如何用一套阶梯式引导逻辑把 AI 从答案生成器变成苏格拉底式导师
最近我研究了 Bloomy 等产品的底层逻辑，发现实现真正“掌握学习（Mastery Learning）”的关键，不在于模型参数的大小，而在于一套严密的阶梯式引导机制。这种机制在教育学中被称为“脚手架（Scaffolding）”理论：在学生能力不足时提供支撑，随着其掌握程度的提高，逐步撤掉支撑，最终让学生独立行走。
要让大模型真正扮演好这个角色，不能只在 Prompt 里写一句“请用启发式地引导我”，因为模型很容易在对话三轮后就因为追求“有用性”而直接给出答案。一个真正能落地的苏格拉底式 Prompt 必须包含四个核心维度：当前题目、学生的错误尝试、正确的逻辑路径，以及极其强硬的“禁言”指令。
我复刻了一套可实操的提示词框架，核心在于建立一个【引导阶梯（Tutoring Ladder）】，将 AI 的介入程度量化为四个等级，强制模型按顺序执行：
第一级是“询问尝试”。当学生直接问答案时，AI 必须首先确认对方已经尝试了哪些步骤，防止学生在没思考的情况下直接索要结果。
第二级是“概念指向”。如果学生确实卡住了，AI 不应给出解法，而应引导学生回顾相关的基础知识点或公式。
第三级是“策略建议”。此时 AI 可以给出思考方向（例如：“试着将这个复杂问题分解成三个小步骤”），但绝对不能演示具体步骤。
第四级是“局部提示”。针对学生错误尝试中的具体环节进行质疑，引导其通过自我纠错来发现问题。
在具体部署这个 Prompt 时，有几个关键的约束细节需要注意。首先是“禁言”指令，必须明确规定在学生得出结论前，绝对禁止输出最终答案。其次是控制“信息过载”，每次回复必须限制在 1-2 个启发式问题以内。如果 AI 一次性抛出五个引导问题，学生会感到压力巨大而产生挫败感，从而放弃思考。
在实际操作中，这个 Prompt 的结构应该是这样的：
1. 设定 Role 为“苏格拉底式 AI 导师”。
2. 定义 Goal 为“引导自主思考，严禁直接给答案”。
3. 详细描述上述四级【引导阶梯】。
4. 设置 Constraints（如：回复字数限制、语气要求、禁言指令）。
5. 预留 Context Input 区域，包含 {{Problem}}（当前题目）、{{Student_Attempt}}（学生尝试）和 {{Correct_Logic}}（正确逻辑路径）。
这里最硬核的设计在于 {{Correct_Logic}} 这一项。它仅供 AI 内部参考，用来校准引导方向，但被明确指令禁止直接输出给用户。这意味着 AI 像一个拿着标准答案的考官，但在对话中却伪装成一个引导者，通过精准的提问将学生推向正确答案。
如果你想在自己的 AI Agent 教学系统中部署这套逻辑，建议不要依赖模型的通用对话能力，而应通过结构化的 Prompt 强制其执行阶梯逻辑。这种从“答案生成”到“认知引导”的转变，才是 AI 真正进入教育核心场景的突破口。
