如何让 AI 为自己写一本真正能教会你的教材

很多人都尝试过让 AI 帮自己学习。

常见的做法是问：

请给我制定一个七天学习计划。
请总结这本教材。
请给我讲解宏观经济学。
请帮我写一份入门教程。

AI 通常会很快给出一份看起来不错的结果：章节完整，语言通顺，结构清楚。

但真正开始学习后，问题很快就会出现。

教材可能写得很多，却不知道哪些内容最重要；讲解看起来有道理，但读完以后自己仍然不会回答问题；学习中途答错了，后面的内容却不会随之调整；第二天重新打开对话，AI 也不知道昨天学到了哪里。

这说明，“让 AI 写一本教材”和“让 AI 教会自己”其实是两件不同的事。

前者主要是内容生成，后者则是一个持续运行的教学系统。

本文介绍一种更完整的方法：让 AI 为你生成一本可以不断更新、能够记录学习状态、并根据实际表现调整的个人教材。

一、不要先让 AI 写教材，先说明你为什么要学

同一门课程，不同学习目标需要完全不同的教材。

例如，同样是学习宏观经济学：

• 七天后参加期末考试，目标是及格；
• 希望理解经济新闻；
• 准备考研；
• 想系统掌握经济学；
• 想理解利率、通胀和股票市场的关系。

这些目标所需的内容深度、练习方式和学习时间完全不同。

因此，在让 AI 生成教材之前，首先要建立一个“学习契约”。

至少要向 AI 说明：

课程名称:
当前基础:
学习目的:
目标日期:
可用天数:
每天时间:
考试形式:
现有资料:
希望学到的程度:
特殊限制:

例如：

课程名称: 宏观经济学
当前基础: 零基础
学习目的: 大学期末考试及格
目标日期: 七天后
可用天数: 7
每天时间: 60分钟
考试形式: 名词解释、简答题、计算题
现有资料: 暂无
希望学到的程度: 能做标准题，并能辨别常见错误
特殊限制: 时间不必严格，允许根据兴趣深入追问

这一步看起来简单，却决定了后面所有内容。

如果目标只是短期及格，教材就不应该平均分配篇幅，而应优先覆盖高频概念、常见题型和容易丢分的地方。

如果目标是实际使用，教材则需要增加迁移题、现实案例和跨情境分析。

二、先定义什么叫“学会”

AI 教学中最容易出现的问题，是把“听懂”误认为“学会”。

老师讲了一个证明，学生觉得每一步都有道理，并不代表学生能自己证明。

看到一个英语单词能够理解，也不代表自己能在说话时使用。

听懂一段经济学解释，也不代表面对新情境时能判断应该移动哪条曲线。

可以把“学会”分成九个等级：

很多普通教材实际上只帮助学习者达到 L2 或 L3。

内容读起来很顺，例题也看得懂，但把书合上以后，既回忆不出来，也不会独立使用。

对于一般的短期课程，可以把核心概念的默认目标定为 L6：

不只会做标准题，还要能辨别常见错误。

这比单纯追求“听懂”更可靠，又不像 L8、L9 那样需要长期训练。

不过，并非所有内容都需要达到同一等级。

可以按照考试价值划分：

A 类：不懂就很难及格，目标 L6
B 类：会了能提高稳定性，目标 L5
C 类：短期收益较低，目标 L3 或 L4

这样有限的学习时间才会被用于最重要的地方。

三、一本 AI 教材不应该只有正文

传统理解中的教材，主要由章节和正文组成。

但对个人 AI 教材来说，仅有正文远远不够。

一个能够持续教学的教材至少需要五个部分。

1. 知识地图

知识地图说明：

• 这门课由哪些核心概念构成；
• 哪些内容依赖哪些前置知识；
• 哪些属于必须掌握；
• 哪些可以暂时放弃。

它的作用不是展示学科有多完整，而是防止学习者在大量概念中迷失。

2. 每日学习包

每天的学习内容应该是一个可以直接执行的工作包，而不是一句“今天学习第三章”。

一个一小时学习包可以包括：

5 分钟：前日回忆
10 分钟：今日知识地图
15 分钟：核心讲解
10 分钟：用自己的话解释
10 分钟：考试题或应用题
5 分钟：反馈与修正
5 分钟：更新状态和复习卡

这里的时间只是规划目标，不必机械执行。

如果学习者产生了有价值的追问，可以继续深入，而不是为了守住六十分钟强行中断。

3. 练习和反馈

AI 很容易在讲解时不知不觉把答案也告诉学生。

例如题目本来是：

为什么 GDP 不能完整衡量居民生活质量？

但 AI 又补上一句：

请至少提到收入分配、环境、闲暇和非市场活动。

这样学生虽然能答出来，结果却不能证明真正掌握。

因此，教材必须区分：

学生作答前可以看到：
- 问题
- 字数
- 时间
- 输出格式

学生作答前不能看到：
- 答案要点
- 得分点
- 评分标准
- 参考答案

学生回答之后，AI 才能展示缺失点、评分依据和参考表达。

4. 学习状态

一本个人教材应该知道：

• 当前学到第几天；
• 哪些主题已经学习；
• 哪些只听过但不会使用；
• 哪些概念曾经答错；
• 哪些错误已经修复；
• 哪些概念需要再次复查；
• 下一次应该做什么。

可以让 AI 持续维护这样的表格：

概念: 劳动参与率
目标等级: L6
当前证据等级: L5
已经做到:
  - 能说出公式
  - 能完成标准计算
仍需检查:
  - 与失业率、就业人口比率的区别
下一步:
  - 做一道错误答案辨析题

这比简单写“基本掌握”准确得多。

5. 恢复入口

学习很少会严格按照计划连续完成。

可能中断一天，也可能某次小测很差。

因此教材需要明确告诉 AI，恢复学习时应该先读什么：

1. 当前状态
2. 最近一次学习记录
3. 错误列表
4. 回忆卡
5. 分数与辅助方式
6. 下一步行动

恢复以后，不应机械进入下一章，而应判断：

继续学习
先做复习
修复误区
重新测试
进入综合练习

四、AI 应该帮助你，但不能替你完成学习

AI 最危险的地方，不一定是回答错误。

当 AI 回答得越来越流畅时，真正的问题可能变成：它替学习者完成了太多认知工作。

AI 可以消除很多没有学习价值的困难：

• 整理文件；
• 生成图像；
• 查找资料；
• 调整格式；
• 记录错题；
• 生成相似练习。

但有些困难必须保留：

• 自己回忆；
• 自己判断；
• 自己组织答案；
• 自己解释为什么；
• 区分相近概念；
• 发现错误答案；
• 把知识迁移到新情境。

这些可以称为“生产性摩擦”。

如果 AI 把这些摩擦也全部消除，学习过程会非常顺滑，却很可能只产生一种熟悉感。

为了控制 AI 的介入程度，可以定义四种模式：

如果一道题在作答前已经给出了关键答案点，就不能把它当成真正的盲测。

每隔两三天，还可以安排一次 barehand checkpoint：

不看笔记，不给关键词，不翻前文，完成一道跨日综合题。

这种检查可能让人不舒服，但它可以揭示自己究竟学会了多少。

五、让 AI 不只出题，还要制造“错误答案”

达到“会使用”并不困难。

真正可靠的理解，还需要知道：

• 什么情况下不能使用；
• 哪些概念容易混淆；
• 一个看起来合理的答案到底错在哪里。

因此，一本以 L6 为目标的教材，应该大量使用错误辨析题。

例如：

一个学生说：“政府给居民发补助，因此这笔钱直接计入 GDP 中的政府购买。”
请指出这个答案哪里错，并写出正确解释。

或者：

一个 AI 回答：“能源价格上涨会使总需求曲线左移，所以产出下降，价格也下降。”
请指出错误，并说明正确的曲线变化。

这类题要求学习者做的不只是回忆答案，而是判断和纠错。

它比单纯的选择题更能检验理解。

六、教材必须区分“考试模型”和“现实世界”

AI 很容易犯另一个错误：把简化模型讲成现实必然。

例如教材可能写：

央行降息
→ 利率下降
→ 投资增加
→ 总需求上升
→ 产出增加

作为考试模型，这条链条没有问题。

但现实中还可能受到：

• 企业是否愿意借款；
• 银行是否愿意放贷；
• 市场预期；
• 进口；
• 产能约束；
• 政策时滞。

因此，AI 教材应该采用固定顺序：

第一步：给出教材和考试模型
第二步：说明模型假设
第三步：补充现实中可能改变结论的因素
第四步：标明哪些是考试必需，哪些是理解扩展

这样既不会为了追求现实复杂性而让初学者失去主线，也不会让学习者误以为模型就是完整世界。

七、遇到曲线和模型图，必须使用图像

如果课程中涉及：

• 函数曲线；
• 坐标轴；
• 经济模型；
• 几何关系；
• 流程结构；
• 系统结构；

教材就不应该只靠文字描述。

更不应该默认使用复杂 ASCII 字符图。

字符图在不同设备上容易错位，对手机和语音环境尤其不友好。

更合理的顺序是：

简单图像：
使用 Python、Matplotlib 或其他工具实时生成。

复杂标准图：
查找官方机构、开放教材、大学公开课、
Wikipedia 或 Wikimedia Commons 等开放来源。

无法显示图像：
用语言说明坐标轴和关系，并明确延后图像教学，
不要用变形的复杂 ASCII 勉强替代。

每张图都应该回答：

• 横轴是什么；
• 纵轴是什么；
• 曲线代表什么；
• 为什么向上或向下；
• 沿曲线移动是什么意思；
• 整条曲线移动是什么意思；
• 新旧均衡点如何变化。

图像也应该保存和编号，供后续复习继续使用，而不是只在一次对话中出现。

八、资料来源不能只依赖 AI 的默认记忆

个人教材可以由 AI 编写，但不能完全依赖模型内部知识。

应该让 AI 建立资料表：

教材
教师课件
课程大纲
公开课
官方文档
开放教材
高质量百科
往年题
考试重点
自己上传的笔记

并要求 AI 区分：

来自用户资料
来自公开来源
来自一般学科知识
存在不确定性

如果某个内容可验证性很高，例如公式、程序、计算题，可以精确检查。

如果内容可验证性中等，例如政策分析，可以使用 rubric，并说明模型假设。

如果内容可验证性很低，例如价值判断或开放解释，就不应该给出伪精确的“掌握度 87%”。

九、如果使用语音教学，需要再生成一张“运行卡”

完整教材可能包含很多文件，但语音对话环境未必能可靠读取这些文件。

这时不要削弱教材本身，而应增加一个“运行接口”。

可以让 AI 把完整课程包压缩成一张当天使用的 Live Card：

LIVE CARD

课程：
第几天：
今日目标：
目标学习等级：

学习者摘要：
已知错误：
当前证据：
兴趣点：

教学流程：
1.
2.
3.

教师规则：
- 作答前不得泄露答案
- 曲线必须使用图像
- 保留独立回忆和判断
- 反馈必须引用学生回答

结束时输出：
- 学习证据
- 错误修正
- 状态更新
- 下一步行动

这张卡只包含执行今天课程所必需的信息。

它不是完整教材，而是完整教材针对当前运行环境编译出来的接口。

语音会话结束后，再让 AI 输出一个简短的 Session Record，写回正式教材状态。

十、普通读者可以直接这样开始

即使没有任何工厂文件，也可以直接把下面这段提示交给 AI：

我想让你为我设计一本能够真正教会我的个人教材。

不要立即生成完整教材。先和我建立学习契约。

请先向我解释以下学习等级：

L1 听到过；
L2 能跟随讲解；
L3 能识别和理解输入；
L4 能主动回忆；
L5 能完成标准题；
L6 能辨别常见误用和错误答案；
L7 能迁移到新情境；
L8 能低提示、较流畅地使用；
L9 能教学、批判、纠错或创造。

默认把核心概念训练到 L6，但允许我调整。

然后询问我：

1. 课程名称；
2. 当前基础；
3. 学习目的；
4. 目标等级；
5. 可用天数和每天时间；
6. 考试形式；
7. 现有教材、讲义和题目；
8. 是否允许兴趣驱动扩展；
9. 是否严格控制时间；
10. 是否使用图像讲解曲线和模型；
11. 是否接受每两三天一次无提示的跨日综合检查。

根据我的回答，生成：

- 课程知识地图；
- A/B/C 优先级；
- 每日学习包；
- 练习和盲测；
- 常见错误辨析；
- 图像需求；
- 学习状态记录；
- 错误列表；
- 回忆卡；
- 下一步行动；
- 最终复习包。

教学过程中遵守：

- 作答前不要给答案要点；
- 区分 guided、semi-guided、blind、barehand；
- 不要用有提示的回答证明我达到 L6；
- L6 必须有错误辨析；
- L7 必须有迁移题；
- 保留独立回忆、判断和解释；
- 反馈只评价我的答案，不评价我的人格或天赋；
- 区分考试模型和现实复杂性；
- 曲线和模型优先使用程序生成图或权威开放图；
- 每次学习后更新状态，而不是机械进入下一天。

现在请先不要生成教材，先向我解释学习等级，并询问我的需求。

十一、真正重要的不是“让 AI 写一本书”

AI 可以在几分钟内生成几十章内容。

但篇幅并不等于教材质量。

一本真正属于你的 AI 教材，应该具备四个特点：

第一，它知道你的目标

不是泛泛讲授一门学科，而是知道你为什么学、学到什么程度、时间有多少。

第二，它知道你现在在哪里

不是每次重新开始，而是保存你的错误、证据等级和下一步行动。

第三，它会根据表现改变

答得好，就推进；概念混淆，就修复；产生兴趣，就适度深入；无法独立完成，就降低提示重新训练。

第四，它不会替你完成全部学习

它会帮你清理工具障碍，却保留回忆、判断、表达、纠错和迁移。

从这个角度看，所谓“让 AI 为自己写一本教材”，并不只是让 AI 生成文字。

更准确地说，是让 AI 帮你建立一个可持续运行的个人教学系统。

教材只是这个系统中最容易看见的一部分。