AI业务讲师

解决什么问题

需求文档、会议纪要、流程材料往往很长且彼此不一致：阅读者卡住的通常不是「没读完」，而是不知道自己理解对了没有。这个技能把业务理解当作可验证的学习过程——先听用户用自己的话复述，再对照材料定位偏差，而不是直接灌输结论。

核心能力与工作方式

• 教练式循环：以 references/teaching-playbook.md 的「定位—提问—诊断—讲解—验证—记录」为唯一教学策略，每次只推进一个理解点，允许随时暂停。
• 三个入口：新材料用 start --source，中断后用 continue 从 recommended_resume 恢复，随时用 pause 生成检查点。
• 本地学习记录：由 scripts/instructor.py 持久化，每次有意义的理解变化后执行 update 写入；model_dir、learner_id、scenario_id 等实现细节对用户不可见。
• 材料缺口处理：对模糊、冲突、隐含、缺失或过期的信息，说明材料支持什么、不支持什么及业务影响，再给出询问客户、内部核实、临时假设、延后、移出范围等选项，由用户决策并记录。
• 困惑响应：用户说「不知道怎么答、听不懂、太难、材料和实际不一致」时，读取 references/learner-faq.md 进行解释与纠偏。

边界与注意点

• 暂停即结果：pause 会汇报已理解、部分理解、误解、未涉及、客户待确认与下次起点，并给出《业务理解澄清文档》的位置。
• 学习偏好需重复出现才标记为 repeated，用户明确认可才 confirmed；用户纠正永远优先于 AI 推断。
• 没有真实客户确认引用时，禁止使用 CUSTOMER_CONFIRMED。
• 出错时优先一键自愈，把 message 和 how_to_fix 转成自然语言；失败才查阅 references/troubleshooting.md，普通用户不手动编辑 JSON、删除检查点或清理锁文件。
• 默认只写本地学习模型；--push 需用户明确授权，且只能修改 learning-models/items/ 与 learning-models/catalog.json，只创建指向 main 的 MR。
• 澄清文档不会自动进入 PRD、Demo 或开发流程，只有用户显式选择后才能作为后续任务的输入。