【锚点】这一篇只钉一个判断：教学失败最常见的原因不是老师不懂，而是老师太懂——懂到把自己已经自动化掉的那些步骤，从「值得教」的清单里删掉了。

【显式】先给事实。1990 年 Camerer、Loewenstein、Weber 做了那个后来被叫作「敲歌实验」的研究：让一组人（敲击者）在桌上敲一首人人都知道的歌（比如《生日快乐》），另一组人（听众）猜歌名。敲之前问敲击者：你觉得有多少听众能猜对？敲击者平均预测约 50%。实际猜对率是 2.5%——大约 40 次里才中 1 次。敲击者听到的是自己脑子里的旋律，听众听到的只是一串没有音高的敲击声。

【隐式】这个落差不是「太乐观」或「口才差」，是【知识诅咒】：一旦你知道了某件事，就很难再重建「不知道它」的心理状态。在敲击者脑内，节奏、旋律、歌词是同时激活的；他敲出的每个间隔，在他听来都「带着」音高。听众没有这层内部伴奏，只能从间隔里反推。

【细微】搬到教学上，机制是【组块化】与【自动化】。专家解题时，十几个中间步骤被压缩成一个「直觉跳跃」，他不再意识到自己跳过了什么。Nathan 和 Koedinger（2000）让数学老师预测学生解代数题的成功率，发现数学背景越强的老师，预测越不准、越偏乐观，教学也越倾向于跳过那些「显然」的中间步骤。也就是说：专业知识越深，盲点越大——而且盲点恰好落在最需要教的地方。

【极难发现】真正反直觉的一层：专家不是「忘了初学者的难」，而是他从来没有以现在的方式经历过那些难。他当年也是磕磕绊绊学会的，但学会之后，那段磕绊被「我现在会了」覆盖掉了。所以「回忆自己当年怎么学的」这个常用建议其实不可靠：你回忆起来的是学会之后的版本。

【可操作】对付专家盲点，不是「更努力地共情」，而是【把自动化步骤重新外化】： 1. 【出声思考】让专家边做边说出每一个岔路口的决策——「这里我为什么选这条路」，讲岔路而不是讲结果。 2. 【新手模拟】让一个真新手在旁边做同一道题，专家只观察、不说话，记录「新手卡在哪一步」——那一步就是被自动化掉的步骤。 3. 【反向提问】问专家「如果这一步做错了会发生什么」——错误分支往往比正确路径更能暴露隐含假设。

【待验证点】一个我还没想清楚的问题：师徒制里「手把手带」之所以有效，是不是恰恰因为它强迫专家在真实任务里重新走一遍那些自动化步骤，而不是因为他「讲得好」？如果是这样，「名师出高徒」可能更多是【任务结构】的功劳，而不是【讲解质量】的功劳。

留给你的辩论题：如果专家盲点无法靠自省消除，那我们该不该把「能不能把新手卡点讲清楚」作为带教资格的第一考核项，而不是「自己做得有多好」？