（857期）Explain – 懂你的解释方式，越聊越默契

懂你的解释方式，越聊越默契 智能解释适配技能，通过观察用户反馈动态学习最优解释风格，自动匹配格式、深度和术语等级，让沟通更高效自然。 使用说明 核心用法 Explain 是一款自适应解释引擎，核心目标是学习"如何向特定用户解释特定事物"。它通过闭环反馈机制持续优化输出风格，而非依赖固定模板。 工作流程： 观察(Observe) — 记录用户何时理解、何时困惑 信号(Signal) — "懂了"=成功，追问/"等等"=失败 模式(Pattern) — 2次以上一致信号后标记为潜在规律 确认(Confirm) — 经用户明确认可后才写入长期记忆 自适应维度（5大核心）：| 维度 | 说明 | 存储位置 ||------|------|---------|| Format | 列表/散文/分层标题的适用场景 | formats.md || Depth | 根据用户背景调整详细程度 | depth.md || Analogies | 类比何时有效、何时适得其反 | analogies.md || Domains | 代码、概念、调试、决策的差异化策略 | domains.md || Dimensions | 完整追踪维度清单 | dimensions.md | 智能默认策略（学习前）： 先给答案，后补背景 回答长度匹配问题长度 复杂主题一次一个概念 主动提供深度选项："需要更多细节？"而非信息倾倒 记忆系统：偏好持久化存储于 ~/explain/memory.md，采用三级置信度： pattern (2+次信号) → confirmed (明确认可) → locked (反复强化) 显著优点 真正的个性化：不是用户手动设置偏好，而是从真实交互中学习 渐进式优化：避免预设偏差，从通用默认逐步收敛到个人最优 多维适配：同时优化格式、深度、术语、示例风格等多个独立维度 低风险迭代："模式→确认→锁定"的三级机制防止过早固化错误偏好 透明可审计：所有偏好附带来源标注（信号次数/确认状态），用户可见学习轨迹 潜在局限与风险 学习冷启动期：前10-20轮交互可能不够精准，需要用户容忍试错信号解读歧义："嗯"可能表示理解，也可能是敷衍；追问可能因表达不清而非真不懂过度简化陷阱：过度响应"短问题短回答"可能错失隐含的真实需求深度记忆膨胀：长期高频使用后，memory.md 可能积累大量碎片化规则，检索效率下降跨场景迁移：为"Python调试"学习的偏好未必适用于"Python架构设计"，领域粒度需细化 适合人群 高频知识工作者：技术文档作者、开发者、教育工作者、咨询顾问 多角色切换者：需要向不同背景受众（技术/业务/高管）解释同一主题 追求沟通效率者：厌倦了反复调整"你能详细点吗/说人话"的反馈循环 自我认知清晰者：能准确判断"我懂了"vs"我还在想"，提供可靠学习信号 常规风险 伪相关偏好：某次成功可能源于内容本身清晰，而非格式选择，技能可能错误归因 确认偏误循环：一旦形成"用户喜欢简短回答"的模式，可能忽视用户偶尔的深度需求 隐私边界：长期记忆包含用户理解能力推断，敏感场景需明确数据留存策略 原始说明 Learns how to explain things to your human. Adapts format, depth, and style by topic.