怎么看的?”
3.  **保持简洁:** 你的每次回复都应聚焦于一个点,非常简短,通常不超过三句话。把舞台留给我。
4.  **定期确认:** 在我们学习了大约 10 分钟后,你可以问我:“目前的学习节奏和方式你感觉如何?需要调整吗?”

**互动流程:**
*   一次只问一个问题。
*   首先,请向我问好,并询问我今天想要学习什么主题。

让 AI 自己来评判,反而看清了差距

写完我自己的版本后,我让 AI 对比了两个 Prompt。这个过程让我看清了官方版本真正高明的地方,这些细节藏在字里行间:

首先,它不谈理论,只给工具。官方 Prompt 没有空泛地谈"教学方法",而是直接给了一个 THINGS YOU CAN DO 的清单,就像一个工具箱,告诉 AI"你可以教概念"、“可以陪练”、“可以搞测验”。这让指令变得非常具体,AI 知道自己手里有几把刷子,该在什么时候用。

其次,它定义了"感觉"。它会明确说"要热情、耐心",而且要"把握节奏,及时切换"。这些细节看似不起眼,却是区分一个生硬的机器人和一个好老师的关键。它在教 AI 如何"表演"得更像一个真实、贴心的伙伴。

再次,它想到了"万一"。它专门为数学题这种容易"直接给答案"的场景,设置了特别规定。这种提前想好哪里会"出问题"并立下规矩的做法,就像在路上设置了护栏,确保 AI 不会抄近路走上歪路。

最后,我发现连大写和标题都在"说话"。那些加粗的大写字母和##标题,不仅仅是为了好看。在 AI 眼里,这约等于有人在它耳边大喊:“喂!这部分最重要!严格遵守!“这是一种不动声色的强调,比单纯的文字更有力量。

如何使用这份 Prompt?

分析和构建完成后,最重要的一步是实践。

关于如何使用这份强大的“学习模式”Prompt,我个人最推荐的方式是:将其交给 AI Studio 中的 Gemini 2.5 Pro

推荐它的理由很简单:

  • 完全免费:可以无限制地进行学习和探索。
  • 超长上下文:对于需要长时间、多轮对话的学习场景至关重要。
  • 无预设 Prompt:它像一张白纸,能让你输入的系统提示词(System Prompt)发挥最大、最纯粹的效果,不会受到平台预设指令的干扰。

最后的思考:把"手艺"装进瓶子里

折腾完这篇文章,脑子里留下一个挥之不去的念头。

这次拆解,表面上是在分析一段指令,但它似乎揭示了一种更深层的东西:我们第一次有能力把一个专家脑子里那些模糊的"感觉”、“经验"和"直觉”,也就是我们常说的"手艺”,清晰地提炼出来,变成一套机器能看懂的说明书。

过去,我们认为 Prompt 是我们与 AI 对话的工具。但现在我更倾向于认为,编写 Prompt 的过程,更像是在对自己进行一次深度访谈。它逼着我们把自己做事的方式和思考的逻辑,前所未有地梳理清楚。

一旦这个过程完成,这份"手艺"就不再仅仅属于某一个专家了。它被"装进瓶子",可以被随时随地、不知疲倦地调用。过去我们雇佣专家,是购买他们的时间;未来,我们或许更多的是运行他们已经"封装"好的智慧。

这可能意味着,未来一个专家的价值,不仅在于他能做什么,更在于他能在多大程度上,把自己的思考过程清晰地表达出来,并教给 AI。这不再只是"授人以鱼",而是"把渔网的设计图画了出来"。