卧槽，刚发现一个能让我每天比别人节省2小时的学习黑科技！！我做梦也没想到还能这么搞… 作为AI博主，我订阅了200+个newsletter：OpenAI Updates、Lenny's Newsletter、AI Breakdown、Benedict's Newsletter、还有一堆Substack独立作者 说实话，每天早上打开Gmail，300封未读邮件直接让我窒息 我知道里面肯定藏着金子——某个AI工具的重大更新、某篇深度行业洞察、某个开源项目的突破 但我永远不会逐封去看，只能随机扫过标题，然后在心里默念"晚点再看，晚点再看，晚点再看…" 结果就是：重要信息被淹没，newsletter变成心理负担，订阅越多越焦虑，我相信大家肯定都是这样的 直到上周我试了网易邮箱的Mail Agent，整个工作流直接被重构了！！ 他让我有种感觉：newsletter不是用来"读"的，是用来"问"的 这个认知一旦建立，你会发现邮箱的价值被低估了100倍 Mail Agent做的事很简单： 把你的邮箱变成一个可对话的知识库，不是帮你写邮件回复（那没啥用），而是让你的历史邮件变成可检索的信息资产！ 这个就很牛了… 我现在的工作流是这样的： 每天早上不再打开邮箱逐封看，而是直接问Mail Agent： "今天所有newsletter里，有哪些AI工具发布了重大更新？" "帮我整理最近一个月关于AI Agent的所有讨论，生成一份趋势摘要" "找出所有提到'开源'和'本地部署'的newsletter内容" 30秒，它给我一份结构化的信息清单，以前我要花2小时翻邮件，现在5分钟搞定，谁懂！ 更绝的是知识库沉淀，Mail Agent会基于你的邮件内容自动构建知识库 这意味着：你过去3年订阅的所有newsletter，都变成了可检索的外部大脑 我试了几个场景，直接震惊： 场景1：写文章需要引用数据 以前：疯狂翻邮件，"我记得某期newsletter提到过这个数据" 现在：问Mail Agent"过去半年有哪些newsletter提到了AI市场规模的数据？"，3秒出结果 场景2：找某个工具的教程链接 以前：在收藏夹和邮件里来回找，最后放弃 现在："帮我找出所有关于Cursor使用技巧的邮件"，历史邮件秒级检索 场景3：复盘行业趋势 以前：凭记忆和零散笔记 现在："把今年所有newsletter里关于AI视频生成的讨论，生成一份时间线报告" 这不是邮件工具，这是信息资产管理系统 技术上它是怎么做到的？ Mail Agent结合了LLM Wiki的理念，基于邮箱全部内容构建知识库 关键是它有固定记忆系统，可以持续学习你的使用习惯 你可以告诉它： 我关注哪些领域（AI工具、创业方法论、产品设计） 我的信息优先级（开源>付费，实操>理论） 我的输出偏好（要数据来源，要具体案例） 用得越久，它越懂你，这不是工具，是你的数字分身，等你训练好它，它就更明白你需要什么了 几个实际的使用场景： AI超级个体必备 订阅了几十个AI工具的newsletter，但从来不看 现在每周一问："本周有哪些值得关注的AI工具更新？" 信息密度直接拉满 内容创作者的素材库 newsletter里藏着大量选题灵感和引用素材 "帮我找出所有关于AI商业化的案例" 30秒，10篇高质量素材到手 成本几乎为0，但价值巨大 网易邮箱大师是免费的，支持添加Gmail、Outlook等所有主流邮箱 Mail Agent内置在邮箱大师里，更新到最新版就能用 我测试了一周，已经从邮箱里挖出了50+个之前忘记的优质资源 这些信息我本来就订阅了，只是一直在吃灰 现在它们变成了可检索的知识资产 这些数据一直在那里，只是你从来没有好好利用过 Mail Agent做的事，就是让这些沉默的数据开口说话 信息过载时代，检索能力>阅读能力 订阅焦虑的本质，不是订阅太多，是缺乏检索能力 有了Mail Agent，我反而订阅得更多了，因为我知道，这些信息不会丢，需要的时候随时能找到

论服务还是大陆服务第一 我在hk的银行问个事情都要我催人家三五遍，一件事情可能几个月办不好，连续不停的催，人家也不会主动跟你更新进度，我事情多本来就忙，每周一催已经三个月了。。 你说因为他是香港吧，办事的还全是大陆人 买了他保险之后就不管你了 每次去呢还继续给你推销保险 真尼玛 投诉吧也不合适毕竟投诉了以后还要找他帮忙办别的事情

养龙虾最蠢的事，就是每次都重复说同一句话。 YC创始人Garry Tan放出了他自己在用的OpenClaw神提示词，可以把龙虾从一次性工具变成一次指令、永久生效的自动系统。 这样你再也不用每次都叮嘱它“记得按这个格式”“别忘了加这一列”“每周一跑一次”。 把这四条规则复制到你的AGENTS.md最前面，重启就生效。 核心规则简单到离谱，但威力巨大： 1. 禁止一次性工作 第一次做3-10个样本给你确认，满意了自动写成SKILL.md存进技能库。 是周期性任务？直接自己用openclaw cron add加定时，以后到点就跑。 2. MECE原则 一个活只能有一个技能管，不重叠不空白。能扩展旧技能就绝不新建。 3. 最狠的失败判定 如果你第二次还要问它同一件事，它就失败了。 第一次是发现需求，第二次就该自动完成。 4. 标准六步流程 概念→原型→评估→编码→定时→监控，全流程自己闭环。 这个prompt相当于给龙虾定了一套自我进化的底层规则， 不用教它每一件具体的事，只需要教它“怎么学会做事”。 而且用得越久，你的技能库越厚，整个系统自己会复利增长。 我已经用了小一个月了， 现在每天早上起来，龙虾已经把昨天的报表、邮件、数据整理好了。 所有重复工作，一次教完，永久自动运行。 以下配图是我用 Cloud 的 Opus 4.7HTML 输出，真的非常清晰漂亮！ @garrytan Thank you so much, Garry. You’ve been incredibly helpful. #OpenClaw# #养龙虾# #AI# #Agent# #YC# #GarryTan#

行业组织“美国航空协会”（Airlines for America）负责人周四表示，尽管中国国家主席习近平提出了相关设想，但美国航空公司反对增加从中国飞往美国的直飞航班。 正在华盛顿访问的习近平周四在白宫出席欢迎仪式时，在发言中建议中美双方增加直航航班，便利双向贸易和人员往来。 目前，中美两国每周各运营约50个往返航班。2020年新冠疫情前，中美双方每周各运营超过150班往返客运航班。对习近平的这一建议，白宫未立即置评。 美国航空协会主席克里斯·苏努努（Chris Sununu）周四在接受采访时表示，美国航空公司继续受到不利影响而处于竞争劣势，因为中国的航空公司获准飞越俄罗斯领空。他说，“这绝非小事。不得不绕开俄罗斯飞行，给航空公司带来了巨大的成本。” 美国航空协会上周已拒绝了中国国际航空公司（Air China）增加定期航班的请求。该协会指出，由于无法进入俄罗斯领空，美国航空公司实际上已被禁止执飞从美国东海岸飞往中国的航班；相比之下，得以飞越俄罗斯领空的中国航空公司却获准运营八条飞往美国的航线。 2022年3月，在俄罗斯入侵乌克兰之后，美国禁止俄罗斯航班进入其领空；作为回应，俄罗斯也禁止了美国航空公司飞越其领空。美国并未禁止其它国家航企飞越俄罗斯领空，但在2023年与中国达成协议，规定后来获批增加的航班，不得飞越俄罗斯领空。 苏努努指出，若增加中美航班将扩大不公平竞争。他表示自己一直呼吁特朗普政府官员不要在这一问题上让步。 美国航空协会的会员企业包括美国航空（American Airlines）、联合航空（United Airlines）、达美航空（Delta Air Lines）等大型航空公司。

Anthropic 把 Claude 的后台任务模式 Cowork 和日常聊天合并成了一个入口，今天开始向 Pro 和 Max 用户逐步推送。 之前 Claude 有两个工作模式：聊天处理快问快答，Cowork 处理需要跑一阵子的大活儿——写报告、做调研、整理数据。问题是用户经常拿不准一个任务该丢到哪边，而且两边的上下文不互通。现在不用选了，所有对话都在同一个地方，Claude 自己判断任务需要什么能力。 同时上线的还有三个内容创作工具：Claude Docs（文档协作）、Claude Slides（幻灯片）和 Claude Design（设计，之前是独立产品，现在也嵌进了对话）。在聊天里说一句"帮我写个周报"，Claude 直接生成文档，你可以在里面改、加批注、让 Claude 继续调整；说"做五页幻灯片给领导汇报"，slides 就出来了，改完可以直接下载成 PowerPoint 或 PDF。文档和幻灯片共享同一个对话上下文，所以内容天然一致，不用来回复制粘贴。 实际使用场景大概是这样：出门前让 Claude 查上周项目进展、写周报、顺便做个汇报用的幻灯片，路上用手机看进度，到办公室直接改两笔就能发。还能设成定时任务，比如每周一自动开始写周报。Claude 默认每一步都会征求你确认，如果嫌烦也可以切成"有问题再找我"模式。 三个创作工具目前都是 beta 状态，面向付费用户开放，企业版由管理员决定何时开启。Cowork 老用户不受影响，之前的对话、项目、连接器都还在。Team 和免费用户后续跟进，企业用户会提前 30 天收到通知。

关于 @42space ，我之前做过几期视频，那会儿主要讲的是它的运作机制。 这几天我发现它多了一些还不错的机会，尤其如果你同时也是个创作者就更好。 1⃣先说清楚 42 和别的预测市场哪里不一样。 Polymarket、Predict 这一类，本质上是订单簿定价。 42 不是，它走的是 AMM 曲线，白皮书里功率曲线图讲得很清楚，逻辑上更接近 DeFi，甚至更接近 pumpfun 那种代币发射平台。 2⃣意思就是：一个新标的上线，不管 Yes 还是 No，都是从 0 开始的。 假设这个事件真实概率是 55/45，那价格会随着时间慢慢收敛到 55 和 45 附近，但开盘那一刻它是从零起步的。 3⃣所以问题就来了。 谁能在开盘抢到位置，谁就大概率吃到一段。 42 做了开盘防狙击，但只要某个标的赔率够高，十倍、百倍，脚本、机器人、专业狙击的人一定会来。 世界杯冠军、俱乐部赛事冠军这种流动性好、关注度高的标的，尤其如此。 这就变成了一个不公平的局：不是所有人都会写脚本。 pumpfun 和 Virtuals 当年也遇到过一样的事，也都上过防脚本措施。 4⃣42 的解法是 Seed，也就是种子，配套的是 Ticket 门票。 这个玩法我感觉是借鉴了 Virtuals：质押代币、成为贡献者，就允许在项目开盘之前买入，开盘之后可以直接卖出，等于拿了一张白名单。 42 把它改成了门票换 Seed，Seed 去打项目。 5⃣门票怎么来？ 交易、提供流动性可以拿，但还有一条路，就是 Mindshare 活动，一共三类： ・PNL 损益卡：分享你在 42 的盈亏卡，审核通过 10 张 ・普通推文：任何形式推广 42，@ 上官方就行，得分 >60 给 2 张 ・主题推文：40~50 分给 5 张，50~60 给 7 张，60 分以上给 10 张 很明显主题推文性价比最高。 比如把一期视频的内容整理成推文，讲清楚种子机制是什么、怎么拿 Seed、怎么用。 6⃣奖池每周一重置，主题推文 7 万张、PNL 3 万张、普通推文 5000 张。 从池子体量看，个人这边基本等于没有上限，一直发似乎就能一直拿。 我没有高频发过，但从我目前的门票数看，这条路确实比刷交易量容易。 7⃣值得做的原因有三个： 一是 42 还没发币，可以当半个空投来撸。 二是嘴撸这条路存在，门槛比交易和 LP 低不少，所以标题里说 0 撸也能参与。 三是时间点。 现在进去还算早期。早起吃肉晚起喝汤。 ⚠️ 最后必须说的：预测市场整体风险不小，这里面没有一个标的是稳赚的。 具体怎么做我不给结论，各位自己摸索，资金安全和仓位控制自己把好关。

一位48岁大姐，出轨出了“新高度”，频率高到让人怀疑她是不是把出轨当上班打卡了。在大家的固有印象里，人到了五十出头，早就褪去了所有浮躁，日子只求安稳踏实。小半辈子都熬过来了，夫妻就算没有轰轰烈烈的爱情，也有相濡以沫的亲情，都会安安分分过日子。可我们小区这位48岁的刘大姐，彻底刷新了所有人的认知。 她跟她家老王结婚快二十五年，儿子都在上大学，平时俩人在小区里出双入对，早上老王拎着菜篮子跟她一起去早市买菜，傍晚俩人牵着手绕着小区湖边散步，所有人都夸刘大姐好福气，嫁了个体贴脾气又好的老公，家里拆迁分了三套房，老王在国企上班月薪八千多全上交，连家务都舍不得让她多做半分，结果谁也没想到，刘大姐这两年根本没闲着。 最开始是小区几个跳广场舞的阿姨发现不对劲，刘大姐每天准点下午两点准时出门，说是去社区老年大学上书法课，可大家好几次顺路过去，书法班的门都锁着，她朋友圈发的练字打卡图，全是去年的旧照片翻出来重复发。后来有邻居下午去高铁站接人，看见她打扮得花枝招展，拎着小皮箱跟个穿花衬衫的老头勾着肩进了高铁站，一问才知道她每周二周五都坐高铁去邻市找认识的男网友玩，转天下午才慢悠悠坐车回来，比上班打卡还准时，请假都不带漏一次的。 这还不算，后来查出来她在社区跳交谊舞的舞伴、楼下开棋牌室的老板、甚至经常来小区送桶装水的中年工人，全都跟她有不清不楚的关系，算下来前前后后七八个，时间排得比大厂高管的日程表还满：周一陪舞伴去郊外爬山，周三跟棋牌室老板逛花鸟市场，周四约送水工去家里修水管，周末还要假装跟老姐妹组团旅游，实则跟邻市的网友约会，连买菜的空隙都能抽空跟相好的去附近小旅馆坐半小时，一个月光是打给各路相好的零花钱，就要花掉大几千，连儿子要交的学费都偷偷挪去给别的男人买烟买酒。 她老公老王是个出了名的好脾气，平时连跟她大声说话都舍不得，要不是上个月刘大姐手机没锁屏，跳出来好几条露骨的暧昧消息被亲戚看见，转头偷偷告诉老王，老王到现在还被蒙在鼓里。老王当时拿着手机手都在抖，顺着她的消费记录翻，两年时间她前前后后给外面的男人花了快二十万，连家里准备给儿子买婚房的二十万定期存款，都被她偷偷提前取出来，给邻市那个男网友还了赌债。 老王没闹没吵，当天就把所有证据整理好，直接把那些花出去的转账记录全部打印出来，挨个给那些男人的老婆打电话，把他们出轨的事全抖了出来，一周不到，那七个相好的家里全闹得鸡飞狗跳，棋牌室老板被老婆罚跪了三天搓衣板，送水工被老婆赶回了娘家，连邻市那个欠了赌债的男网友，都被他老婆追着把钱要回来大半。 之后老王直接向法院提交了离婚申请，因为刘大姐是婚姻过错方，还偷偷转移夫妻共同财产，最后法院判下来，三套拆迁房刘大姐一套都没分到，只拿了十万块钱就被赶出了家门，连儿子都站在老王这边，放话说这辈子都不认她这个妈，说她一把年纪一把年纪了放着安生日子不过，非要作死作到头，谁也救不了她。 现在刘大姐在小区附近租了个八百块钱的老破小住，找了个餐厅洗碗的活，月薪才三千不到，之前那些围着她转的老相好，没一个敢沾她的边，路上碰见她都绕着走，她好几次堵在小区门口想跟老王求情回家，老王连看都不看她一眼，直接绕路就走。 小区里的老邻居现在聊起她都直摇头，说活了大半辈子，从来没见过这么拎不清的女人，放着好好的一家三口安稳日子不过，把出轨当打卡上班一样天天往外跑，一把年纪了名声全臭了，最后落得个众叛亲离的下场，真的是半点都不亏。 就想问问大伙，要是你家老伴人到中年一把年纪，放着好日子不过天天在外头瞎搞，把家里准备给孩子买房的钱都偷偷给外人花了，你是会像老王一样直接搜集证据离婚让她净身出户，还是会念着这么多年的情分睁一只眼闭一只眼凑活过下去？

行情好的时候飘了，不敢止盈；暴跌一来又慌得一批，直接割在最低点；大半夜睡着了，一个插针，醒来账户直接穿仓……这戏码每周都在演，真实到离谱。 所以我最近猛测 @0x_aix，越测越觉得它思路对了。 现在大家找AI交易，满脑子都想找个能预测未来的“大神”，把K线一扔就问“明天涨不涨”。说实话，这跟去庙里求签有啥区别？市场压根没有永远对的模型。 AIX最硬核的地方，就是把AI变成了那种完全不讲感情的纪律执行机器。 你把自己的想法用大白话丢给它，比如“突破前高就进，破了均线立马跑，单笔最多亏1%”，它直接帮你变成底层规则。最爽的是风控单独一层——管你策略看多还是看空，只要遇到闪崩或者回撤顶到了，风控层直接接管平仓，根本不给你“再扛一下试试”的机会。 这段时间小资金跑下来，没啥暴富神话，但心里真的踏实到不行。终于不用大半夜定三四个闹钟起来盯盘了，也不用再手痒乱操作了。 交易最难的不是发现机会，而是机会来了你能不能按计划执行。把盯盘和风控这种机械活交给机器，自己只负责复盘——这才是我觉得AI最实用的地方。

Justin Skycak 数学教学思想深度研究报告 Justin Skycak 数学教学思想深度研究报告 认知科学基础、Math Academy 工程实现及可操作教学框架 摘要 Justin Skycak 的数学教学思想可以概括为一套以长期记忆、前置知识和任务选择为核心的教学系统： 建立细粒度知识依赖关系，诊断学生当前状态，提供最少必要讲解，让学生立即独立解题，再通过反馈、间隔提取和混合练习维持掌握。 这套体系最有价值的部分，是把提取练习、间隔效应、明确指导、掌握学习和个性化任务选择整合到同一系统中。它特别适合数学基础知识的快速获得、自动化和长期保持。 需要谨慎对待的部分包括： 将广义“主动学习”研究直接用于证明 Math Academy 的具体教学形式； 将直觉主要归因于重复练习； 将完全个性化视为高效学习的必要条件； 将少记或不记笔记推广为普遍建议； 用课程学习效率解释竞赛数学、证明和研究能力； 用公司内部数据证明 Math Academy 整体优于高质量人工教学。 在本次检索范围内，没有找到针对 Math Academy 的独立、同行评议随机对照研究。因此，目前能够可靠支持的是它所采用的若干教学原则，尚不能据此确认整个产品方案已经达到全局最优。 研究范围与证据等级 本报告使用三类资料： Skycak 本人的文章和公开讨论； Math Academy 关于教学法、知识图谱和任务算法的官方说明； 关于提取练习、主动学习、掌握学习、智能辅导系统、发现学习等主题的独立研究和综述。 X 的历史内容无法完整索引，因此部分观点通过 Skycak 个人网站上同步发布或扩写的文章还原。Math Academy 的系统结构可以从官方资料确认，但学习速度、产品优越性等效果主张主要来自公司自身。 报告采用以下证据等级： 等级含义A多项研究、系统综述或元分析反复支持B总体有支持，但效果依赖学习阶段、内容和实施条件C工程设计合理，缺少独立产品级验证D个人判断、价值判断或超出现有证据的推广 一、Skycak 教学理论的完整结构 数学是高度层级化的知识系统 Skycak 认为，高级数学任务由大量底层事实、程序和概念组成。学生在当前内容上遇到困难，往往源于更早的前置知识没有达到稳定掌握。 Math Academy 因此使用细粒度知识图谱表示： 一个主题依赖哪些前置主题； 一道题调用了哪些底层技能； 学习高级内容时，哪些旧技能得到隐式复习； 学生当前可以学习哪些新内容。 该知识图谱主要由领域专家手工构建。官方材料曾描述约 2500 个主题，每个主题又包含若干知识点、前置关系和组成关系。它属于专家系统和学生建模路线，核心并非让大模型自行生成课程。 这一设计很适合计算、代数、函数、微积分程序等结构明确的内容。证明、建模、策略创新和数学表达较难拆成稳定、可自动观察的节点。 证据判断：B/C。 数学确实存在大量前置依赖。具体如何拆分节点、设置关系权重，仍然包含课程专家的判断。 学习的目标是形成可长期调用的知识 Skycak 把学习看成长期记忆发生稳定改变。学生在课堂上理解了一次，并不等于以后能够独立提取和使用。 他的典型教学过程是： 给出最少必要解释； 展示一个完整示例； 学生立即独立做题； 系统提供反馈； 之后在逐渐拉长的时间间隔中重新提取； 将相关题型混合，训练方法选择； 在高级内容中继续调用底层技能。 Math Academy 将“讲解后几分钟内开始解题”作为主要教学形式，并强调自动化、间隔练习和混合练习。 证据判断：A/B。 提取和间隔有很强证据。具体到“讲解应该多短”“做几题后应该离开”，需要根据内容和学习者调整。 初学者需要明确指导 Skycak 反对让缺少相关知识的学生长时间自行发现方法。他认为初学者工作记忆容量有限，开放探索会让学生同时处理过多无关信息。 因此，他支持： worked example； 细分步骤； 显式指出子目标； 提供完整的初始方法； 随着熟练程度提高逐步撤除提示。 这一判断与认知负荷理论、示例学习效应和专业知识反转效应总体一致：知识较少的学习者通常需要更多指导；已有较强知识结构的学习者会逐渐从独立问题解决中获得更多收益。 问题在于，Skycak 有时把无指导发现、有脚手架探究、问题解决后教学和高水平开放问题放在一起批评。独立研究一般区分： 缺乏指导的发现学习； 教师设计并提供反馈的引导式发现； 学生先尝试、教师随后比较和正式讲解； 专家阶段的开放探索。 后几类方法可能有效，适用阶段和目标不同。 证据判断： 初学者需要明确指导：A/B； 所有探索都低效：D。 自动化为复杂思考释放认知资源 Skycak 强调基础事实和程序应达到快速、准确调用。例如： 基本运算； 分数和比例； 代数变形； 常见函数性质； 经常使用的解题程序。 当学生每次都需要重新推导这些内容时，工作记忆会被基础操作占用，很难处理更复杂的结构。 这个判断有较强合理性。但自动化不足以单独构成深层理解。概念知识和程序知识通常相互促进：概念帮助学生选择和修改程序，程序实践也可能促进概念关系的形成。 Skycak 关于“直觉主要来自大量重复”的观点只能解释其中一部分。数学直觉还来自： 比较不同解法； 研究反例； 转换表示方式； 解释条件为什么必要； 判断方法适用范围； 在新情境中重新组织知识。 证据判断： 基础自动化的重要性：A/B； 重复能够充分产生直觉：C/D。 二、核心方法的证据核验 提取练习 Skycak 主张学生在尝试作答前不要立即看笔记或答案。只有实际从记忆中提取，才能知道自己是否真正掌握。 一项课堂情境下的系统综述筛选了近 2000 篇摘要，最终分析了 50 个实验、5374 名学习者和49个效应量；多数研究发现提取练习对学习结果有中等或较大促进作用。研究覆盖多个年龄和学科，但非西方样本仍然较少。 实施中需要区分： 先独立提取，随后看反馈：有效； 一直不允许使用资料：可能妨碍复杂任务； 提取尚未学会的知识：容易变成无效猜测； 错误后缺少纠正反馈：可能巩固错误。 证据等级：A。 间隔练习 集中做完大量同类题，通常会产生很强的短期熟练感，但长期保持较弱。将练习分散到多次学习中，通常更有利于记忆保持。 Math Academy 根据学生状态动态安排复习，并通过高级题中调用的底层技能计算隐式复习。其 FIRe 机制会将一道复杂题的练习收益分配给多个组成技能，以减少重复做简单题的需要。 需要区分两个结论： 间隔优于集中突击：研究支持较强； Math Academy 的具体 FIRe 权重和复习算法达到最优：缺少独立验证。 证据等级：一般原则 A；产品算法 C。 混合练习 传统教材常把同类题放在同一节中。学生只需执行当前章节的方法，不必判断题型。 混合练习将多种问题放在一起，要求学生先回答： 这道题应该使用什么方法？ 它特别适合训练： 区分相似问题； 方法选择； 长期保持； 防止依赖章节标题和表面格式。 初次学习一个程序时，少量连续同类练习仍有价值。较合理的顺序是： 少量集中练习 → 间隔复习 → 混合辨别。 证据等级：B。 效果依赖题型之间是否需要辨别。没有辨别需求时，混合练习未必带来明显收益。 主动学习 Skycak 经常引用 STEM 主动学习研究，支持学生实际解决问题，而非持续听讲。 这里存在定义差异。相关大型元分析中的主动学习包含课堂讨论、小组任务、测验、问题解决和高阶思考等多种活动；Skycak 将它主要落实为“简短讲解后个人独立做题”。两者存在重合，但研究不能直接证明这一种具体形式优于所有其他主动教学形式。 能够稳妥得出的结论是： 学生需要频繁作答和思考； 持续被动听讲通常效果较差； 活动形式需要与学习目标匹配； 个人练习、小组解释和教师讨论可以同时存在。 证据等级：主动参与 A；Skycak 的窄定义 B/C。 掌握学习 掌握学习要求学生达到预定标准后再进入依赖该知识的新内容。未掌握时提供额外练习、反馈和补救。 总体研究显示掌握学习通常产生正向效果，但效果高度依赖： 掌握标准如何定义； 是否有高质量纠错； 学生获得多少额外学习时间； 测试是否与训练内容高度相似； 学生能否长期坚持。 智能辅导系统的元分析也通常发现正向效果，但系统自带测试上的效果往往大于外部标准化测验，说明部分收益可能来自训练与评价的一致性。 证据等级：B。 三、Skycak 观点中证据较弱的部分 “真正的刻意练习必须完全个性化” Skycak 认为，只有系统能够根据每名学生的实时状态选择任务，才称得上严格意义上的刻意练习；普通班级很难实现这一点。 个性化确实能够减少： 重复已掌握内容； 跳过未掌握前置知识； 全班使用同一难度； 复习时机不匹配。 但“完全个性化是高效学习的必要条件”缺少充分证据。高质量班级教学也可以通过： 分层任务； 小组反馈； 低风险测验； 作业数据； 教师巡视； 周期性诊断； 实现部分个性化。 证据等级：C。 “学生通常不应该记笔记” Skycak 认为，记笔记经常变成把教师的话复制到纸上，降低实际提取和解题时间。他建议主要保留少量参考材料，把时间用于练习。 这个批评对机械抄写成立。但研究并不支持“普遍不记笔记”： 生成式笔记可以促进组织和解释； 笔记可以作为外部存储； 引导式笔记可能提高注意和学习效果； 抄写式笔记通常价值较低； 在提取测试时依赖笔记会削弱诊断价值。 更可靠的规则是： 学习时可以写结构化笔记；练习时先闭卷提取；完成后再用笔记检查和修正。 证据等级：Skycak 的普遍建议 D。 “困难问题通常浪费学习时间” 对初学者和课程基础学习而言，一小时反复尝试一道远超当前能力的问题，单位时间获得的正确反馈很少，确实可能低效。 竞赛数学、证明和研究型训练具有不同目标。它们要求训练： 在长时间没有反馈时维持问题状态； 生成和淘汰猜想； 构造反例； 切换表示； 修正证明； 忍受较低成功率； 从失败路径中提取策略。 AoPS 等竞赛教育体系会主动让学生接触超出当前常规程序的问题，并把挣扎、失败和讨论作为训练内容。 因此，需要区分： 知识获得任务：较短反馈周期通常更有效； 开放搜索任务：长时间探索本身就是训练对象。 证据等级：针对初学者 B；推广到所有数学训练 D。 四、Math Academy 产品设计分析 Math Academy 的产品结构可以分成四个部分。 专家构建的课程模型 领域专家拆分主题、编写解释、设计例题和练习，并指定前置关系。它通过人工课程设计保证内容结构和解法稳定。 优势： 可控； 可审查； 不依赖大模型临时生成； 前置关系比较明确。 风险： 图谱反映编写者的课程观； 难以覆盖所有非标准解法； 维护成本高； 证明和建模难以细粒度编码。 学生状态模型 系统综合诊断测试、练习结果、答题时间、近期错误和历史复习记录，估计学生对不同主题的掌握程度。 问题在于，系统只能根据可观察行为推断知识。答对可能来自： 真正理解； 记住模板； 猜测； 利用题目格式； 短期记忆。 因此，状态模型需要加入解释、变式和迁移任务，避免只观察标准答案。 任务选择 系统从以下任务中选择下一项： 学习新知识； 修补前置缺口； 复习即将遗忘的知识； 完成测验； 暂停当前课程并降低难度。 官方说明称测验通常会调整到大约 80% 的成功水平，并在学生连续出错时停止新内容、转入补救。 这能够控制平均学习难度，但对追求高正确率的学生可能产生长期失败感。产品需要明确告诉学生： 当前是新知识训练； 当前是熟练度检查； 当前是开放挑战； 不同任务具有不同预期正确率。 复习压缩 FIRe 机制通过复杂题中的组成技能，计算底层知识获得了多少隐式复习，从而减少单独练习简单题。 这是很有价值的工程设计，但它依赖两个假设： 成功完成复杂题确实意味着底层技能得到有效提取； 人工设定的组成关系和权重能够准确表示练习收益。 这些权重尚未看到独立验证。 五、总体证据矩阵 Skycak 或 Math Academy 的主张证据等级判断学生需要实际解题，不能长期只听讲A可靠提取练习提高长期保持A可靠间隔练习优于集中突击A可靠初学者通常受益于明确指导和完整示例A/B可靠，但应逐渐撤除指导基础技能自动化有助于复杂任务A/B可靠混合练习有利于方法辨别B依赖题型和学习阶段掌握前置知识后再推进B原理合理，实施条件重要智能系统可以改善任务分配B总体有支持，效果差异大所有学生都需要完全个性化C工程主张FIRe 是最优复习算法C缺少独立验证80% 左右是普遍最佳难度C可作起始参数，不能普遍化不记笔记更有利于学习D过度推广数学直觉主要由重复形成C/D只解释部分机制困难问题通常不值得投入时间D只适用于部分学习目标Math Academy 明显优于人工教学C尚缺独立产品级证据 六、可操作的六层数学教学框架 该框架保留 Skycak 体系中证据最强的部分，同时加入概念理解、迁移、开放问题和心理负荷控制。 课程结构层 将课程内容拆成可教学单元，并记录四类关系： 内容说明前置知识学习当前内容前必须独立掌握什么组成技能完成当前任务时实际调用什么相似概念学生容易混淆哪些方法或定义迁移方向当前知识以后会用于哪些复杂问题 单元不宜只用“章节”表示。较合理的粒度是学生能够在一次或数次学习中形成初步掌握的技能或概念。 例如“一元二次方程”可以拆成： 整式运算； 提取公因式； 乘法公式； 因式分解； 零乘积性质； 配方法； 判别式； 方法选择。 状态诊断层 每个单元使用五级掌握状态： 状态可观察标准M0 未知无法完成，或尚未接触M1 辅助完成在示例、提示或笔记帮助下完成M2 即时独立学习后能够独立完成同结构题M3 延迟稳定数天后在混合题中仍能独立完成M4 迁移掌握能解释、比较方法并解决新变式 推进规则： 新课程的必要前置知识至少达到 M2； 高度依赖的核心前置知识应接近 M3； 只达到 M2 的内容必须进入后续复习； 证明、建模和竞赛内容需要观察 M4。 这样可以防止系统把一次答对直接视为完全掌握。 新知识获得层 一次新知识学习使用以下过程： 用一至两个问题检测前置知识； 给出目标、条件和方法； 展示一个完整示例； 学生复述关键判断； 学生独立完成三至五个变式； 错误后先定位错误类型，再提供提示； 达到初步稳定后停止连续同类练习。 讲解时间没有统一上限。判断标准是学生是否获得完成第一次独立尝试所需要的信息。 反馈顺序建议： 指出结果是否正确 → 标出错误位置 → 提供局部提示 → 展示完整解法。 不要在第一次错误后立即给完整答案。 长期保持层 可以先使用一个简单的复习时间表： 当天 → 1天后 → 3天后 → 7天后 → 21天后 → 60天后 根据表现调整： 独立正确且速度稳定：拉长间隔； 正确但明显犹豫：保持当前间隔； 依赖提示：缩短间隔； 完全忘记：返回简短讲解和即时练习。 复习题应逐渐从同类题转向混合题。复习时先闭卷尝试，再使用资料。 高级题已经充分调用某项底层技能时，可以减少单独复习，但不应完全取消延迟抽查。 概念与迁移层 每个核心主题至少配置四类非标准任务： 任务目的方法比较判断不同方法的条件、成本和优点错误分析找出错误推理发生的位置反例任务判断结论缺少什么条件新情境变式检查是否能够迁移 例如学习一元二次方程后，不只要求求解，还可以要求： 判断因式分解、配方和公式法分别适合什么情况； 分析“方程两边同时开平方”的错误； 构造一个有两个整数根的方程； 根据根的性质反向确定参数； 解释判别式为什么能够决定实根数量。 难度与心理负荷层 将任务明确分为三种类别，避免学生把所有错误都理解为学习失败。 类别目标建议首次正确率巩固任务验证稳定掌握85%—100%学习任务获得新知识70%—85%挑战任务训练搜索和迁移20%—60% 这些比例只是起始参数。 连续出现以下情况时应降低难度或修复前置知识： 两到三次独立尝试都无法开始； 错误集中在同一底层步骤； 学生只能模仿示例表面形式； 学生无法说明当前使用的方法； 学习任务长期低于约 60%。 连续两次学习中正确率很高、速度稳定且不依赖提示时，应减少重复并加速推进。 七、建议的任务时间结构 普通数学学习：60分钟 时间内容5分钟闭卷提取近期旧知识10分钟新知识讲解和示例20分钟独立变式练习和反馈10分钟间隔混合复习12分钟方法比较、解释或迁移题3分钟记录错误与下次任务 时间比例可根据课程阶段调整。新内容较多时增加获得阶段；复习期增加混合练习。 算法竞赛或高水平数学：90分钟 时间内容10分钟基础知识和模板提取20分钟新算法、定理或典型结构20分钟标准变式练习30分钟非标准问题的独立搜索10分钟反例、证明或失败路径复盘 竞赛训练中，开放问题时间不能被自适应基础练习完全取代。 建议的总体任务比例： 课程基础阶段：获得与巩固 70%，迁移与挑战 30%； 竞赛初期：获得与巩固 60%，迁移与挑战 40%； 高水平竞赛阶段：获得与巩固 30%—40%，迁移与挑战 60%—70%。 八、教学数据指标 系统不应只记录总正确率。建议跟踪以下指标： 指标计算内容用途延迟保持率学习数天或数周后的独立正确率判断是否真正保持提示依赖率使用提示或资料的题目比例区分独立掌握和辅助完成新知识掌握速度每小时从 M0/M1 达到 M3 的单元数判断学习效率迁移成功率未见过变式中的正确率防止只记模板错误恢复时间从首次错误到独立正确需要多久判断反馈质量方法辨别率混合题中选择正确方法的比例判断是否会识别题型主观负荷学生对难度、疲劳和挫败的简短评分防止长期过载 正确率只能与任务类别结合解释。挑战题正确率低，不应降低学生的“掌握度”评价。 九、四周试运行方案 准备阶段 选择一个范围有限的单元，拆分约 30—80 个知识节点。为每个节点准备： 两至三道诊断题； 一个简短解释； 一个完整示例； 三至五道即时变式； 两道延迟复习题； 一道迁移或错误分析题。 第一周 完成诊断并建立初始掌握状态。记录： 当前正确率； 作答时间； 提示使用； 学生主观难度； 前置知识缺口。 第二至第三周 运行完整流程： 诊断 → 新知识 → 即时练习 → 混合复习 → 迁移任务。 每周根据错误数据修正： 节点粒度； 前置关系； 提示内容； 题目难度； 复习间隔。 第四周 进行三类评价： 无提示延迟测验； 与训练题表面不同的迁移题； 学生对压力、进步感和控制感的反馈。 判断框架是否有效时，应同时观察： 掌握速度是否提高； 延迟保持是否提高； 迁移能力是否下降； 学生是否长期感到挫败； 教师准备和维护成本是否可接受。 十、结论 Skycak 的体系可以作为数学教学中的高效率知识获得系统。它最适合解决： 学生前置知识差异； 固定班级进度； 基础技能不稳定； 复习时机不合理； 优秀学生重复等待； 教师无法持续追踪大量细粒度技能。 它不能独立代表完整数学教育。完整方案仍需保留： 数学解释和书面表达； 概念之间的联系； 证明与反例； 建模； 开放问题； 长时间问题搜索； 同伴讨论； 学习动机和自主性。 实际采用时，可以把 Math Academy 的思想用于知识获得、熟练化和长期保持，再用独立的迁移与挑战任务训练证明、竞赛和研究能力。这样能够保留其认知科学优势，同时避免把数学能力缩减成标准题目的正确率。