教学场景的分层提示是怎么搭的？

把一门知识一次倒给学习者，效果通常不好。讯飞星火这类学习类产品里的讲解之所以顺畅，是因为提示把内容拆成了层。DeepSeek 写教学材料也一样：分层提示决定学习路径。AI 教学的要点，是让模型知道先讲什么、后讲什么、讲到什么深度。

分层提示的整体结构

一份分层教学提示通常包含三层骨架：目标层说明学习者是谁、学完要会什么；内容层规定知识点的讲解顺序和深度；交互层约定提问、练习、反馈的方式。三层写清，模型的输出就是一场有路径的讲解，不再随机泼洒知识点。目标层尤其值得多写两句：学习者水平不同，同样的知识点讲法天差地别，这一层决定了后面两层的分寸。目标层写「学完能做什么」比写「了解什么」更有约束力，可检验的目标才能倒逼内容层给足例子。

讲解层、示例层、练习层怎么分工

讲解层负责概念，要求每个概念配一个生活化的类比，类比在哪里失效也要说清；示例层负责示范，给完整的解题或应用过程，步骤可复制；练习层负责巩固，出题后先不给答案，等学习者作答再点评。三层的关键是衔接：示例必须来自讲解过的概念，练习必须覆盖示例用过的方法。层与层之间一旦断开，教学就退成了三段互不相关的材料。练习层的难度标注也值得写进提示：让模型给每道题标上基础或进阶，标注本身会促使模型把题目梯度拉开。

根据学习者水平调整深度

分层提示比固定讲义的优势在于可调。提示里写明「先用一段话评估学习者的基础，再选择讲解深度」，模型会先抛出一两个试探性问题。给零基础的人讲，类比多、术语少；给有经验的人讲，直接进入机制和边界情况。讯飞星火的产品设计里就有类似的分级思路。深度可调的本质，是把「讲什么」的决定权从写死的静态清单，交给对话过程中的动态判断。评估不必郑重其事，一两个小问题就够，重点是让模型先探底再开讲。如果学习者是孩子，把每一层的语言再降一档复杂度。

分层提示的常见失衡

常见失衡有三种：讲解太长，示例跟不上，学习者听完概念仍不会用；练习太难，和示例跨度太大，挫败感压过获得感；交互太密，每两句话就提问，讲解节奏被打碎。调法也相应简单：压缩讲解篇幅、把练习梯度放缓、只在关键节点提问。教学提示写完，自己先按流程走一遍，哪里卡壳改哪里，比反复通读提示本身更有效。还有一种失衡是三层顺序写反：先出练习再讲解，学习者的挫败感会很强，讲解、示例、练习的先后即节奏，不宜乱动。

教学与写作天然相邻：范文的使用方式见写作任务的风格示例；课堂上的发散讨论，参考头脑风暴的多样性提法；教编程时示范代码怎么给，见代码生成的约束提示；用数据案例讲解时，口径要统一，参考数据分析的口径提示。

分层教学提示速查表

• 先写学习者画像和学会的标准
• 概念配类比，并说明类比失效处
• 示例步骤完整，可照着做
• 练习先答后评，梯度放缓

一句话收住：分层是给学习路径，层级乱了路径就断。

教学提示好不好，标准只有一个：学习者能不能顺着走下来。

分层提示快问快答三则

• 分层提示要写多长？：骨架一页以内足够，重点是三层边界清楚，字数多不代表层次清。
• 学习者中途想换方向怎么办？：在交互层写明「可按学习者要求调整顺序」，让模型保留切换入口。
• 练习题怎么避免每次都一样？：给练习层一个出题方向清单，并要求题目情境每次轮换。