ChatGPT 学习模式最有用的时候，是它在给出完整解答之前，先让你回忆、解释并纠正概念。从明确的学习目标开始，每次只要一个问题或提示，用自己的话作答，最后在不借助 AI 的情况下把方法重做一遍。

这是一套单次会话流程，不能替代学习计划或课程规定。OpenAI 把学习模式描述为一种会提问、分步推进并检查理解的体验，同时提醒它仍可能出错。［1］

关键要点

打开聊天之前，先定义你必须在无帮助时做到什么。

向学习模式提供任务、你的尝试和允许的帮助程度。

先要诊断和一个小提示，再要求解释。

在对照课程材料核实之前，把流畅的反馈当作假设。

以闭卷重建和错误记录收尾。

ChatGPT 学习模式改变了什么，又止步于何处？

在普通聊天中，最短的路径往往是一份完成度很高的答案。学习模式的设计是放慢这条路径：引出你已知的内容，把主题拆成步骤，并调整后续问题。OpenAI 表示它可以配合上传的课程材料使用，并可能在启用记忆时使用记忆。可用性、支持的入口和具体行为都可能变化，因此请以当前账户中可见的控件为准，而不是依赖旧截图。［1］

该模式不知道教师的评分政策，不能证明来源正确，看不出你是否在猜，也不能认证你已经掌握。如果你的提示索要最终答案，它也可能透露过多。因此，学习效果取决于你设定的约定，以及你之后产出的证据。

可以支持	不能证明
按顺序提问和提示	你能独立完成
针对已提交尝试反馈	反馈一定正确
生成变式练习	练习符合考试要求
调整解释难度	用语符合课程标准
总结错误	你之后仍能回忆

UNESCO 建议在教育中以人为本地使用生成式 AI，包括保护人的能动性和适龄使用。［2］美国教育部同样把 AI 定位为支持、而非取代人的判断和教学目标的工具。［3］当学习者始终是那个尝试、核对和作决定的人时，这些原则才会落到实处。

第 1 步：写下独立完成的学习目标

描述一种可观察的表现，而不是一个笼统的主题。“理解导数”没有给对话任何停止规则；“能解释链式法则、在陌生题目中判断何时使用，并在没有提示的情况下解出一道例题”则告诉你和工具什么才算成功。

会话开始前记录三项内容：

目标： 你必须解释、计算、比较或创作什么。
证据： 哪一份无辅助的输出能证明你做到了。
约束： 允许使用的资料、记号、计算器、协作方式和 AI 政策。

如果任务是计分作业，先阅读课程大纲或询问教师，再决定是否分享。负责任使用 AI 完成作业处理的是这项政策判断；学习模式不能凌驾于它之上。

第 2 步：准备最小且获准的上下文

只给模型它需要的内容：主题、你的水平、确切的困惑点、相关定义和一小段尝试。删除姓名、学号、未公开的答案、私人评语，以及你无权上传的受许可材料。

不要一开始就粘贴整份作业然后说“教我”，那样对话很容易滑向代做。从阻碍你的最小概念或判断入手。

学习目标：[可观察的能力]
我已经知道：[两三点]
我的尝试：[推导或解释]
卡点：[具体一步]
允许的帮助：提问、错误诊断、每次一个提示
不要提供：可直接提交的答案，或在我回应前给下一步
核对依据：[课程来源或定义]

NIST 把虚构内容、隐私、信息完整性和人机配置列为生成式 AI 风险。［4］一份小而明确的上下文能减少暴露，也让无依据的补充更容易被发现。

第 3 步：先要一个诊断问题

让学习模式先问一个能区分几种可能误解的问题。在求助之前先作答；如果不确定，就说明不确定之处，并展示你得出答案的推理。

一个有用的顺序是：

回忆问题；
你的答案和信心程度；
针对你原话的诊断；
最小的有用提示；
修订后的答案；
第二次尝试之后才给解释。

这个顺序能保留错误中包含的信息。一份完整解答会掩盖困难究竟出在回忆、理解、建立步骤、计算还是评价上。

第 4 步：控制学习模式的提示阶梯

事先设定帮助等级。只有当你的下一次尝试表明当前等级不够时，才往上升一级。

等级	AI 帮助	你的动作
0	只重述问题，不解答	标出已知、未知和目标
1	指出相关原则	回忆并表述原则
2	提一个引导问题	选择下一步运算或论点
3	给一个平行例子	把模式对应回原题
4	解释一个卡住的步骤	继续完成余下部分
5	展示完整示例	关闭示例后独立做新题

如果模型跳级，就打断它：“先别继续，问我接下来应该怎么做。”需要更精确时，可以使用向 AI 追问中的技巧，但不要交出下一步的决定权。

第 5 步：让反馈指向你的原话

泛泛的称赞不是有力的证据。要求模型引用或标出你的尝试中哪一行正确、不完整或前后矛盾，然后把问题分成四类：

概念错误；
缺少论证；
过程或计算错误；
表达问题。

每个问题都要求它给出所依据的定义或规则，以及一个检验纠正结果的问题。不要把“看起来不错”当作核验。如果任务依赖教材、公式表、讲课内容或评分标准（rubric），就把反馈与这些来源逐项对照。

第 6 步：改变题目形式，而不只是换数字

纠正原来的尝试后，要一道迁移题：用同一原理，但换一种表示方式或情境。几乎相同的例题测到的可能是模仿，而不是理解。

对概念，在解释、图示描述、反例和应用之间切换；对数学，改变题目结构，或先问该用哪种方法再计算；对写作，要求诊断一个新段落而不是代为改写；对编程，先预测程序行为再运行。

如果之后需要更大的练习集，请转到单独的闪卡和测验流程。本次会话只聚焦一条错误链。

第 7 步：在聊天之外核实主张

为任何重要的内容建立一份主张台账：

主张或步骤	聊天依据	课程或一手来源	结果
定义	引用解释	教材章节	一致/冲突
公式	建议形式	公式表	一致/冲突
历史事实	所述主张	一手或指定来源	核实/未决
评分标准	建议解释	教师标准	确认/询问教师

引用和有争议的主张，按AI 事实核查流程处理。来源之间有分歧时保留分歧，不要让模型挑选措辞最自信的那一个。

第 8 步：关闭聊天后重做

在你觉得“已经学完”之前就结束辅助阶段。隐藏对话，在空白页上完成三件事：

用自己的话解释核心概念；
解答或分析一道新题；
列出这种方法在什么条件下会失效或需要改变。

把结果与目标和来源对照。记录最小的残余错误，并安排稍后再做一次回忆练习。如果你无法重建方法，就回到相应的提示等级，而不是直接去看完整答案。

简短会话记录

保留一份简短记录，让“我学过了”有可观察的含义：

目标：
课程与来源限制：
最初尝试及信心：
诊断错误：
最高提示等级：
纠正核验来源：
迁移任务结果：
无辅助重建结果：
下次回忆日期：

这份记录比保存长篇对话更有用：它显示帮助在哪里介入，以及你之后能独立完成什么。

学习会话常在哪里出错？

现象	可能原因	下一步
聊天立刻给出答案	提示允许代做	重申不给答案的规则，从等级 0 重来
问题感觉太简单	模型缺少表现目标	补上要求的水平和迁移条件
反馈与课程矛盾	模型或来源不一致	停下来核对指定材料
看得懂却写不出	只是被动熟悉	关掉聊天，在空白页回忆
会话变成漫长的绕路	范围太宽	回到一个卡住你的概念
不确定能否使用 AI	政策不清楚	继续之前先问教师

总结

开始之前，先定义无辅助时要达到的表现。
提供最小且获准的上下文，以及你自己的尝试。
使用诊断问题和受控的提示阶梯。
让反馈对应你作业中的确切部分。
测试迁移、核实主张，并在不借助 AI 的情况下重建。
让课程规则和人的判断高于工具。

常见问题

学习模式保证不会直接给答案吗？

不保证。它为引导式学习而设计，但回应会有差异，也可能出错。先说明你接受的帮助边界，遇到过度完整的回应就打断，并用一项无辅助的任务核验。

可以用学习模式做计分作业吗？

只有在适用的教师、学校和考核规则允许时才可以。政策不清楚时先询问，绝不要把生成的内容当作自己独立完成的作业提交。

可以上传教材或讲义吗？

只上传你获准分享的材料，而且只上传任务需要的页面。删除个人信息，遵守版权、学校和平台规则。

账户里没有学习模式怎么办？

先打开普通 ChatGPT 对话。学习模式目前覆盖所有 ChatGPT 方案和模型，并支持 Web、iOS 与 Android，但不能在临时聊天、GPT 或 Project 中使用。Web 端可输入 @study，或点 + 后搜索 Study；移动端可打开 +，再选择或搜索 Study。符合条件的 ChatGPT Edu 工作区也可能已由管理员强制启用，此时不会显示选择器。若仍找不到，请更新并重启应用，再核对当前官方说明。

要一个完整示例算代做吗？

不一定。先尝试，再看平行示例；随后关闭示例，独立完成一道新题。如果只是照搬其结构而不理解，或把它当作自己的作品提交，就越过了学习的边界。

如何证明自己学会了？

从空白页写出解释或解答，处理一道变式题，为每一步说明理由，并在之后再重复一次。在聊天可见时的“认得”只是较弱的证据。

它能替代教师吗？

不能。教师能解释课程、观察表现、执行政策并照顾个人情况。把工具用于有边界的练习，持续的困惑应交给教师或合格的辅导者。

学习时应该开启记忆吗？

这是一个关于隐私和个性化的选择。查看当前的平台设置，避免透露敏感细节，也不要因为互动感觉很私人，就假定学习会话是私密的。

免责声明： 本文提供一般教育信息。请遵守学校的学术诚信、隐私、无障碍和考核规定。

来源

OpenAI, Study Mode in ChatGPT — https://help.openai.com/en/articles/11780217-using-study-mode-in-chatgpt
UNESCO, Guidance for Generative AI in Education and Research — https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
U.S. Department of Education, Artificial Intelligence and the Future of Teaching and Learning — https://www.ed.gov/sites/ed/files/documents/ai-report/ai-report.pdf
NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

Sources checked 2026 年 9 月 6 日。

ChatGPT 学习模式：如何在不代做的前提下学习