对话式学习对话模式
AI 根据你的理解，陪你一步步往下学
内容被拆成清晰的小场景，由助教逐步讲解。随时停下来追问、回看或切换章节，不必在长文和聊天窗口之间来回跳。
第 2 节 · 建立可靠的复习节奏
本节旅程
- 为什么会忘
- 何时再练习
- 快速自测
小会 · AI 学习助教
复习不是越频繁越好。关键是在你需要努力回想、但还没有完全忘记时，再尝试提取一次。
那我要怎样判断“快要忘记”？
很难靠感觉精确判断，所以我们会根据你之前的回答和间隔时间，安排下一次验证……
点击继续对话2 / 4
为成年人的职业成长与兴趣探索而设计
你定目标，AI 帮你建立一条持续调整的学习路径
好会学会理解你的目标与基础，建立可调整的学习地图，并通过讲解、练习和复习持续判断下一步。
不只是回答问题，也不只是生成课程，而是持续辅助你的整个学习过程。
了解它如何工作和普通 AI 学习有什么不同
不是把一次对话拉长，而是把每次学习连起来
普通 AI 很适合快速获取答案。好会学更关注一个持续数周或数月的问题：你怎样才能真正独立做到？
比较普通对话 AI好会学
起点
普通对话 AI
从眼前的问题或一条指令开始
好会学
从你最终需要独立做到什么开始
过程
普通对话 AI
在当前对话里给答案或生成一份大纲
好会学
让讲解、练习与复习始终服务于同一目标
调整
普通对话 AI
下一次提问时，往往需要重新说明情况
好会学
根据任务表现与提示依赖持续更新下一步
它如何工作
从目标到下一步，始终清楚可执行
不要求你先研究学习方法。系统负责整理路径，你只需要从当前最合适的一步开始。
- 01
说清目标与基础
告诉好会学最终想做到什么、已经会什么，以及每周能投入多少时间。
- 02
建立可调整的学习路径
从目标倒推所需能力，检查前置关系，再拆成可以真正开始的学习单元。
- 03
根据学习证据持续调整
讲解、练习和复习围绕同一目标展开，系统依据实际表现推荐下一步。
学习不只是一页文字
开口、选择、思考，再真正学会
同一条学习路径，可以像和助教并肩推进，也可以进入情境做决定。两种体验都不是旁观内容，而是让你参与其中。
会学剧场 · 情境演练情境演练
进入真实情境，用选择检验自己会不会用
在适合的课程中，你会遇到角色、目标与连续决策。每次选择都会推动故事、改变局面，让抽象知识变成需要权衡的行动。
项目会议 · 第 3 幕你的选择会改变后续
林
客户临时要求提前一周上线，但团队已经连续加班。你准备怎样回应？
1先承诺日期，再回去压缩测试时间
2澄清优先级，提出可交付范围与风险
3直接拒绝，维持原来的全部计划
团队信任68
对话模式适用于完整课程学习；会学剧场会在适合进行情境应用的课程中出现。
课程与测试
一节内容里，讲解、追问和检验是连在一起的
从预习要点到正文、随文追问、自测和修正，每个环节都围绕同一个学习目标展开。测试不是最后才出现的终点。
随文追问
卡住时，不必离开正在学的内容
选中不理解的句子，直接让 AI 换个例子、用类比解释，或检查自己究竟错在哪里。追问会保留原文上下文，不用重新描述问题。
针对选中的原文继续问
答错互动题后立即定位误区
把有帮助的解释整理回学习内容
正文讲解
学习中间隔复习为什么有效？
与其在一次学习中重复很多遍，不如在记忆即将变弱时再次提取。每次成功提取，都会让之后的保持时间变长。
“在记忆即将变弱时再次提取”追问
针对这段内容追问
能用一个工作中的例子解释吗？
AI 助教
就像练习演讲：连续讲五遍看似熟练，但隔两天再讲一次，更能检验你是否真的记住了结构……换个例子用类比解释哪里理解错了
学习单元结构示意
说明学习环节，不代表具体界面布局
- STEP 01
预习要点
先知道本节要解决什么问题，建立阅读和练习的方向。
- STEP 02
正文讲解
围绕能力目标解释概念、例子和使用条件，而不是堆砌资料。
- STEP 03
快速自测
刚学完就用一个小任务检查理解，及时发现似懂非懂。
- STEP 04
引导修正
根据具体误区补充解释或继续追问，再决定是否进入下一步。
测试如何参与学习
测试的作用不是结课打分，而是决定接下来怎么学
一次回答会结合是否独立完成、提示使用情况和后续表现来理解。单次答对不会直接等于掌握。
能够独立完成
证据充分时，继续进入后续内容。
依赖提示完成
增加针对性练习，减少提示依赖。
暂时理解但不稳定
在之后的任务或复习中再次验证。
它如何知道你真的学会了
一次答对，不一定代表掌握
好会学不会只看“对还是错”，而是结合任务表现与提示依赖，持续更新对学习状态的判断。
- 是否独立完成，而不只看答案是否正确
- 使用了多少提示，以及提示后能否继续
- 错误来自知识缺失、理解偏差还是应用困难
- 能否在不同任务和新情境中再次使用
- 证据是否足够，以及知识是否需要重新巩固
为什么不会只生成一份普通大纲
从目标倒推能力
不是先列章节，而是先确认最终需要做到什么。
检查前置关系与覆盖范围
避免漏掉关键基础，也减少与目标无关的学习。
分开知识结构与个人状态
课程里有什么，和你现在会不会，是两个不同问题。
用任务证据判断掌握
看完、点完成或偶然答对一次，都不直接等于掌握。
更适合怎样的学习目标
最终要能做成一件事，而不只是知道答案
如果只是临时查一个答案，搜索或普通对话 AI 已经足够。好会学更适合需要几周到几个月、必须形成独立能力的目标。
职业技能
围绕真实工作任务，补齐从基础理解到独立应用所需的能力。
例如：开发 AI Agent、学习数据分析
项目型学习
不止看懂概念，而是以能够完成作品或解决问题作为最终结果。
例如：做一个网站、完成一份研究报告
系统兴趣
把零散兴趣整理成有前后关系的路径，逐步形成稳定能力。
例如：写作、心理学、项目管理