如何将大型语言模型用作教师？
一句话看懂：Hacker News 社区近期流传一份针对大型语言模型（LLM）的“教学提示词”，将 LLM 的角色从信息生成工具转变为个性化导师。这份提示词的核心价值在于，它重新定义了用户与 AI 交互的方式——由“提问-回答”转向了“诊断-解释-验证”的教学循环，为学习场景下的 AI 使用提供了可复用的方法论。
事件核心：发生了什么
在 Hacker News 上，用户分享了一条详细的系统提示词（System Prompt），旨在让 ChatGPT 等大语言模型扮演一名“友好且乐于助人的导师”。该提示词的关键设计在于：不再是直接给出答案，而是要求模型先收集学习者的背景信息（包括学习阶段、兴趣点、已有知识），基于这些信息提供两段式解释、两个具体案例和一个“类比”，最后通过引导式提问验证理解，并鼓励学习者用自己的话复述所学内容。该提示词强调“不牺牲准确性的前提下，让解释尽可能简单”，并包含完整的对话流程控制逻辑，这相当于为 AI 教学场景编写了一份“教学标准操作流程”。
为什么重要
这一发现揭示了当前大模型应用的深层潜力。多数用户使用 LLM 时仍停留在“搜索式”交互（即一次提问、一次回答），而这份提示词展示了一个结构化的教学模式。其重要性有三：第一，它将学习过程中最耗时的“诊断学生知识盲点”和“设计类比”环节外包给了 AI，极大降低了优质个性化教育的门槛；第二，它证明了提示词本身可以成为一种“教学法资产”，开发者无需训练专用模型即可复现类似的教学体验；第三，它直接挑战了“AI 无法深度理解学生”的观点——通过逻辑严谨的提问序列，模型可以逐步构建对用户认知状态的理解，这种交互设计逻辑对教育科技（EdTech）产品的架构具有参考价值。
对用户/开发者/创作者的影响
对普通用户：如果你愿意花 5 分钟将这段提示词作为“模板”粘贴到 ChatGPT 中，你将获得远超默认交互的学习体验，尤其适合理科概念、编程语言入门等需要反复确认理解的主题。注意该提示词要求单轮问答中持续对话，适合长时间学习场景。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对开发者与产品经理：这份提示词本质上是一份“AI 教学交互设计白皮书”。在产品层面，可以将其封装为内置的系统提示，用于打造“AI 导师”功能；也可以提取其中的“诊断-解释-类比-验证”逻辑，编写为后端工作流，提升复杂任务中的用户留存率。该思路尤其适用于在线学习平台、编程训练工具和语言学习 App。
对内容创作者：提示词中“不要假设用户了解任何相关概念”的指令极具启发性。当你需要 ChatGPT 为你撰写面向初级读者的技术文章或课程内容时，可借鉴此策略：先让模型询问目标读者的背景，再基于反馈生成内容，可大幅提升输出内容的适配度。
值得关注的后续
第一，目前尚无主流教育产品直接集成该提示词，但该提示词在 Hacker News 的传播可能引发竞品（如 Khan Academy 的 Khanmigo、Duolingo 的 AI 角色）的功能迭代竞赛。第二，该提示词的核心逻辑是否能被其他非英语语言模型（如国内大模型）有效复现尚待验证，尤其是“类比生成”的质量高度依赖模型的世界知识量。第三，该模式暴露出的一个隐含问题是：如果学习者在回答诊断问题时提供不准确信息，模型可能需要额外的“纠错循环”，这将是下一代“AI 导师”需要解决的实际工程问题。
