用 Python 实现一个「学习中主动提问与非常规解答训练工具」。内容严格保持去营销化、中立化、无引流可直接用于心理健康与创新能力课程的实践环节。一、实际应用场景描述在心理健康与创新能力课程中“提问质量”常被作为衡量思维灵活性的重要指标。相比被动接受信息主动提出问题意味着学习者正在- 监控自己的理解状态元认知- 识别信息缺口- 尝试重构知识结构典型使用场景1. 课堂反思训练学生在听完一节心理学 / 计算机 / 教育学课程后被要求记录至少 3 个疑问并对每个问题给出两种“非标准答案”。2. 自学日志工具程序员在阅读文档或源码时记录“为什么这样设计”而非只记录“是什么”。3. 创新工作坊辅助引导参与者跳出“唯一正确答案”的思维惯性练习发散性解释与视角转换。二、引入痛点Why This Matters1. 提问能力退化- 学习者习惯等待“标准答案”- 很少主动构造问题- 即便有问题也倾向于“查一下就算了”结果是思维活跃度下降认知弹性减弱。2. “唯一正确答案”的思维陷阱大多数教学与评价系统隐含假设一个问题 一个正确答案这抑制了- 多角度推理- 类比迁移- 跨学科联想3. 缺乏结构化记录工具现有工具笔记软件、Todo List- 不区分“问题”与“答案”- 不支持“强制多解”- 无法追踪“提问—反思”过程三、核心逻辑讲解System Design总体设计理念记录问题 → 强制生成两种非常规解答 → 本地保存 → 可回顾核心目标不是“得到正确答案”而是- 训练思维灵活性- 打破单一因果解释- 提升认知容忍度tolerance of ambiguity核心流程Pipeline输入问题↓强制构造两种非常规解答↓结构化存储JSON↓可选标记思维策略类型非常规解答的定义中立、可操作在本程序中“非常规”指以下两类之一1. 视角转换- 从对立角色思考- 从其他学科视角解释2. 极端假设- 假设前提相反- 假设资源无限 / 为零这些定义来源于- 创造性问题解决CPS- 认知行为疗法中的“认知重构”- 设计思维中的“反转假设”四、代码模块化Python项目结构question_reframer/├── README.md├── core/│ ├── models.py # 数据结构│ ├── prompts.py # 非常规思路引导│ ├── storage.py # 本地持久化│ └── cli.py # 命令行交互├── data/│ └── questions.json└── main.pycore/models.py问题与其非常规解答的数据模型from dataclasses import dataclass, asdictfrom datetime import datetimedataclassclass QuestionEntry:question: stranswer_a: stranswer_b: strstrategy_a: strstrategy_b: strcreated_at: str Nonedef __post_init__(self):if self.created_at is None:self.created_at datetime.now().isoformat()def to_dict(self):return asdict(self)core/prompts.py非常规解答思路引导模板STRATEGY_PROMPTS {perspective_shift: 请从完全不同的角色或学科视角重新解释这个问题。,reverse_assumption: 请假设某个关键前提完全相反再推导可能的结果。,analogy: 请用一个毫不相关的领域的类比来解释这个问题。,constraint_removal: 如果所有限制条件都不存在会有什么答案}def get_prompt(strategy_key: str) - str:根据策略键返回引导语return STRATEGY_PROMPTS.get(strategy_key,请尝试给出一个非常规的解释。)core/storage.py本地 JSON 存储模块import jsonimport osfrom core.models import QuestionEntryDATA_PATH data/questions.jsondef _ensure_file():os.makedirs(data, exist_okTrue)if not os.path.exists(DATA_PATH):with open(DATA_PATH, w, encodingutf-8) as f:json.dump([], f, ensure_asciiFalse)def save_entry(entry: QuestionEntry):保存问题记录到本地文件_ensure_file()with open(DATA_PATH, r, encodingutf-8) as f:data json.load(f)data.append(entry.to_dict())with open(DATA_PATH, w, encodingutf-8) as f:json.dump(data, f, ensure_asciiFalse, indent2)core/cli.py命令行交互逻辑from core.models import QuestionEntryfrom core.prompts import get_promptfrom core.storage import save_entrydef run_cli():print( 学习中主动提问训练 )question input(请输入你学习过程中产生的一个疑问\n ).strip()print(\n--- 非常规解答 1 ---)print(get_prompt(perspective_shift))answer_a input(你的解答\n ).strip()print(\n--- 非常规解答 2 ---)print(get_prompt(reverse_assumption))answer_b input(你的解答\n ).strip()entry QuestionEntry(questionquestion,answer_aanswer_a,answer_banswer_b,strategy_aperspective_shift,strategy_breverse_assumption)save_entry(entry)print(\n✅ 已保存。请继续观察这两种思路与你原有理解的差异。\n)main.py程序入口from core.cli import run_cliif __name__ __main__:run_cli()五、README 文件与使用说明# 学习中主动提问与非常规解答训练工具## 简介本工具用于记录学习过程中产生的疑问并强制为每个问题构造两种非常规解答以训练思维灵活性、认知重构能力与跨学科联想能力。适用于- 心理健康与创新能力课程- 自主学习反思- 创新工作坊辅助练习## 安装与运行- Python 3.8- 克隆或下载本项目- 在项目根目录运行python main.py## 使用流程1. 输入一个你在学习过程中真实产生的疑问2. 根据提示给出第一种非常规解答视角转换3. 根据提示给出第二种非常规解答假设反转4. 程序自动保存到 data/questions.json## 设计原则- 不追求“正确答案”- 不依赖 AI 生成- 全部逻辑本地运行- 无账号、无上传、无追踪- 去营销化、中立化## 数据存储所有记录以 JSON 格式保存便于人工审查与后续分析。六、核心知识点卡片中立表述1. 元认知Metacognition对自身认知过程的觉察与调节包括“知道自己不知道什么”是高质量提问的基础。2. 认知重构Cognitive Restructuring通过识别并改变非适应性思维路径生成替代性解释常用于 CBT 与创新训练。3. 发散思维Divergent Thinking在开放问题中产生多种可能答案的能力与创新表现高度相关。4. 视角采择Perspective Taking有意识地站在他人或其他系统的角度理解问题有助于打破自我中心偏差。5. 认知容忍度Tolerance of Ambiguity在面对不确定、复杂或多义情境时能够维持探索而非急于闭合的认知倾向。七、总结工程 教育双视角从工程角度看- 本工具采用清晰的模块化设计- 数据模型稳定、可序列化- 无外部依赖适合长期维护- 可无缝扩展为 Web / API / 批量分析工具从教育角度看- 将“提问”显性化、结构化- 强制生成多解对抗单一答案思维- 用“非常规”而非“正确”作为评价标准- 与心理健康课程中的认知弹性训练高度契合它不是一个“给答案”的工具而是一个训练思维方式的脚手架。利用AI解决实际问题如果你觉得这个工具好用欢迎关注长安牧笛