教学模式
Regulus 不是「AI 课堂」，而是碎片化学习教练：在有限边界内讲解、出题、批改，帮你在 15 分钟左右完成一个可测量的进步。
设计理念的完整阐述见仓库 DESIGN.md。本节聚焦用户能感知到的教学机制。
教练 vs 老师
| 老师 | Regulus 教练 |
|---|---|
| 按课表讲完一整章 | 一次只推进一个知识树节点 |
| 统一进度、统一难度 | 根据你的画像与已掌握内容裁剪讲解 |
| 讲完即走 | 讲解 → 练习 → 反馈 → 点亮，闭环可验证 |
教练的两个核心行为：
- 知道你现在在哪——不推已会的，也不推太难的；用户画像会聚焦该练的部分。
- 只纠正你最该纠正的那一个动作——不把整本教科书写进对话框。
15 分钟是叙事单位（通勤、午休、哄睡后的碎片时间），不是系统里的计时器。教练按节点边界推进，而不是掐表下课。
知识边界：有框无库
Regulus 不做 RAG 知识库。大模型已经学过绝大多数开发者技术栈；缺的是边界。
每个节点在 Skill 包 / 课程 YAML 里只定义三样东西：
| 字段 | 含义 |
|---|---|
core_concepts | 该讲什么 |
common_mistakes | 容易错什么 |
boundaries | 不讲什么（避免跑题） |
LLM 在这个框里自由发挥——讲解、出题、批改。内容是活的，边界是死的。
主题模块 × 掌握深度
知识树有两个正交维度：
主题模块（module）
按「这一簇在讲什么」分组，例如「Goroutine 基础」「Channel 与通信」。换模块时，心智模型也跟着换。
掌握深度（layer）
按「你要学到多深」分三层：
| 层级 | 典型时长 | 目标 |
|---|---|---|
| 入门 | ~2 小时 | 建立概念骨架，能看懂代码、能简单使用 |
| 熟悉 | ~8 小时 | 掌握生产中最常用的技能，能独立干活 |
| 精通 | ~20 小时 | 深入原理与边界，能处理高难度问题 |
同一节点同时属于一个 module 和一个 layer。module 管主题归属，layer 管难度层级。
大部分在职开发者学到熟悉层就足够；入门层偏「看得懂地图」，精通层留给有追求的人。
单节点教学单元
一个节点的典型闭环：
简短讲解（explain）→ 小题练习（exercise）→ 批改反馈（grade）
→ 通过则评估是否点亮 → 未通过则补讲（review）→ 再练学完这一节，你应该能在项目里试一手，而不是等到「整门课学完」才有产出。
讲解阶段可随时提问；说「实际案例」「生产环境」会结合工作场景展开。
练习难度阶梯
题目按难度分为三档（与作答形式对应）：
| 层级 | 典型形式 | 考查什么 |
|---|---|---|
| recognition（识别） | choice 选择题 | 概念辨析、判断对错 |
| recall（回忆） | text 短答 | 用自己的话解释概念 |
| apply（应用） | json 代码补全 / 找 bug | 能在代码里用出来 |
题序建议（非强制，熟悉/精通层在缺 apply 时会优先出应用题）：
- 首题：偏低难度，可优先 choice 单概念识别
- 第 2 题：choice 或 short_answer
- 第 3 题起：可出 code_fill / bug_find 等应用题
节点可配置 first_exercise_level 调整首题难度。
入门层 vs 熟悉/精通层
- 入门层：以概念讲解与识别为主，不要求必须通过应用级（代码/找 bug）练习即可点亮。
- 熟悉 / 精通层：系统建议至少完成一道应用级练习；若对话中已充分体现代码能力，LLM 综合评估可豁免（见 教练流程）。
相关环境变量：REGULUS_REQUIRE_APPLY_EXERCISE（默认开启建议）。
无感强化
每个人都会犯错。传统做法是「这道题你上次错了，再做一次」——容易让人想关掉。
Regulus 的做法：把历史易错概念悄悄埋进新题的 reinforced_concepts，换表述、换题型。你以为在做新练习，实际在被精准强化。
教练不会对你说「这是复习题」。
追问深讲
在讲解或 review 阶段，若你对同一核心概念连续追问（达到阈值），教练会触发递进深讲——结合你的具体问题展开，而不是重复开场白。
每个概念在一节会话内只会深讲一次，避免啰嗦。
学生画像
系统用简短画像（≤500 字）记住你的背景与目标，用于裁剪讲解与建课：
| 时机 | 说明 |
|---|---|
| 新用户引导 | 可选 2～3 题冷启动，可跳过 |
| 节末回顾 | 节点点亮后异步合并本节对话进画像 |
| 设置页补充 | 你可随时用文字补充学习目标 |
下一节讲解会自动注入更新后的画像。