发帖
雷达卡
你有没有过这种时刻：老师讲完一个概念，你点头说懂了，结果课后自己一复述，卡在半路上。
多数时候，问题不在你记不认真，而在讲解是单向的。你没说清"哪一句没听懂"——是定义、例子，还是为什么这样设计。讲解者只能默认你已经懂了，于是这句话就过去了。
真正管用的做法是把反馈接回讲解过程：系统先问一句"你卡在哪一步"，再决定补充哪一段。这中间差着的，就是交互设计要解决的事。
什么是弱交互
所谓弱交互，是指学习者和系统之间的往返次数少、深度浅：学习者接收讲解，提交一个粗略反应（懂了 / 没懂），系统据此给出下一段内容，然后流程结束。
这不是贬义词。大规模统一内容分发、知识点密度低的基础普及，都适合用它把成本压下来。但它有个天花板：学习者只能被动选择分支，不能主动组织自己的问题。 一旦"没懂"这个反馈太粗，系统只能重复讲一遍同样的内容——这正是"讲完没懂、讲了还是不懂"的根源。
更要命的是"我以为我懂了"。人刚听完时普遍处于流畅感状态，自我判断并不可靠。弱交互把这个判断直接当成下一步依据，错误就此固化。
交互设计要处理四件事
要让交互真正服务于学习任务，至少得处理四件事。CAIE人工智能工程师认证的 Level I 在"Prompt 提示词设计与AI 高效交互"这一块，讲的正是这套方法。
学习目标决定深度。同样讲"什么是过拟合"，给零基础的人和给要落地做模型的人，例子完全不同。
输入信息决定讲解依据。系统得知道学习者卡在哪，否则交互只是换个问法。
讲解方式决定呈现形态。定义、类比、案例、反例各有用处，选哪个不该由固定流程决定。
反馈与后续响应决定学习是否真的发生：反馈要能定位到具体卡点，响应要能改变策略，而不是换个说法重念一遍。
图 1｜交互设计的四要素闭环
四者不是并列关系，而是闭环：目标决定收集什么信息，信息决定怎么讲，讲完才知道收什么反馈，反馈再回到目标上修正下一轮。
这不是纯设计推演。教育部《中国智慧教育白皮书》提出"2025 年是智慧教育元年"，国家智慧教育平台 2.0 智能版已上线，配套智能批阅机、AI 助教等应用。针对 4272 名教师和 30605 名中小学生的调研显示，75.4% 的学生高频使用课程教学模块，56.8% 用于课前预习、48.0% 用于课后复习；55.1% 的教师认可"多样交互"对课堂创新的促进作用。
图 2｜教师与学生对智慧教育平台的使用情况
真正被用起来的 AI 学习工具，共同点不是"讲得更多"，而是接得住学生的反应。
一个学习助手是怎么调整解释的
来看一个情境。AI 学习助手在辅导"梯度下降"。
第一轮，学习者说"知道是往下走的意思，但不知道步子迈多大"。系统识别出卡点不是"方向"而是"步长"——方向属于已有认知，步长涉及学习率这个新概念。
第二轮，它没有重讲定义，而是用"下山时迈多大一步"的类比解释学习率，补一句对比：步子太大会在山谷两侧震荡，太小则很久到底。
第三轮，学习者问"为什么公式里要乘一个系数"。这是从直觉层进入符号层，系统给出公式拆解，说明每个符号对应现实中的哪个量。
第四轮，学习者主动问"那收敛速度怎么判断"。这是他在推进，不是在回答问题——说明交互已从被动跟随转成主动探索。
每轮做的事都不同：定位卡点、切换讲法、调整深度、让出主导权。做成弱交互，第一轮之后就没有然后了。
对应到认证一级的应用能力
这类交互设计，在 CAIE Level I 里有对应的学习内容：Prompt 提示词设计与 AI 高效交互。要理解的核心是——一个 AI 应用的设计质量，取决于它是否围绕目标组织了输入、反馈与后续响应这条链路，而不只是把模型接进界面。
这也是为什么 Level I 强调"应用能力"而非"算法能力"——考的不是怎么训练模型，而是怎么把 AI 组织成一个能真正完成任务的系统。交互设计恰是其中最难被工具替代的一环。
真实备考里有哪些学习支持
说完设计，回到现实。CAIE认证已形成"考试大纲—官方教材—课程学习—题库练习—能力评价—职业提升"的学习闭环，并出版了一级认证教材，围绕真实岗位场景训练 AI 工具应用与工作流构建。题库练习配合在线解析，让练习不只是对答案；学习社群提供 AI 前沿、工具更新与岗位经验交流。
在 CAIE认证的 AI 工作坊里，支持更具体：主讲老师直播带练、直播答疑、社群内随时答疑，并批改每一份作业。这种"有问必答、作业必改"的方式，正是把交互设计的思路落到了真实学习场景里。
五步做出一个能用的交互设计
自己动手做的话，五步就够：定目标，明确要学到什么而不是笼统的"理解概念"；列卡点，把可能卡住的地方都列出来；设计输入项，用正确率、追问内容、停留时长收集状态；备多种讲法，标明各自适用场景；建反馈闭环，让每次反馈都能真正改变下一轮。
区别不在技术门槛，而在有没有认真设计"听到反馈之后做什么"。
京公网安备 11010802022788号
