[智能应用]AI 编程进入“反向教学”模式，写到一半会停下考你：这行代码你来写 [复制链接]

Claude code又更新了，最近claude几乎一天一更新，今天，Claude Code 和 Claude App 推出了学习模式，感觉Claude Code正在朝着万能Agent发展
先说 Claude Code：现在支持用 /output-style 来定制沟通风格，Output styles允许你把 Claude Code 调整为任意类型的Agent来配合你的工作流程，同时保留它的核心能力（运行本地脚本、读写文件、维护 TODO）
这次主打两种风格，专为学生和开发者提升技能而来：
Explanatory（解释）——Claude 会把它的思考过程摊开说，为什么这么设计、有哪些权衡、最佳实践是什么，一边写代码一边讲门道
Learning（学习）——更像结对编程的导师。Claude 会不时暂停，把部分任务交给你来写，再给出指导与反馈，边做边学
实操上，如果你想更深入理解它在做什么、为什么这么做，选 Explanatory；如果你想通过亲手编码快速进步，选 Learning，把 Claude 当成带你升级打怪的搭档就好。更多细节可看官方文档：
https://docs.anthropic.com/en/docs/claude-code/output-styles
另外，对所有 Claude App 用户也有好消息：此前在 Claude for Education首发的 Learning 风格，现在全面开放。随便打开一个聊天，切到 Learning，Claude 就会从直接给答案切换为手把手带你啃难点的教学模式
细节如下：
Output styles 三种内置输出风格：Default / Explanatory / Learning
Claude Code 默认是 Default 风格，也就是内置的系统提示（system prompt），目标是高效完成软件工程任务。
这次新增两种更偏教学与带教的风格：
Explanatory（讲解型）
在帮你完成任务的同时，穿插提供教育性的 Insights：为什么这么实现、代码库里有哪些常见模式、不同方案的权衡点是什么……一边写码一边讲门道
Learning（学习型）
主打边做边学的协作体验。Claude 不仅会插入 Insights，还会有意识地把一些小而关键的代码片段留给你来写，并在代码中标出 TODO(human) 让你实现。这很像在和一位耐心的导师结对编程，一边把活干了，一边把能力练上去
选型建议：
想深入理解它在做什么、为什么这么做，选Explanatory
想通过亲手写 + 实时指导更快升级技能，选Learning
想极速交付、不分心学细节，用 Default 就好。
输出风格是怎么生效的？
它直接改写了 Claude Code 的系统提示（system prompt）
非默认风格会关闭默认里那些专门为了高效产出代码设计的指令（比如“尽量简洁回答”“用测试校验代码”等），转而加入自己的一套定制教学/协作指令
结果就是：你切到 Explanatory / Learning 后，Claude 的工作方式和表达习惯会明显变化，更贴近教学与带教的场景
小提示：如果你非常依赖默认里的“精简输出”“自动测试”等行为，切到非默认风格后要有心理预期；或者把这些要求写进你自定义风格的说明里（后文有示例）
如何切换输出风格？
两种方式，随手就能用：

1. 
   
   1. 运行 /output-style 打开菜单，直接选择风格（也可从 /config 菜单进入）
   
2. 
   
   2. 运行 /output-style [style] 直接切换，比如：/output-style explanatory /output-style learning

这些更改作用在本地项目级，并保存到项目目录下的：
.claude/settings.local.json自定义你的风格：把 Claude 调成你的专属搭档
想做更贴合团队习惯的风格？一条命令就够了：
/output-style:new I want an output style that ...
通过 /output-style:new 创建的风格，默认保存在用户级目录，方便跨项目复用：
~/.claude/output-styles
风格是一个 Markdown 文件，结构大致如下（可直接照此编辑）：
--- name: My Custom Style description:   A brief description of what this style does, to be displayed to the user --- # Custom Style Instructions You are an interactive CLI tool that helps users with software engineering tasks. [Your custom instructions here...] ## Specific Behaviors [Define how the assistant should behave in this style...]
当然，你也可以手动创建输出风格的 Markdown 文件，放在：
用户级：~/.claude/output-styles
项目级：.claude/output-styles
实战建议：
如果团队有统一的代码评审口径、提交规范、异常处理习惯，把它们写进 Specific Behaviors
如果你想既教学又高效，可以在自定义里明确要求在讲解后仍需提供可运行的最终版本/必要测试
项目级风格适合沉淀该仓库的约定与架构惯例；用户级风格适合个人长期偏好（比如“先问再写”“严格类型优先”等）
它跟其他功能有什么不一样？
Output Styles vs CLAUDE.md vs --append-system-prompt
Output styles：彻底替换Claude Code 默认里那些针对软件工程高效产出的部分指令，用你指定的教学/协作规则来运行主循环
CLAUDE.md：把内容作为用户消息附加在默认系统提示之后，不会改写默认系统提示本身
--append-system-prompt：把内容追加到系统提示后面，但仍在默认系统提示的框架内工作
Output Styles vs Agents
输出风格：只改主循环的系统提示，让主代理换工作方法/沟通风格
Agents：为特定任务单独唤起，除提示词外，还能指定使用的模型、可用工具和触发条件等更完整的运行环境
Output Styles vs. 自定义 Slash 命令
可以把输出风格理解为存起来的系统提示
自定义 Slash 命令更像存起来的用户提示，执行时发一条预设指令，但不改变主循环的底层风格
典型使用场景与上手清单
1）新同学快速上手代码库
选 Explanatory，边看边写边理解：代码组织、模块边界、常见模式、历史权衡，一路都有 Insights 提示
2）自我提升 + 也要把活干完
选 Learning，让 Claude 把关键点交给你写（TODO(human)），再给反馈——既不耽误交付，又能稳步进阶
3）团队统一工程习惯
新建一个项目级自定义风格，写明提交规范、日志与错误处理、异常边界、测试约定，大家风格一致，代码质量更稳
4）临时切换、不打断节奏
用 /output-style explanatory和 /output-style learning 来回切，很快就能在高效交付和深入学习之间切换
Claude App 里也能学：Learning 风格全面开放
不仅是 Claude Code，Claude App也开放了 Learning 风格（此前首发于 Claude for Education）。在任意聊天里切到 Learning，Claude 就会从直接给答案切换为引导你理解难点、循序渐进的教学模式。遇到抽象概念或复杂主题，这种先引导、再给结论的节奏更利于吸收
结语
Output styles把一个 Claude拆成了三种体验，甚至是无穷多种自定义体验。学习、带教、交付、规范沉淀，你可以按需切换，不再在效率和理解之间二选一
想更深入了解官方示例与说明，戳这里：
https://docs.anthropic.com/en/docs/claude-code/output-styles
动手：可以先试试 /output-style learning，让 Claude 当你的结对导师

Claude Code 和 Claude App 的最新更新

Claude Code 和 Claude App 最近频繁更新，尤其是今天推出的学习模式，标志着 Claude 正在向更加多功能化的方向发展。这一更新不仅提升了用户体验，也为学生和开发者提供了更多的学习和开发工具。

Claude Code 的新特性

Claude Code 现在支持通过 `/output-style` 命令来定制沟通风格。这意味着你可以根据自己的需求，将 Claude Code 调整为任意类型的 Agent，以更好地配合你的工作流程，同时保留其核心能力（如运行本地脚本、读写文件、维护 TODO 列表）。

此次更新主要推出了两种新的输出风格：

1. Explanatory（解释型）
   - 特点：Claude 会详细解释其思考过程，包括设计原因、权衡因素以及最佳实践。
   - 适用场景：适用于希望深入了解代码实现细节和背后原理的用户。

2. Learning（学习型）
   - 特点：Claude 会像结对编程的导师一样，引导用户编写代码，并提供实时的指导和反馈。
   - 适用场景：适用于希望通过实际编码快速提升技能的用户。

如何切换输出风格

切换输出风格非常简单，可以通过以下两种方式进行：

1. 通过命令菜单切换
   - 运行 `/output-style` 打开菜单，直接选择所需的风格。
  
2. 直接通过命令切换
   - 运行 `/output-style [style]` 直接切换到所需风格，例如：
     ```bash
     /output-style explanatory
     /output-style learning
     ```

这些更改会保存在本地项目的配置文件中（`.claude/settings.local.json`），以便下次使用时自动应用。

自定义输出风格

如果你有特定的需求，还可以通过 `/output-style:new` 命令创建自定义的输出风格。自定义风格的配置文件是一个 Markdown 文件，保存在用户级目录 `~/.claude/output-styles` 或项目级目录 `.claude/output-styles` 中。文件结构大致如下：

```markdown
---
name: My Custom Style
description: A brief description of what this style does, to be displayed to the user
---

Custom Style Instructions

You are an interactive CLI tool that helps users with software engineering tasks.

[Your custom instructions here...]

Specific Behaviors

[Define how the assistant should behave in this style...]
```

典型使用场景

1. 新同学快速上手代码库
   - 使用 Explanatory 风格，帮助新成员理解代码组织、模块边界、常见模式和历史权衡。

2. 自我提升 + 也要把活干完
   - 使用 Learning 风格，让 Claude 把关键点交给你写（TODO(human)），并在完成后提供反馈。

3. 团队统一工程习惯
   - 新建一个项目级自定义风格，写明提交规范、日志与错误处理、异常边界、测试约定等。

4. 临时切换、不打断节奏
   - 使用 `/output-style explanatory` 和 `/output-style learning` 快速在高效交付和深入学习之间切换。

Claude App 的更新

不仅仅是 Claude Code，Claude App 也开放了 Learning 风格（此前首发于 Claude for Education）。在任意聊天中切换到 Learning 风格后，Claude 会从直接给出答案转变为引导你理解难点、循序渐进的教学模式。这种先引导、再给结论的方式有助于更好地吸收抽象概念和复杂主题。

结语

Output styles 功能使得一个 Claude 可以拥有多种不同的体验，甚至可以根据需要自定义无限多种体验。无论是学习、带教、高效交付还是规范沉淀，你都可以按需切换，不再需要在效率和理解之间做出取舍。

想更深入了解官方示例与说明，可以访问 [官方文档](https://docs.anthropic.com/en/docs/claude-code/output-styles)。

动手试一试吧！可以先试试 `/output-style learning`，让 Claude 成为你的结对导师。

基于对AI编程领域最新动态的分析，“反向教学”模式（如AI生成部分代码后主动暂停，要求用户补全）代表了智能编程助手的重大范式转变。以下从核心机制、教学价值和技术实现三个维度进行结构化解析：

🔍 一、核心机制与交互流程
动态中断与用户参与
AI工具（如GitHub Copilot的"填空模式"）会在生成代码时主动选择高不确定性位置暂停（如关键算法逻辑、API参数配置），提示用户手动补全。例如：
# AI生成部分
def calculate_discount(price, discount_rate):
    discounted_price = price * (1 - discount_rate)
    # 补全：添加税费计算逻辑（用户需在此处编写代码）
``` ```  
用户可通过**按Tab键接受AI建议**或**自行编码**继续 [2]()[4]()。

与传统自动补全的本质差异
传统模式    反向教学模式
被动响应触发（如输入字符）    主动中断流程，制造"教学时刻"
追求代码完整性    刻意保留认知缺口，促使用户思考
单次交互完成    形成"AI引导-用户实践"的闭环
🎓 二、教学价值与认知科学依据
强化主动学习效果

通过测试效应（Testing Effect）：要求用户即时实践，比被动阅读代码的记忆留存率提高40%以上 3；
降低认知负荷：将复杂任务拆解为可控片段，避免新手面对完整代码的畏惧感 5。
元认知能力培养
AI的暂停位置实质是标记知识盲区（如："此处需要异常处理"），迫使用户反思自身知识结构，而非机械复制代码 5。实证数据显示，采用该模式的用户对代码逻辑的后续调试时间减少35% 3。

⚙️ 三、技术实现原理
熵值预测驱动中断
AI模型实时计算代码生成的不确定性分数（熵值），当检测到高熵代码段（如需业务特定逻辑）时主动暂停。例如：

低熵：标准API调用（requests.get() ） → 自动完成
高熵：定制化业务规则 → 触发用户输入 4
上下文感知的教学设计
暂停策略动态适配用户水平：

新手：在基础语法点（如循环条件）暂停；
进阶者：在架构设计（如接口抽象层）暂停 25。
💡 四、典型应用场景与工具推荐
场景    代表工具    反向教学特性
教育/新手入门    Replit AI    分步生成练习题，强制手写关键变量命名
企业级开发    GitHub Copilot X    在安全漏洞高发点（如SQL注入）暂停提示
代码重构    Cursor Pro    标识技术债务模块，要求用户主导优化
💡 实践建议：在Copilot设置中开启Fill-in-the-middle模式，或使用Cursor的/ask指令手动创建暂停点

结语：从工具到协作者的范式升级
这种模式标志着AI从代码生产者转向认知教练——通过精准制造"可控挫败感"，将编程学习转化为持续的刻意练习。开发者需主动拥抱这种互动，例如在补全代码后追问AI："为什么此处需要异常处理？" 以激发深度解释 5。随着多模态发展（如结合可视化断点），该模式可能进一步扩展到硬件编程、数据科学等复杂领域 4