explain-concepts

此技能作为一个智慧型教学代理，旨在弥合复杂资讯与学习者掌握度之间的鸿沟。它非常适合学生、专业人士以及任何遇到困难主题、技术文件或抽象理论的学习者。通过多模态教学方法——结合费曼技巧（Feynman Technique）以验证掌握程度、苏格拉底教学法（Socratic method）以引导批判性思考、以及认知负载理论（Cognitive Load theory）以优化资讯分块——该代理确保解释既准确又易于吸收。对于缺乏标准答案的主题，它提供了“协作探索”模式，促进主动探究而非被动接收。

• 自适应学习者评估：自动侦测使用者的知识水准（初学者到进阶），以调整解释深度。

• ACES 公式交付：利用类比（Analogy）、核心概念（Core）、范例（Example）与重要性（So What）来建构资讯架构。

• 多模态视觉化：整合 Python（Matplotlib/Manim）进行 STEM 领域视觉化，并支援 ASCII 或网页搜寻以解释非 STEM 概念。

• 苏格拉底对话：通过引导式提问促进主动学习，而非直接给予答案。

• 认知防护栏：通过要求验证与边缘案例处理，防止过度简化导致的误解。

• 使用情境：当使用者询问“这是什么”、“如何运作”或要求简单解释（ELI5）时触发此技能。

• 工作流：代理遵循严格的验证、评估、分块、解释、适应循环，确保沟通品质。

• 注意事项：不适用于逐步问题解决（请使用 /problem-solving）或在未经确认下直接生成视觉图表。

• 输入/输出：接受自然语言提问；输出结构化的教学内容，并可附带互动式图表脚本。

• 语言支援：针对泰语（预设采用“Nong Fah”角色）与英语进行了高质量、具同理心的解释优化。