系列文章: Deeptutor (7/7)
DeepTutor 實戰場景：學生、工程師、研究者的三種用法
前五篇建好了 DeepTutor 的地圖——你知道它是什麼、怎麼裝、有哪些功能。這篇是導航。
三種不同背景的使用者：準備考試的學生、轉職或進修的工程師、整理文獻的研究者。每一種有不同的核心痛點、不同的使用重心、不同的典型工作流。
找到最像你的那個，然後直接套用。
場景一：學生——考試準備和課業理解
核心痛點： 上課聽懂了，但考試還是不會；看懂課本，但換個題型就卡住；複習時間不夠，不知道該優先複習哪裡。
建議的設定
TutorBot： 創建一個嚴格但有耐心的「Socratic 家教」——它不直接給答案，而是用問題引導你想出答案。很多學生覺得這個風格一開始有點煩，但它是真正強化理解的方式。
TutorBot 個性設定：
「當我問你一個問題時，先反問我『你目前的理解是什麼？』
等我說完，再幫我找出我理解裡的盲點，而不是直接解釋。
如果我說不出來，給我一個 hint，不要直接給答案。
每次對話結束時，問我今天學了什麼，請我用一句話說清楚。」
Knowledge Base： 上傳課程投影片（PDF）、課本重點整理（Markdown）、歷年考古題。索引完成後，Quiz 模式可以根據這些材料出針對你課程的題目。
主動提醒： 設定每天睡前 30 分鐘的複習提醒，附帶一道當天課程的問題。
典型工作流：考前衝刺
第一週：建立理解
每天上課後，用 Chat 模式整理當天學的概念：
「今天學了 B-Tree Index，我的理解是 [你的理解]，
有什麼地方理解不對、或者我沒提到的重要細節？」
第二週：練習題目
用 Quiz 模式搭配知識庫，每天做 20-30 分鐘的測驗：
「（使用知識庫：資料庫課程）
出五題關於 Transaction Isolation Level 的情境題，
難度比期中考難一點，答完後幫我分析哪個概念最弱。」
最後三天：模擬考試
用 Deep Solve 模式，把歷年考題一題一題拆解：
「這是去年的期末考題第三題：[題目]
我嘗試的解法是 [你的解法]，但最後答案不對。
幫我找出我哪一步的思路出問題了，
然後給我一個正確的解題框架。」
效果預期
這套流程的核心，是把「被動閱讀」換成「主動回憶 + 即時糾錯」。配合 TutorBot 的間隔複習提醒，考前的記憶密度會明顯不同。
場景二：工程師——技術轉職或技能升級
核心痛點： 技術文件太多看不完、學了忘掉、不知道實際面試會考什麼層次、沒時間系統性學習只能利用零碎時間。
建議的設定
TutorBot： 創建一個「面試教練」風格——直接、要求精確、模擬面試官的提問方式。
TutorBot 個性設定：
「你是一個資深工程師，現在在模擬技術面試。
當我說『考我』時，出一道和我的目標職位相關的技術題，
然後像面試一樣追問——如果我答得太淺，繼續追問細節。
評估我的答案時，直接說哪裡答得不夠好，不要客套。」
Knowledge Base：
按技術領域分庫：
庫一：系統設計（《Designing Data-Intensive Applications》筆記、Leetcode 系統設計題解析）
庫二：目標語言深度（Go 語言規範、concurrency pattern 整理）
庫三：公司技術部落格（目標公司的 engineering blog 整理成 Markdown）
主動提醒： 設定每週一次「面試模擬」提醒，每天通勤時間做 15 分鐘的 Quiz 複習。
典型工作流：系統設計面試準備
星期一到三：主題深入
用 Deep Solve 模式針對一個系統設計主題做深度學習：
「（使用知識庫：系統設計）
我要設計一個支援 1 億使用者的 URL Shortener。
先幫我分析需求、估算規模，再逐步設計系統架構。
每個設計決策都要說明為什麼，以及有什麼 trade-off。」
星期四：測驗當週學的東西
Quiz 模式，針對知識庫：
「根據我這週在知識庫裡更新的系統設計筆記，
出兩道情境題考我 Consistency 和 Availability 的 trade-off，
要求我用設計案例來回答，不接受純理論說明。」
星期五或週末：模擬面試
叫 TutorBot 進入面試模式：
「開始一次 45 分鐘的系統設計模擬面試。
題目自己出，按照 FAANG 面試的風格。
我說完之後，問追問題。最後給我評分和改進建議。」
零碎時間的使用方式
不一定每次學習都需要長時間——Telegram 上的 TutorBot 可以利用通勤時間：
- 早上通勤：TutorBot 傳來一道昨天學的概念測驗題
- 你在手機上用幾句話回答
- TutorBot 給即時回饋
這個節奏不需要打開電腦、不需要準備學習環境——碎片時間做主動回憶，效果比看文章好太多。
場景三：研究者——文獻整理和知識管理
核心痛點： 論文看了太多記不住、引用時找不到來源、想寫研究筆記但整理費時、跨論文的概念連結很難做。
建議的設定
TutorBot： 創建一個「研究夥伴」風格——幫你從不同角度批判性審視你的理解，習慣提出反例和替代解釋。
TutorBot 個性設定：
「你是一個批判性思維很強的研究者。
當我分享一個研究發現或假設時，先問我「你考慮了哪些反例？」
鼓勵我思考多種解釋，而不是接受第一個看起來合理的答案。
幫我維持嚴謹的學術思維習慣。」
Knowledge Base： 這是研究者最值得投入的地方——把論文 PDF 上傳，建立主題式的研究文獻庫。
庫結構：
- 核心理論論文（奠基性文獻）
- 近兩年最新進展（按年份）
- 相關領域交叉文獻
- 自己的研究筆記和假設
典型工作流：文獻回顧
Step 1：輸入新論文
下載 PDF，上傳到對應的知識庫。索引完成後，用 Chat 模式做快速摘要：
「（使用知識庫：主要研究領域）
幫我用 5 個要點摘要這篇新上傳的論文，
並指出它和我知識庫裡哪些已有的論文有直接關聯，
特別是在 [特定概念] 這個議題上的異同。」
Step 2：深度比較分析
用 Research 模式做跨論文的比較：
「（使用知識庫：主要研究領域）
幫我分析知識庫裡所有關於 [研究議題] 的論文，
整理三種主流觀點的異同，附帶每個觀點的代表性引用。
輸出格式：比較表 + 每個觀點的 2-3 句摘要。」
Step 3：生成研究筆記
用 Co-Writer 編輯器把 DeepTutor 整理的比較分析，精煉成你的研究筆記——這份筆記也可以上傳回知識庫，讓後續的查詢可以調用你的整理成果（而不只是原始論文）。
Step 4：測驗自己對文獻的掌握
寫論文前，用 Quiz 確認你真的記住關鍵論文的要點：
「根據知識庫裡的文獻，出三個問題考我：
1. 在 [某個場景] 下，哪篇論文提出的方法最相關？為什麼？
2. [某個研究者] 在 [某篇論文] 裡的核心主張是什麼？
3. [兩種方法] 在實驗設定上有什麼關鍵差異？」
寫作輔助
撰寫論文的相關段落時，可以對 DeepTutor 說：
「（使用知識庫：主要研究領域）
我要寫一段關於 [研究議題] 的文獻回顧段落，
幫我草擬一版，帶引用，引用只能來自我的知識庫裡的論文，
不要引用你訓練資料裡的東西。」
這確保所有引用都是你確認過、存在你知識庫裡的真實文獻，而不是 AI 幻想出來的引用。
三種場景的共同原則
無論是學生、工程師還是研究者，使用 DeepTutor 的效果，最終取決於一件事：你有沒有認真對待持久記憶這件事。
工具給你了記憶的容器，但你要主動往裡面放東西：
- 學完一個概念，告訴 TutorBot 你的理解，讓它記住
- 發現自己的盲點，更新給 TutorBot 知道
- 定期整理知識庫，讓 RAG 的召回質量維持在高水準
DeepTutor 越了解你，它就越有用。這個「了解」，是你們一起建起來的，不是它自動產生的。