用AI一对一私人导师，我干掉99%大学老师

1984 年，教育心理学家 Benjamin Bloom 发了一篇论文。

结论很暴力：接受一对一辅导的学生，平均成绩超过传统课堂教学中 98% 的学生。

这就是教育研究领域著名的「Bloom’s 2 Sigma Problem」。

Bloom 同时指出了一个令人绝望的事实：一对一辅导成本太高，任何社会都无法大规模推行。

这个问题悬了 40 年，直到 AI 出现。

前几天我在 GitHub 上刷到一个开源项目，基于 Bloom 的理论做了一套 AI 学习系统。

我看完 README，卧槽，这不就是我一直想要的东西吗？

今天把这个项目完整拆给你看，内含安装使用教程。

一对一学习为什么这么强

Bloom 的研究发现，一对一辅导之所以有效，核心不是「老师更好」，而是三个机制同时生效。

持续反馈。老师实时知道你哪里懂了、哪里没懂。不会在你已经理解的地方浪费时间，也不会在你没理解的地方直接跳过。

掌握学习。一个知识点必须真正掌握了，才进入下一个。不是「讲完了就算学了」。

课堂教学最大的问题就是不管你懂没懂，进度都在往前推。

自适应难度。同一个知识，对小白可能需要三个类比才能讲明白，对有基础的人一句话就够。

一对一辅导天然能做到这一点。

传统课堂教学只能做到最大公约数，照顾大多数人的平均水平。

结果就是：学得快的人觉得无聊，学得慢的人越来越跟不上。

看视频课也是一样的问题。视频不知道你是谁，不知道你的基础，不知道你哪里困惑。它对所有人说完全一样的话。

而一对一辅导能做到「千人千面」，根据你的实时反应调整内容。

这个系统是怎么运转的

这不是随便跟 ChatGPT 聊天学东西。

项目设计了一套完整的流程，让 AI 真正扮演一对一导师的角色。

整个流程分六步。

第一步：生成课程大纲

当你决定学一个新课题，AI 首先生成一份课程大纲（syllabus.md）。

这份大纲不规定「第一课讲什么、第二课讲什么」，它定义的是学完之后你应该能做什么。

每一条都是可验证的具体能力，而不是模糊的「了解 X」「理解 Y」。

比如这是我的一条学习记录，一共 15 条掌握项，分了 5 个模块。

第二步：逐篇生成课程内容

大纲确定后，AI 立刻生成第一篇课程文档。

每篇文档的结构是固定的：前置知识说明 → 正文讲解 → 思考题 → 反馈区。

AI 在讲解时不是灌输式的，而是用类比、例子、对比来让概念活起来。

第三步：你读完后写反馈、标注困惑

这一步是整个系统的灵魂。

读完一篇后，你做两件事：

• 在文末「你的反馈」区写下你的感受和问题

• 在文中任何读不懂的地方直接标 ???

思考题也直接在下面写答案。不管对不对，先写出自己的理解。

第四步：AI 基于你的反馈生成下一篇

Bloom 理论里「持续反馈 + 自适应」的核心就在这里。

AI 在生成下一篇之前，会做三件事：

• 逐题批改你的思考题答案，标注对错，给出正确答案和解析

• 逐条解答你所有的 ??? 标注

• 基于你的理解程度，决定下一篇讲什么、讲多深

比如你在第一篇的思考题里，第三题直接写了「不懂」。

AI 在第二篇里就专门用了一整节来解释你不懂的问题。

一对一辅导就是这样，它知道你现在在哪里，知道你该去哪里，知道用什么节奏带你过去。

第五步：学完所有掌握项，自动生成总结

当大纲里所有的 checkbox 都被勾上，系统会自动生成一份 summary.md。

这份总结不是简单的内容罗列。它包含：

• 知识图谱：核心概念及其关系，用树状结构展示

• 掌握项逐条复盘：每条能力具体掌握了什么

• 你在学习过程中主动标注的洞察：你读到觉得重要的点，标一个 #summary: 就会被收录进最终总结

• 遗留问题和延伸方向：学完了但还可以继续探索的方向

第六步：学习日志自动记录

每次学习完成后，所有课题的进度、核心概念都会记录到一个学习日志里。

这意味着系统永远知道你学了什么、学到什么程度。

这些知识不会随着对话窗口关闭而消失，AI 不需要你重新解释，它直接去读你的学习记录和总结。

不断沉淀，产生复利。

怎么用

项目地址：https://github.com/Li-Evan/Bloom-one-vs-one-study

需要准备两样东西：

第一，Claude Code。

这是 Anthropic 官方出的命令行工具，让你在终端里跟 Claude 对话，而且 Claude 能直接读写你电脑上的文件。

整个学习系统的运转全靠这个能力，AI 帮你生成文档，你在文档里写反馈，AI 再读你的反馈生成下一篇。

安装方式：

npm install -g @anthropic-ai/claude-code

装完之后在终端输入 claude，按提示登录你的 Anthropic 账号就行。

如果你对安装 Claude Code 有问题，也可以用 Cursor 或者 Windsurf 作为替代。

第二，一个文本编辑器。

能打开 Markdown 文件就够了。你的所有学习操作，阅读、标注、回答思考题，都在编辑器里完成。

准备好了就可以开始了。

先把项目下载到本地：

git clone https://github.com/Li-Evan/Bloom-one-vs-one-study.git cd Bloom-one-vs-one-study

在项目目录下启动 Claude Code：

claude

然后输入一句话：

开一个新的文件夹，帮助我学习 [你想学的课题]

比如：

开一个新的文件夹，帮助我学习 微观经济学

AI 会立刻做两件事：

• 创建一个 微观经济学/ 文件夹

• 在里面生成 syllabus.md（大纲）和 01.md（第一篇文档）

就这样，你的课程已经建好了。打开 01.md 开始读。

核心循环

整个学习系统的精髓就是一个循环，反复执行：

读文档 → 标注困惑 → 回答思考题 → 写反馈 → 告诉 AI「我读完了」→ AI 生成下一篇

读到任何不懂的地方，直接在那个位置写下 ???：

???[这里为什么用公钥加密而不是私钥？]

标多少都行，标在任何位置都行。这些标注是你最真实的理解快照，AI 会在下一篇里逐条解答。

每篇文档末尾都有 2-3 道思考题。直接在问题下面写你的答案。

不管对不对，先写出自己的理解。

写错了是好事，AI 在下一篇会告诉你哪里错了、为什么错，然后用更好的方式帮你重建理解。

文档最底部有一个「你的反馈」区域。写下你这篇的整体感受：哪里觉得太深了，哪里觉得太浅了，下一篇想多了解什么方向。

回到 Claude Code 对话框，输入：

我读完了

AI 会先读取你在文档里的所有标注和反馈，可能会追问你 1-2 个关键问题，然后生成 02.md。

02.md 的开头，你会看到三个部分：

• 思考题复盘，用 ✅❌⚠️ 逐题评估你上一篇的回答，给出正确答案

• ??? 解答，逐条解答你在上一篇标注的所有困惑

• 新内容，基于你的理解水平定制的下一段知识

然后继续读 02.md，继续标注、回答、反馈，说「我读完了」，生成 03.md。

这个循环不断重复，直到大纲里所有掌握项都被勾上。

课程完结

当 AI 判断你已经覆盖了大纲中的所有掌握项，它会生成一篇评估篇，不含新内容，只做最终确认。

你读完说「我读完了」，系统会自动生成 summary.md。

这份总结包含：你的知识图谱、每条掌握项的复盘、你标注过的重要洞察、以及可以继续探索的方向。

一个小技巧

学习过程中，如果遇到某个知识点特别重要，你觉得「这个一定要写进最终总结」，可以在文中标注：

#summary:[期权定价的本质是复制——用已知价格的资产组合复制出相同现金流]

这些标注会被自动收集，最终整合进 summary.md。

相当于你在学习过程中就在给自己的总结做预埋。

最后

Bloom 在 1984 年证明了一对一辅导能让普通学生超越 98% 的同龄人，但他也说这个方法成本太高、无法规模化。

40 年后的今天，你不需要一个真人导师。你需要的是一套设计良好的规则，和一个能执行这些规则的 AI。

项目地址：https://github.com/Li-Evan/Bloom-one-vs-one-study

打开它，开始你的第一个课题。