把 Bloom 的 2-Sigma 研究做成 AI 私教：这款 Claude Skill 让你真的学会东西

你试过让 Claude 直接给你讲完一本教材吗？结果大概率是把整本书的内容塞给你，三分钟后你什么都没记住——它解决不了「听懂了 ≠ 学到了」这件事。

一个叫 Bloom 的开源项目直接把教育心理学里的「2 Sigma 问题」工程化了。它把 Benjamin Bloom 1984 年那个经典结论（一对一辅导的学生比普通课堂高 2 个标准差）打包成 Claude Skill，强制让 AI 像一个真正的人类导师那样给你上课：先出一篇课文，读完你说「我读完了」，它才给你下一篇，而且难度是根据你上一次的反馈动态调整的。

它怎么知道你会不会？

Bloom 配套了完整的反馈循环：

• 划线 + 批注即时问答——Web 模式下你可以直接在文档上划重点、问问题，AI 不会打断阅读节奏。
• 学习日志——每次反馈都会落库，下次开课时 AI 会先调取你之前的错题和盲点。
• 苏格拉底式提问——默认不直接给答案，而是用问题引导你自己推导。这一点是它跟普通 chatbot 最大的差异。

两种用法，二选一

CLI 模式（轻量首选）：核心就是 bloom-tutor 这个 Skill，零后端依赖，复制进 .claude/skills/ 就能用。触发词很自然：「帮我学 X」「我读完了」「整理学习日志」。

Web 模式（重度学习者）：完整 React + FastAPI 应用，自带学习日历、课程管理、可视化进度。Docker 一键部署，任意 OpenAI 兼容 LLM 都能跑。

两个模式之间是解耦的——你先用 CLI 摸一摸自己的学习节奏，喜欢了再升级到 Web 也很顺。

值得抄的「学习设计」套路

Bloom 的项目结构很值得参考，它把「学习」拆成了 6 个可组合的子 Skill：

• learn-deep——一次性跑五维视角再选方向
• learn-crossover——用你已经会的概念去类比新的
• learn-occam——判断这东西值不值得学、该学多深
• learn-graph——生成学科知识图谱 + 学习路径
• learn-prototype——边做边学，最小可行原型起步
• learn-feynman——讲给别人听来验证真懂没懂

这一套组合打法，比单一「AI 老师」要强得多——尤其适合那种「想入门某个领域但完全不知道从哪下手」的处境。

几个真实使用提示

• CLI 模式强制中文输出（GUIDE.zh.md 里写死了），双语文档齐全。
• Web 模式需要你自己接 OpenAI 兼容的 API，不是白嫖服务。
• 每个 Skill 文件夹都是零依赖的独立模块——你完全可以单挑 learn-feynman 一个塞进自己的工作流。
• 目前在 GitHub 上 263 stars / 41 forks，MIT 协议，作者 Li-Evan，仓库有持续提交。

如果你最近正好想认真学点什么、又嫌市面上的 AI 老师只会「喂你材料」，Bloom 这套思路值得先体验一遍。

👉 仓库直达：https://github.com/Li-Evan/Bloom

GitHub: https://github.com/Li-Evan/Bloom