用 AI 构造概念例子：正例、反例和边界情况要各司其职
学习一个概念时，让 AI “再举十个例子”可能得到十段相近的说法。数量增加了，边界仍然模糊。更有效的任务是要求每个例子承担不同作用：展示定义、区分相邻情况，或反驳一个明确命题。这样读者知道自己到底从例子里学到了什么。
AI生成概念配图，非真实软件界面
先固定定义和讨论范围
OpenStax 的逻辑教材用条件句解释必要与充分，并介绍如何用反例检验条件断言。本文用一组原创数值例子演示学习流程，不把找几个样本等同于证明普遍规律。
以下是虚构学习场景：小林想理解“能被四整除”与“是偶数”的关系。先约定只讨论非负整数。把前者记为条件甲，后者记为条件乙。目标命题是“满足甲，一定满足乙”，而不是含糊地问“四和偶数有什么关系”。
十六是一个正例：它能被四整除，也能被二整除。但这个例子只说明十六符合关系，不能单独证明所有非负整数都符合。让 AI 在每个样本后写清甲真假、乙真假和本例的作用，能减少“举过例子，所以已经证明”的误会。
反例必须说明反驳哪句话
六不满足甲，却满足乙。它不能反驳“甲推出乙”，因为该命题讨论的是已经满足甲的对象。六反驳的是反过来的说法“乙推出甲”：偶数不一定能被四整除。这个方向差异，正是必要条件与充分条件容易混淆的地方。
三既不满足甲，也不满足乙，可以用来展示两者都不成立的情况，却同样不是原命题的反例。原命题真正的反例必须同时满足“能被四整除”和“不是偶数”。让 AI 专门尝试构造这类对象，并要求按定义检查，而不是为了凑满四格编出一个错误数字。
这类对象在约定范围内不存在。若一个非负整数能被四整除，就能写成四乘某个非负整数；这也等于二乘另一个整数，因此它是偶数。这段依据来自定义和代数关系，比列出再多的二十、二十四更能说明普遍性。
边界情况检验有没有偷换定义
再看零：零等于四乘零，也等于二乘零，所以同时满足甲与乙。它是有用的边界例子，能暴露“整除只适用于正数”的误解。负四虽然也有整除性质，但不在本次非负整数范围内，应标为范围外，不能偷偷加入样本后还声称讨论范围没有变化。
因此，能被四整除是整数为偶数的充分条件；整数为偶数是能被四整除的必要条件。前者足以保证后者，但前者并非整数为偶数所必需，因为六已经提供了另一种情况。把结论和反向关系分别写一句，通常比只记一组术语更清楚。
让模型交付一组有用途的材料
可复用模板：依据我给出的定义与范围，构造正例、接近但不满足的例子、边界例子和范围外例子。逐个解释满足哪些条件。若给出反例，请写明它反驳的确切命题；若某种组合不可能，给出理由，不要为了补齐分类而虚构。区分有限样本观察与一般性证明。
人工核查时可以先遮住 AI 的解释，只按定义重新分类，再比较分歧。数字例子用计算器复算；专业概念回到教材或权威定义核对。若定义本身有多种约定，先选定一套，再讨论边界，不能让模型在不同例子里换标准。
这套做法得到的是一份概念边界说明，不是一组背诵卡片。AI 的价值在于提出值得比较的对象，人仍需验证例子与推理。最终保留少量作用明确、结论可靠的材料，比保留一长串未经检查的例子更有助于真正理解。
