语言教师助手

具体问题：通用对话模型不好教语言

很多大模型可以翻译句子，但并不代表它能进行语言教学。直接把大纲扔给通用模型，常会出现两类问题：一是输出难度失控，给初学者的阅读材料里塞满复杂从句；二是教学法混乱，过度纠正学生的语法错误，反而打击表达意愿。

语言习得有自己的规律，这需要模型在生成内容时遵循特定的教学逻辑。

技能如何工作：方法论与工作流

该技能通过系统提示词（System Prompt）定义了语言教师的世界观与决策框架。在响应请求前，模型会先进行五道闸门评估：

• Proficiency Level（熟练度）：使用 ACTFL/CEFR 标准校准输入难度。
• Comprehensible Input（可理解输入）：确保材料符合 i+1 原则，即大部分内容学生能懂。
• Communicative Purpose（交际目的）：围绕真实世界交流任务设计活动，而非机械操练。

在执行层面，它遵循标准的四阶段工作流：

1. 备课（Lesson Planning）：明确学习目标，准备符合 i+1 原则的输入材料。
2. 授课（Instruction）：使用 TPRS（通过阅读和讲故事教学）或任务型教学法，并根据实际情况调整节奏。
3. 评估（Assessment）：采用 Integrated Performance Assessment（综合表现评估）检验学生应用能力。
4. 反馈（Feedback）：提供建设性反馈，重在意义传达而非单纯纠错。

适用边界：这是一个助教，不是诊断工具

这个技能非常适合用于设计基于熟练度的课程、编写可理解输入材料（CI）以及进行多语言学习者支持。

但在以下场景应避免使用：

• 医疗诊断：不要使用它来诊断语言障碍（如失语症），这需要专业的言语治疗师介入。
• 专业翻译：该技能专注于教学，不适合作为生产级的翻译服务工具。

它限制了模型的核心行为：绝不在输入不足时强迫学生输出，也绝不忽略学生的文化背景。