子曰大模型怎么用？教育场景的 AI 能力

子曰大模型是网易有道面向教育场景做的 AI 大模型。把它拆开看很简单：进来的是学生的提问和卡点，中间是按教学顺序做的拆解，出去的是分步讲解、追问和练习题。它的长处不在知识面有多宽，而在讲解的组织方式——先给什么、后给什么、在哪一步停下来问你。

它和通用大模型的差别在取向上

通用大模型的目标是「把话说圆」，教育场景的模型目标是「把话说对、还跟得上」。同一个知识点，前者容易输出一段完整的百科式说明，后者更倾向于分步、举例、给一道题验证。这种差别来自训练和评测时的偏好，不来自参数多少。

但场景聚焦不等于不会出错。学科内容的错误对学习者的伤害比一般内容大，因为学生没有判断对错的能力。把这一点记住，后面所有用法才有意义：它负责铺路，你负责验收。

三类场景，三种提问方式

三种场景的差别集中在「你已经知道什么」这一项。把自己的水平说清楚，它才不会从零讲起，也不会一步跳到你还接不住的地方。

讲题的关键是让它给台阶

直接要答案是最省事也最没用的用法。有效的做法是把一条约束写死在提示词里：「不要直接给答案，每次只问一个问题，等我回答后再继续」。这一句会把它的输出从讲解改成对话，你得自己往前挪一步。

台阶要给在卡点上。把「我卡在第二步，不知道怎么把已知条件转成方程」说清楚，比「这道题不会」有用得多。卡点描述得越具体，它给的提示越接近你真正缺的那一环。需要多步推导的题，还可以参考任务类型与深度思考的开启时机，判断什么时候该让它慢下来算。

知识性错误怎么校验

公式、年份、定义、人名、单位这五类内容必须交叉核对，因为错了不容易被察觉。核对方式有两种：换一个来源再问一遍，或者反过来让它给自己的结论找依据——「你刚才那个结论依据是教材哪一节」，给不出依据的就当它推的。

还有一种便宜的检验：让它把同一个知识点先讲给「完全没学过的人」，再讲给「已经学过的人」。两次讲解如果互相矛盾，说明至少有一次是临时编的。反复讲同一个点讲不通时，翻回历史记录看前面几轮怎么问的，往往能发现是自己的问法一直在原地打转。

它接不了的三类活

头一类是判断你的真实水平。它会顺着你的自我描述走，你说自己基础差，它就把内容降到你其实不需要的难度。第二类是代替你做题，尤其需要写过程、需要计算量的题，看它写一遍和自己写一遍是两件事。第三类是押题和预测考试方向，这类判断没有可靠依据，说得再具体也只是猜测。

还有个隐性边界：它不知道你的教材版本和老师的讲课顺序。同一个知识点在不同教材里的引入方式不同，这一点只能你自己对齐。教材和讲义如果放在共享知识库里让它先读，能减少一层错位，但仍然替代不了你对进度的掌握。

辅导前先定三件事

• 说清水平：学过什么、卡在第几步
• 写死约束：不给答案，一次只问一个问题
• 留好验收：隔天重做一道同类题，做得出才算过

三个补充问题

同一个知识点反复讲不明白怎么办？换切入方式而不是换问法。让它分别用生活场景、图形描述、反例三种方式讲同一个概念，三种里通常有一种能通。继续用原来的问法追问，只会得到措辞不同的同一段话。

能不能让它出成套的练习？可以，但要限定「同一知识点、三种难度、每种三道」，并要求标注每题的考查点。不限定的话，它容易出成十道难度相近的题，看着量足，实际只练了一个层次。

孩子自己用，家长该管到什么程度？管两件事：看它有没有直接给答案，隔天让孩子重做一遍。过程比结果重要，重做能独立完成才算学会，这个判断不需要懂学科内容也能做。