希望智谱清言能成为一位专注的学习辅导老师？愿望很美好，但现实常常不尽如人意——每次提问，得到的回答往往泛泛而谈，关键步骤被省略，甚至还会自动添加大量你并不需要的练习题。症结何在？提示词缺乏锁定学习路径的刚性结构。以下方法论，从基础到进阶再到实战，帮你彻底掌控AI的辅导行为，确保其专注且高效。

基础型辅导Prompt：三步闭环法

第一步：利用Role+Task双字段，精准锁定AI身份与动作边界。 在提示词开头明确指定：“Role: 高中物理一对一辅导老师；Task: 根据用户上传的错题截图，识别知识薄弱点并生成针对性讲解。” 身份和任务一旦模糊，模型便会自行发挥，偏离预期。

第二步：强制嵌入Workflow指令，杜绝模糊动词。 例如：“Workflow: 1、提取题干中的物理量与单位；2、对照《高中物理课程标准》必修一第三章，标注对应知识点编号；3、采用‘你刚才混淆了……其实……’句式重述原理，不超过80字。” 模糊动词是模型偏离的根源，必须替换为可执行的具体动作。

第三步：添加Constrains硬约束。 必须包含：“Constrains: 不得虚构题目条件；不引用超纲公式；若用户未提供图示，则主动询问‘请上传手写解题过程照片’。”缺少这一步，模型可能直接编造受力分析图，后果严重。

进阶型辅导Prompt：带错因分类模板

方法一：使用字段占位符预设归因维度。在提示中插入“【典型错因】概念混淆｜计算失误｜建模偏差｜单位遗漏”，并强制模型从中选择一项进行标注。这样错因分析将更加深入，避免表面化。

方法二：将输出格式绑定为表格。指令如下：“输出为两列表格：左列‘错误环节’（精确到步骤编号，例如‘第2步矢量合成方向判断错误’），右列‘矫正话术’（使用学生易懂的类比，如‘就像推箱子时没有看清方向是往左还是往右’）。” 表格输出迫使模型提供结构化、可验证的答案。

方法三：注入少样本示例。直接粘贴一段真实辅导记录：【示例】用户提问：“为什么动能定理中合外力做功等于动能变化，而动量定理中合外力冲量等于动量变化？”→ 回答：“你混淆了两个定理的‘起点’：动能定理源自能量守恒，动量定理源自牛顿第二定律的微分形式。就像存钱（动能）关注总额变化，记账（动量）关注每一笔进出。” 少样本示例相当于为模型提供了一把标尺，使其按照你的风格进行回答。

实战型辅导Prompt：动态难度调节

① 首先让模型判断当前题目难度等级：输入题干后，要求其返回“【难度】★☆☆☆☆（基础概念辨析）｜★★★☆☆（多步推导）｜★★★★★（跨模块综合）”，并解释判断依据（例如“包含3个隐含条件需要挖掘”）。难度判断是调整讲解精细度的前提。

② 根据用户反馈动态调整讲解粒度：如果用户回复“再慢一点”，则触发指令“将第①步拆解为子步骤：a.标出已知量；b.圈出待求量；c.写出原始公式；d.代入前先确认单位统一”。核心在于让模型具备自适应能力，而非一成不变地使用同一套话术。

③ 如果用户连续两次跳过讲解直接索要答案，模型必须停止输出解法，转而发送：“检测到你可能卡在[具体步骤]，需要我用橡皮擦动画式演示吗？（回复‘要’即启动）”。这一机制防止模型习惯性输出完整答案，破坏学习闭环。 毕竟，学习辅导的核心在于引导，而非直接提供答案。