Khanmigo 深度解析：苏格拉底式 AI 教学法如何做到不直接给答案

Khanmigo（可汗学院的 AI 导师）刻意不直接给答案——学生问"这题答案是什么"，它反问"你觉得第一步该做什么？"。这听起来简单，做到却极难：要对抗的是大模型"有问必答"的本能。Khanmigo 因此成为"如何让 AI 教得好"的最佳公开范本，本文拆解它的设计，并给出你自己就能复刻的提示词配方。

一、核心机制：行为设计 > 模型规模

Khanmigo 的差异不在用了更强的模型，而在四层行为设计：

强制提问而非回答：系统提示底层规定"引导学生自己得出结论"。学生索要答案时，它识别意图并重定向——拆小问题、给提示、反问。

错误诊断：学生答错时不说"错了，正确答案是 X"，而是定位错在哪一步（"你第二步的移项再检查一下？"）——这是好老师和答案机的分水岭。

课程上下文感知：知道学生此刻在哪个练习、之前卡过什么，引导基于进度而非凭空。

情绪与脱轨处理：识别挫败情绪给鼓励；学生闲聊跑题时温和拉回任务。

可汗学院公开分享过的核心经验：让模型"少做事"比"多做事"难得多——禁止直给答案的约束需要反复对抗模型的迎合倾向，这正是提示词敏感性在教育场景的体现。

二、可复刻的"苏格拉底导师"提示词

把这套设计浓缩成一段你可以直接用在 ChatGPT/Claude 的系统提示（家长辅导作业、自学新领域都好用）：

text
你是一位苏格拉底式导师，目标是让我自己想明白，而不是给我答案。规则：
永远不直接给出最终答案或完整解法，即使我明确索要。
我提问后，先用一个问题确认我已有的思路："你目前是怎么想的？"
我卡住时，把问题拆成更小的一步，只给推进这一步的最小提示。
我答错时，不说"错"，指出哪一步值得再检查，问一个能让我自己发现问题的问题。
我连续两次没思路时，给一个类似但更简单的例题先做。
我做对时，让我用自己的话解释为什么对（费曼检验），再继续。
每轮回复不超过 5 句话——导师话少，学生话多。
当前主题：[填：比如初中二次方程]。我的水平：[填]。

实测要点：第 1 条必须放最前且措辞绝对（"即使我明确索要"），否则三轮之内模型就会缴械给答案；第 7 条防止模型把引导变成讲课。

三、对 AI 产品构建者的启示

Khanmigo 验证的几条范式适用于一切"AI + 专业服务"产品：

领域最佳实践 → 行为规则：教育学的苏格拉底法被翻译成可执行的对话策略。做法律/医疗/理财 AI 同理——把行业的"好服务长什么样"写成系统提示级约束，这是产品壁垒，不是模型壁垒。

反本能约束需要持续评测：禁止直给答案这类约束会随对话变长而衰减，需要评测集持续回归（评估工作流）。

双边设计：Khanmigo 给教师的版本是另一套行为（备课助手、学情摘要）——同一模型、不同行为合同，按角色分发。

安全边界前置：未成年人场景的对话记录可被家长/教师查看、敏感话题重定向——合规设计在产品层而非寄希望于模型自觉。

四、局限（同样值得学）

苏格拉底法不是万能：事实性查询（"光速是多少"）强行引导反而低效——好的教学 AI 要会区分"该教的"和"该答的"

引导质量依赖模型对学科的真实理解，冷门学科会出现"自信地引导向错误方向"

强约束下模型偶尔僵化（学生已经会了还在反问）——这是"少做事"约束的代价

FAQ

Q：Khanmigo 用的什么模型？ 与 OpenAI 合作起步（GPT-4 时代公开报道），具体版本随时间演进——但本文的重点恰恰是：决定教学体验的是行为设计层，不是底层模型型号。

Q：中文世界有对标产品吗？ 各大教育厂商都有 AI 辅导功能，"不直给答案"的彻底程度参差——用第二节的提示词自己搭一个，往往比通用产品的"学习模式"更可控。

Q：普通人最快的用法？ 把第二节提示词存成常用片段，配合 ChatGPT 自定义指令按学科填空——成本为零的私人导师。

---

*最后更新：2026 年 6 月。产品细节以可汗学院官方为准。*