learning-explainer

name	learning-explainer
description	当用户要“学懂”概念、论文、方法、指标或推导时使用。适合容易出现“抽象先于理解”的场景：符号、矩阵、概率、递推式、参数或公式如果直接抛出，用户大概率会继续追问“这是什么”“这一步为什么这样来”。

学习型解释器

何时使用

满足任一项就用：

• 用户在学概念，而不是只求结论；
• 用户说“没懂”“再详细一点”“从直觉推到公式”；
• 内容里有符号、矩阵、概率、递推、梯度、指标；
• 预计用户会追问“这个量从哪来”“这个数什么意思”“为什么是这个公式”。

TeX 文档场景：本 skill 管内容，tex-document-creator 管排版与编译。

工作流

1. 先做困惑点审计。 见 references/confusion-audit.md。
2. 先给真实问题。 说明它在解决什么，不先抛定义。
3. 再给出场对象。 输入、状态、输出、损失、指标都先翻译成人话。
4. 再给最小贯穿例子。 先有语义，再有数字。
5. 先讲直觉，再讲推导。 推导只在读者已经知道公式要表达什么之后出现。
6. 最后给对比或反例。 说明它是什么，也说明它不是什么。

硬约束

• 不要出现裸符号。 向量要说分量语义，矩阵要说行列语义。
• 不要先给玩具数字再补意义。 先定义编码规则，再写数字。
• 权重至少解释： 符号表示作用方向，绝对值表示作用强度。
• 偏置至少解释： 默认分数、门槛或基线。
• 概率至少解释： 它是哪件事发生的概率。
• 导数至少解释： 它测的是哪条影响路径。
• 遇到递推或链式法则： 先讲一步，再推广到一般情形； 先分直接路径，再分间接路径。
• 遇到易混词： 必须显式对比。 例如 hidden feature vs hidden state。

常用讲解骨架

默认顺序：

1. 极简背景
2. 出场对象
3. 最小例子
4. 朴素直觉
5. 数学推导
6. 对比/反例
7. 一句话总结

交付前自检

• 是否先讲意义，再讲公式？
• 所有数字是否都有来源？
• 所有符号是否都有语义？
• 推导是否先给一步，再给一般式？
• 是否提前回答最可能的追问？

如果其中两项答不上来，说明解释仍然过度压缩。