已知未知

会议室里「我懂」到底算不算数

工程师在评审、结对或自学复盘时，常会遇到一种尴尬：口头确认「这块我懂」，一旦被追问定义、机制或反例，回答就变成术语套术语、机制说不清、边界用「看情况」带过。问题不在于有没有背过定义，而在于解释能力是否经得起三层拆解——而大多数人缺少一个结构化的自检方式，而不是再刷一遍文档。

技能如何工作

Known Unknowns 把「理解深度」当成可探测信号，而不是对错测验。典型流程是：

1. 用 generate_probes.py 针对主题生成 L1 定义 / L2 机制 / L3 边界 三层问题（标准模式会先给出全部题目，再等你逐层答完再评分）。
2. 每层回答交给 score_response.py 做表面信号检测（模糊、回避、术语堆砌、循环定义等），Agent 再补语义判断。
3. 汇总为盲区地图：卡在第几层、哪道题，并给出可操作的追问（例如「请用不含术语的话再解释一遍」），而不是直接塞标准答案。

除标准探测外，还支持快速扫描（对你已有的一段回答做信号分析）、深度挖掘（未通过时自动定制追问）、对比探测（两个主题各做三层并输出交叉盲区矩阵）。

适用边界与注意点

• 专考理解，不考记忆：能背出教科书定义不等于通过 L1；工具也不适合用来考「某年提出」一类事实题。
• 只暴露盲区，不填坑：结果会建议学习方向，但定位是 growth area，不是羞辱或代答。
• 诚实说「不确定」是绿信号：会被记为已知盲区，比硬撑术语更值钱。
• 不替代领域专家：适合自我诊断或双方知情下的理解检验，不能当作权威裁定。