基于 Bloom 分类学、2 Sigma 一对一辅导和掌握学习法的 Socratic AI 导师
Bloom Socratic Learning Mentor 是一个专业的 AI 学习导师技能，专为以下场景设计：
- 深度学习需求：希望真正理解概念而非死记硬背
- 个性化学习：需要根据个人水平和目标定制学习路径
- 复杂概念理解：面对抽象或新兴技术概念需要全面分析
- 长期学习规划：希望建立系统的学习体系和进度跟踪
- 元认知发展：希望培养自主学习能力和学习策略
- Socratic 引导对话：通过提问而非直接灌输，帮助构建自己的理解
- 掌握学习机制：确保真正理解后再进入下一阶段
- 自适应学习路径：根据反馈自动调整内容深度和方向
- 八维概念分析：从多个维度全面理解复杂概念
- 进度跟踪系统：完整记录学习轨迹，生成可视化仪表板
- 对话式学习：通过问答形式进行，自然流畅
- 循序渐进：从基础到高级，确保每个阶段都真正掌握
- 个性化反馈：基于您的回答提供针对性指导
- 深度分析：对复杂概念进行多角度剖析
- 成果可视化：通过学习仪表板查看进度和成就
Bloom 分类学是由教育心理学家 Benjamin Bloom 提出的认知能力分类框架，将学习目标分为六个层级，从低到高逐步递进：
-
记忆 (Remember)
- 识别和记忆基本事实、概念和术语
- 关键词：定义、列表、识别、回忆
-
理解 (Understand)
- 解释概念，用自己的话表达
- 关键词：解释、描述、总结、对比
-
应用 (Apply)
- 将知识应用到新的情境中
- 关键词：应用、执行、解决、演示
-
分析 (Analyze)
- 分解概念，识别关系和结构
- 关键词：分析、分解、比较、分类
-
评估 (Evaluate)
- 基于标准进行判断和评价
- 关键词：评估、判断、批评、验证
-
创造 (Create)
- 综合知识，创造新的概念或产品
- 关键词：创造、设计、发明、组合
- 结构化：清晰的学习路径，从基础到高级
- 循序渐进：每个层级都有明确的学习目标
- 能力导向：关注认知能力的发展，而非只是知识积累
- 全面性：覆盖从记忆到创造的完整认知过程
- 可衡量：每个层级都有明确的评估标准
-
新增八维概念解剖模块
- 从历史、辩证、现象、语言、形式、存在、美感、元反思八个维度分析概念
- 提供更全面、更深入的概念理解
-
强化新兴技术学习支持
- 提供新兴技术学习准备指南
- 支持用户构建个性化知识库
- 自适应处理新概念和专业领域知识
-
完善学习流程
- 扩展为 6 步完整学习流程
- 增加概念分析和详细评估体系
- 优化用户体验和反馈机制
-
增强存储和跟踪系统
- 支持 org-mode 格式的概念分析报告
- 生成更详细的学习仪表板
- 提供长期学习轨迹分析
- 知识库扩展：新增概念分析和 org-mode 模板
- 执行流程优化：更清晰的步骤和检查点
- 边界条件处理：更全面的异常场景覆盖
- 用户界面改进：更友好的交互体验
- 唤醒技能：在对话中提及学习需求
- 开始学习：描述您的学习目标和当前水平
- 参与对话：回答 Socratic 引导问题，构建理解
- 提供反馈：分享您的理解和困惑
- 持续学习：系统会基于您的反馈调整学习路径
- 导入技能：将 bloom-mentor 技能添加到您的 Trae 环境
- 触发技能：通过关键词或直接请求激活技能
- 开始会话：描述您想学习的主题
- 互动学习：参与引导式对话，完成掌握验证
- 跟踪进度：查看系统生成的学习仪表板
- 准备知识库：收集相关资料，整理核心概念
- 初始化：描述学习目标和背景
- 概念分析：八维解剖构建全面理解
- Socratic 对话：深度探索核心问题
- 掌握验证：确认达到学习目标
- 进度保存：记录学习轨迹
bloom-mentor/
├── SKILL.md # 技能核心定义文件
├── README.md # 本使用指南
├── references/ # 知识库文件
│ ├── bloom-taxonomy.md # Bloom 分类学详细说明
│ ├── socratic-questions.md # Socratic 提问技术
│ ├── mastery-learning.md # 掌握学习原则
│ ├── metacognition.md # 元认知发展策略
│ ├── concept-analysis.md # 八维概念分析方法
│ ├── org-mode-template.md # org-mode 输出模板
│ ├── learning-templates.md # 学习模板和格式
│ └── question-bank.md # 各层级问题库
├── scripts/ # 执行脚本
│ ├── save_progress.py # 保存学习进度
│ └── load_history.py # 加载学习历史
└── docs/ # 文档目录
└── bloom-mentor-evolution.md # 技能进化总结
用户：我想从零开始学习 Python 编程
Bloom Mentor：
很高兴帮你学习 Python 编程！让我们从基础开始。
开始评估：
- 你之前有编程经验吗？
- 你学习 Python 的主要目标是什么？
- 你希望达到什么水平？
基于你的回答，我会为你设计个性化的学习路径。
用户：我没有编程经验，想学习 Python 来做数据分析，希望能达到中级水平。
Bloom Mentor：
明白了，我们从 Bloom 分类学的记忆层开始。
概念分析： 我们先对 Python 编程进行八维分析，帮助你建立全面理解。
记忆层问题：
- Python 中最基本的数据类型有哪些？
- 什么是变量？如何在 Python 中定义变量？
- Python 的基本操作符有哪些？
请用你自己的理解回答这些问题，不需要担心答错。
A: 系统会通过 2-3 个诊断问题评估您的 prior knowledge，自动确定起始层级。
A: 学习进度会存储在您指定的路径中，未指定则默认存储在当前工作目录。
A: 可以，每个主题会在独立的目录中存储学习记录。
A: 进入元认知反思阶段，提供综合创造任务和学习策略指导。
A: 系统会生成学习仪表板，展示您的学习轨迹和掌握情况。
- 主动参与：认真回答 Socratic 问题，构建自己的理解
- 诚实反馈：如实分享您的理解和困惑
- 循序渐进：确保达到掌握标准后再进入下一层级
- 定期回顾：利用学习历史，保持学习的连续性
- 应用实践：将学到的知识应用到实际问题中
获取更多 AI 学习资源、技能更新和独家内容
微信搜索「AI Agentic共创」，关注公众号，与我们一起探索 AI 学习的无限可能！
开始您的苏格拉底式学习之旅吧！ 🚀