01知
KNOWLEDGE
知识获取
公开的场景说明
把输入视为知识理解任务：解释核心概念、澄清边界，并使用适合大学生的例子。
生成结果
运行实验后在这里查看回答。
这类任务应该检查□ 概念是否准确□ 是否直接回应疑问□ 例子是否帮助理解□ 是否标出不确定信息
Context SandboxVisible Context Layers
同一句提示词，为什么会有不同的“好回答”？
保持学生输入不变，公开改变任务场景和评价标准。这个沙盘演示的不是随机性，而是上下文如何定义“什么才算有用”。
CONTROL PANEL
固定参数 · 显示场景层保持学生输入不变
选择 2—4 个任务场景
系统会公开叠加下方的任务说明，而不是假装相同输入会自动产生四种任务。
模型实际看见了什么？
每个场景会把同一条原始提示词放进一个不同且可见的系统任务层。透明展示这一层，才能公平解释回答差异。
02析
ANALYSIS
分析应用
公开的场景说明
把输入视为分析应用任务：识别问题、列出证据与假设、使用清晰框架推导结论。
生成结果
运行实验后在这里查看回答。
这类任务应该检查□ 框架是否匹配问题□ 证据与结论是否对应□ 是否识别反例与限制□ 推理是否可复核
03创
CREATION
创意生成
公开的场景说明
把输入视为创意生成任务：给出彼此有差异的方向，避免套话，并说明每个方向的独特价值。
生成结果
运行实验后在这里查看回答。
这类任务应该检查□ 方案差异是否真实□ 是否跳出常见套路□ 是否满足硬约束□ 是否保留继续探索空间
04修
POLISHING
语言修饰
公开的场景说明
把输入视为语言修饰任务：保持事实和原意，按指定受众与风格改善表达，并说明关键改动。
生成结果
运行实验后在这里查看回答。
这类任务应该检查□ 原意与事实是否保留□ 语气是否适配受众□ 表达是否清晰自然□ 改动是否可追踪
SCENE MATCH MATRIX
用不同场景标准重新观察这些回答
由学生手动触发。评分是 AI 场景匹配参考，不等同于事实准确性，也不要求对角线一定最高。
完成两到四类回答后生成矩阵。
比较时不要只问“哪段更长”
观察每段回答是否满足它所属场景的标准。适合知识解释的回答，不一定适合创意发散；能润色句子的模型，也没有自动获得分析证据。