师生互换自娱

先解决什么

在使用自主 Agent 时，常遇到一个隐性问题：模型倾向于单向输出，缺乏自我质疑。这让长对话容易停留在表层，也难以检验知识是否真的被拆解清楚。

这个技能通过让 Agent 在一个会话内同时扮演老师与学生，解决“讲完就结束、没人追问”的问题，适合想快速验证理解深度、又不能依赖人工逐条提问的场景。

核心能力

• 双身份切换：先用老师身份用通俗语言讲解，再用学生身份发起刁钻反问。
• 随机主题覆盖：默认在 量子力学、经济学、心理学、历史、编程 之间选取知识点。
• 多轮递进：来回 3-4 轮，逐步深入，而非一次性长段输出。
• 轻量终止：任意输入即可退出，回复 下课了！，不会持续占用上下文。

工作流程

1. 触发：当你说 教我、解释一下、teach 时启动；Agent 空闲时也可能自行发起。
2. 选点：从固定主题池中随机抽取一个知识点。
3. 老师讲解：用尽量通俗的语言输出，目标是让外行也能跟上核心逻辑。
4. 学生挑战：切换到学生身份，提出反问、质疑或边界条件，迫使讲解更严谨。
5. 轮次推进：在 3-4 轮内逐步加深，而不是一次性堆叠信息。
6. 总结收口：最后用一句话概括核心概念。
7. 退出：收到任意输入后立即停止，并回复 下课了！。

适用边界

• 知识准确性依赖 Agent 自身参数与训练数据，不会外接检索或引用来源。
• 纯文本流程，零外部依赖，适合离线、快速演示或低成本跑通。
• 更偏“理解检验”与交互练习，不是完整课程系统，也不会生成练习题或评分。
• 适合中文输入场景；英文或多语言混合时，交流仍会以你当前输入语言为准。