先猜错，再动手：这个开源技能把 Transformer 拆成可操作的课

AI 生成课件不稀奇，难的是生成一堂能让人动手验证的课。Teachable Figures 最近开源，定位是给 AI agent 用的技能：把抽象概念做成可交互的 2D 和 3D 教学图。项目地址在 GitHub，在线 demo 在 这里。

作者在帖子里说，起点很具体。学 AI 模型架构和 AI 基础设施时，读到 SGLang 这类系统，作者总想看到正在发生什么：数据去哪了，组件怎么配合，改动一处会带来什么变化。第一版技能就是用来理解 SGLang 的可视化解释。后来作者看到 Anatomy 和 iso-figure 在机械结构、剖面、爆炸图、等距功能物体上的渲染方法，把这些方法和自己的教学流程结合，才有了 Teachable Figures。

项目反复处理一个问题：某个想法适合用什么方式表示？

Transformer 需要跟着数据走一遍计算，看因果掩码怎样改变注意力权重。解剖结构需要旋转、看内部、理解相对位置。机械装配需要拆开零件，检查连接关系。历史服装需要看清重叠的面板、结构和褶皱。每种知识都要求不同的展示方式。作者也提到，迭代时选择合适的渲染器和素材，本身就是教学流程的一部分。

视频里是 Transformer 注意力示例。左侧把查询、键、值的位置关系摆出来，中间给出相似度矩阵，右侧抛出选择题：一个 token 能读到谁？强相似度能否越过掩码？页面上有“Save prediction”和“Try a data flow”，让学习者先保存判断，再改数据流看结果。

交互流程可以概括成：预测，尝试，观察，解释，再应用到新情境。作者举了几个问题：多加一个齿轮是否总让输出变慢？圆锥截面半径翻倍，面积会怎样？火箭只要发动机产生推力就会起飞吗？这些问题都要求学习者先做预测，再改参数，最后得到一个可以推理的结果。

学习科学也被放进了设计。双重编码让文字解释和视觉元素互相配合。空间与时间邻近决定解释放在哪里，以及怎样和画面变化保持同步。认知负荷决定先展示什么，后展示什么。

当前 demo 覆盖 Transformer 注意力、胸部解剖、火箭结构与飞行、圆锥截面、明代长袍和齿轮比。支持中文和英文，可以离线运行。

有评论提到，agent 能生成还不错的幻灯片，但很难处理一堂课的顺序和节奏。作者回复称，学习难的地方在于学会之后无法取消学会，重新复现初始的心理和认知状态并不容易。所以，捕捉自己的学习问题并把它产品化，可能更容易扩展。

还有评论问，图里的数字是实时计算，还是手绘近似。Jerry Liu 提到，做 Transformer 内部动画解释时，屏幕上每个数字都来自真实计算，比如实际注意力权重和缓存大小，这样才容易建立信任。作者回复说，正在做另一个技能，用来可视化应用仓库和 LLM 仓库，帮助理解架构和数据流。如果要修改工作流或组件，还会给 coding agent 生成重构交接文档。

齿轮 demo 下也有人注意到一个细节：把两组结果同时留在屏幕上，同样的半圈转动，方向不同，对比一下就能明白。这比单纯看动画更有用。

原始帖子：https://x.com/yiyibuilds/status/2116289366784168399