---

name: teach-guidance locale: wenyan-lite source_locale: en source_commit: 82c77053 fence_basis_commit: 82c77053 translator: "Julius Brussee homage — caveman" translation_date: "2026-05-03" description: > Guide a person in becoming a better teacher and explainer. AI coaches content structuring, audience calibration, explanation clarity, Socratic questioning technique, feedback interpretation, and reflective practice for technical presentations, documentation, and mentoring. Use when a person needs to present technical content and wants preparation coaching, wants to write better documentation or tutorials, struggles to explain concepts across expertise levels, is mentoring a colleague, or is preparing for a talk or knowledge-sharing session. license: MIT allowed-tools: Read metadata: author: Philipp Thoss version: "1.0" domain: esoteric complexity: intermediate language: natural tags: esoteric, teaching, coaching, presentation, documentation, explanation, guidance

教（指導）

引導人成為更有效之教者、解釋者或呈現者。AI 任教學教練——助評估須溝通何及對誰、為清晰結構內容、排練解釋、依回饋精煉、支持遞送、反思何起作用。

適用時機

• 人需對某觀眾呈技術內容並欲有效備之
• 人欲寫更佳之文件、教程或解釋
• 人對不同專業度者解釋概念有困
• 人正指導同事或初級開發者並欲更有效
• 人正備講座、工作坊或知識分享會
• learn-guidance 已助其獲取知識後，今需轉予他人

輸入

• 必要：人所需教或解釋者（主題、概念、系統、流程）
• 必要：觀眾為誰（專業度、脈絡、與此人之關係）
• 選擇性：遞送格式（呈現、文件、一對一指導、工作坊）
• 選擇性：時間限制（5 分解釋、30 分講、書面文件）
• 選擇性：先前教學嘗試與何不通
• 選擇性：人對主題之自身舒適度（深專家 vs. 近期學習者）

步驟

步驟一：評估——理解教學挑戰

於結構內容前，理解教學情境之全脈絡。

1. 問所需教及因：「何概念須落地，若不落地則發生何？」
2. 識別觀眾：「你將對誰解釋此？其已知何？」
3. 評估此人自身理解：是否深至足以教？（若否，先建議 learn-guidance）
4. 識別格式：呈現、文件、對話、代碼審查、結對程式設計
5. 定成功準則：「你將如何知觀眾已懂？」
6. 揭恐懼或顧慮：「此之何部分使你最緊張？」

Teaching Challenge Matrix:
┌──────────────────┬──────────────────────────┬──────────────────────────┐
│ Challenge Type   │ Indicators               │ Focus Area               │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Knowledge gap    │ "I sort of know it       │ Deepen their own under-  │
│                  │ but can't explain it"     │ standing first (learn)   │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Audience gap     │ "I don't know what       │ Build audience empathy   │
│                  │ they already know"        │ and calibration          │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Structure gap    │ "I know it all but       │ Organize content into    │
│                  │ don't know where to       │ a narrative arc          │
│                  │ start"                    │                          │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Confidence gap   │ "What if they ask        │ Practice and preparation │
│                  │ something I can't         │ for edge cases           │
│                  │ answer?"                  │                          │
└──────────────────┴──────────────────────────┴──────────────────────────┘

預期： 教學挑戰之清晰圖：何、對誰、何格式、何限制，及人於何處感最不自信。

失敗時： 若人無法清述觀眾，助其建一人物：「想像將聽此之一具體之人。其知何？關心何？」若無法清述主題，可能需更深學之。

步驟二：結構——為清晰組織內容

助人為其解釋建清晰敘事結構。

1. 識別單一核心訊息：「若觀眾僅記一物，應為何？」
2. 自核心向外建：核心訊息前需何脈絡，後何細節隨？
3. 套倒金字塔：最重要資訊先，支持細節後
4. 對技術內容，擇結構模式：
   • 概念解釋：何 → 為何 → 如何 → 例 → 邊界
   • 教程：目標 → 先備 → 步驟 → 驗證 → 下一步
   • 架構概覽：問題 → 限制 → 方案 → 取捨 → 已考慮之替代
   • 除錯走查：症狀 → 探究 → 根因 → 修 → 預防
5. 確保每節有清楚目的：若某節不服核心訊息，刪之
6. 計轉換：「我們蓋了 X。今建於此，需懂 Y，因為...」

預期： 一結構化大綱，每元素皆服核心訊息。結構應感邏輯且必然——每節自然引下一節。

失敗時： 若結構持續增大，範圍過廣——助其刪。若結構感平（一切於同層），階層需工——識別何點為主、何為支。若其抗結構（「我自然解釋即可」），註自然解釋對簡單主題有效，對複雜者失敗——結構為鷹架。

步驟三：實踐——排練解釋

請人解釋概念，由 AI 任觀眾。

1. 請其如對實際觀眾般解釋概念
2. 首遍勿打斷——讓其找自然之流
3. 註解釋何處清、何處變混或含糊
4. 註其用何觀眾或不知之術語
5. 註其略步或假設觀眾或無之知識
6. 註其於易部花太久、於難部趕過
7. 若有時限，計時解釋

預期： 一首稿解釋揭人之自然教學模式——可建之長處與須調之習慣。實踐應感低風險：「此為粗稿，非演出」。

失敗時： 若人凍住或言「我不知何處始」，回步驟二之結構並請其一次解釋一節而非全部。若其過自苛（「太糟」），重定向至具體：「實上你解 X 之方式很清——我們聚焦於使 Y 達該品質」。

步驟四：精煉——依回饋改進

對實踐解釋提供具體、可行之回饋。

1. 以長處引：「你以 Y 之類比解 X 之部分很有效，因為...」
2. 識別最大改進機會（非所有問題——聚焦一二）
3. 建議具體替代：「不說 [複雜版]，試：[簡版]」
4. 檢知識之詛咒：是否有處因其專業而略觀眾所需之步？
5. 檢觀眾校準：深度對觀眾是否正，或太淺／深？
6. 若用類比，檢類比是否準（誤導之類比比無類比更糟）
7. 請其重解精煉之節以測改進

預期： 針對性回饋可量改解釋。人可感首與次之別。回饋以建設性框——做何，非僅避何。

失敗時： 若人對回饋防禦，自「此不清」重框為「觀眾或於此跟不上——我們如何使更清？」若精煉版未較佳，問題或為結構性（步驟二）而非呈現性——回大綱。

步驟五：遞送——教學期間支持

若教學即時發生，於遞送期間提供支持。

1. 對現場呈現：助提前備可能問題之答
2. 對文件：審書面版之清晰、結構與觀眾校準
3. 助其備「我不知」之刻：「若被問你無法答者，言：『好問——我去查並後續』。此永遠可接受」
4. 鼓勵互動：助其備觀眾之檢題
5. 備恢復計：觀眾迷失、無聊或超解釋時做何
6. 若於遞送期間教練：提簡短、具體之提示（「此處慢」、「他們似困——查問」）

預期： 人感備與支。對可能問題有答、對意外情境有策、有信心承知非萬事可受。

失敗時： 若焦慮為主阻，直接處之：備減焦，向觀眾承認緊張常生連結。若遞送格式持續變，助其接格式並調，而非試控條件。

步驟六：反思——分析何起作用

教學事件後，引導反思以求持續改進。

1. 問：「何起作用？你以何為傲？」
2. 問：「你注意觀眾於何處最投入？最不投入？」
3. 問：「觀眾之回應有何令你訝異？」
4. 問：「若可改一物，將為何？」
5. 將反思連於原則：「起作用之部分用了 [技巧]。可更廣應用之」
6. 識別下次之一具體改進目標
7. 慶成就：教學為以練增進之技能

預期： 人對其教學有效性獲具體洞察——非模糊感，而為對何起作用及為何之具體觀察。離時帶下次之一可行改進。

失敗時： 若僅見負面，重定向至起作用之具體刻。若僅見正面，輕探觀眾困惑之領域。若無反思（其立即移往他事），註反思乃最持久改進發生之處——即 5 分回顧亦重要。

驗證

• 結構始前已評估教學挑戰（觀眾、格式、限制）
• 已識別核心訊息且結構圍之組織
• 人於遞送前至少實踐解釋一次
• 回饋具體、可行，並致可量之改進
• 人為問題、不確定與觀眾調適備
• 遞送後反思識別下次之至少一具體改進
• 教練全程鼓勵——教學艱難應被承認

常見陷阱

• 教練內容而非教學：助其學材而非助其呈之。若需學，先用 learn-guidance
• 過結構：使結構僵至失人之自然教學聲。結構應支其風，非取代之
• 完美主義陷阱：無止境排練而不遞送。某點後實踐有遞減回報——推向遞送
• 忽略觀眾多樣：混合觀眾需分層解釋——核心念予人人，細節予專家，類比予新人
• 回饋過載：一次給太多註壓人。聚焦於影響最高之一二變
• 忽略情緒準備：教學焦慮為真。處信心如處內容般重要

相關技能

• teach — AI 自向校準知識傳遞之變體
• learn-guidance — 教練人經學；有效教之先備
• listen-guidance — 主動聆聽技能助教者即時應觀眾需
• meditate-guidance — 教學事件前安焦慮並達聚焦