新领域系统化学习

把一个陌生领域从"完全不懂"推进到"能给别人讲清楚"的 6 步工作流。每一步对应一个提示词，每一步解决学习闭环中的一个环节。

启动阶段：确认学习路径

执行本 skill 时，先向用户确认两条信息：

1. 学习主题是什么
2. 存放路径——在哪创建学习项目目录（动态设定，用户指定）

确认后执行 Phase 0 初始化。

工作区标准结构

{用户指定的路径}/{主题}/
├── Learning/
│   ├── Phase0-进度跟踪/
│   │   └── 学习进度跟踪表.md
│   ├── Phase1-拆解难度/
│   │   └── readme.md
│   ├── Phase2-聚焦重点/
│   │   └── readme.md
│   ├── Phase3-主动回测/
│   │   └── readme.md
│   ├── Phase4-结构整理/
│   │   └── readme.md
│   ├── Phase5-资源筛选/
│   │   └── readme.md
│   └── Phase6-深度验证/
│       └── readme.md

目录命名规则：主题名用英文简写，Phase 名称固定。

工作流（Phase 0 → 6）

Phase 0：初始化

动作：

1. 在用户确认的路径下创建上述完整目录结构
2. 生成 学习进度跟踪表.md（用 REFERENCE.md 中的模板）
3. 初始化跟踪表状态为"进行中"
4. 向用户汇报结构已就绪，确认后进入 Phase 1

Phase 1：拆解难度 — 搭建学习阶梯

解决的问题：不知道从哪开始，一上来就读错材料。

把主题拆成 5 个等级（完全新手→自信实践者），每个等级告诉你该学什么、练什么、怎么算过关。

动作：

1. 向用户发提示词（见下方）
2. 将 AI 回答写入 Phase1-拆解难度/readme.md
3. 更新进度跟踪表 Phase 1 为"已完成"
4. 等待用户确认后进入下一 Phase

提示词：

我想逐步学习 [主题]，不跳过重要的基础。
扮演专家教师和技能教练。将 [主题] 拆解为 5 个清晰难度等级。
每个等级包含：名称、应理解什么、掌握标准、核心概念/技能、
晋级里程碑、动手练习、常见错误、自测题。
5 个等级：完全新手 → 基础理解 → 实用型用户 → 问题解决者 → 自信实践者。

Phase 2：聚焦重点 — 20 小时学会

解决的问题：学了一堆没用的，80% 时间浪费在低频知识上。

找到那 20% 能撬动 80% 实战能力的核心知识，制定最短学习路径。

动作：

1. 向用户发提示词
2. 将 AI 回答写入 Phase2-聚焦重点/readme.md
3. 更新进度跟踪表

提示词：

我想用 20 个专注的学时学习 [主题]。
找出 20% 能带来 80% 效果的概念/技能。
创建 10 节课（每节 2 小时），含学习目标、核心概念、
实践练习、推荐资源、5 道复习题。最后建议一个验收项目。

Phase 3：主动回测 — 考倒我为止

解决的问题：以为懂了其实没懂，"看过"和"理解"是两回事。

AI 从易到难出 10 道题，每题打分、指漏洞、补遗漏。

动作：

1. 向用户发提示词
2. 将问答记录写入 Phase3-主动回测/readme.md
3. 更新进度跟踪表

提示词：

我学完 [主题] 了，测试我的理解。
从易到难问 10 题：1-3 初级 / 4-6 中级 / 7-8 高级 / 9-10 专家级。
每次回答后：打分(10分制)、指出对的、指出漏洞、补上遗漏。
最后给：总分、强弱项、复习计划、5 道终极题。

Phase 4：结构整理 — 一页速查表

解决的问题：学完记不住，复习时要从头翻笔记。

把整个主题压成一张一页地图，5 分钟扫完就能用。

动作：

1. 向用户发提示词
2. 将速查表写入 Phase4-结构整理/readme.md
3. 更新进度跟踪表

提示词：

为 [主题] 生成一页速查表。包含：简短定义、核心概念/规则/步骤、
清晰要点（非长段落）、表格/流程图、3-5 个案例、常见错误、
使用前检查清单、5 道快速测试题。

Phase 5：资源筛选 — 从噪声中找到信号

解决的问题：收藏了上百个链接，真正看过的没几个。

AI 只推荐 5 个最高杠杆资源，按顺序排出 7 天学习路径。

动作：

1. 向用户发提示词
2. 将资源清单写入 Phase5-资源筛选/readme.md
3. 更新进度跟踪表

提示词：

推荐 5 个学习 [主题] 的最高杠杆资源（书/视频/课程/网站）。
每个注明：名称、类型、为什么值得、学什么部分、适合哪种学习者、
难度、如何使用、不浪费时间的警告。排序后给出 7 天学习路径。

Phase 6：深度验证 — 费曼学习循环

解决的问题：能不能用大白话给别人讲清楚。这是最终检验。

AI 先用儿童语言讲 → 你复述 → AI 找漏洞 → 你再讲 → 循环直到干净。

动作：

1. 向用户发提示词
2. 将最终验证记录写入 Phase6-深度验证/readme.md
3. 更新进度跟踪表为"全部完成"
4. 输出完成报告：列出所有产出物路径

提示词：

用费曼学习法深入理解 [主题]。
先用简单语言给我讲（像给 12 岁孩子讲）。
然后我复述，你：指出对的、找出漏洞、只重教搞错的部分、
让我再讲、循环直到解释简单准确完整。

快速路径（非全流程场景）

核心原则

• 先画地图再上路，别在 Level 1 读 Level 5 的教材
• 先学最有用的 20%，剩下的按需补
• "看过"不是"懂了"，让 AI 考你一下就知道
• 不能简单解释就是没真懂——费曼循环是终极检验

知识溯源规范

LLM 在生成各 Phase 内容时，知识来源有两种：

• 原材料：用户提供的学习材料（文章/视频/书/论文等）
• 基座训练数据：模型预训练阶段已内化的知识，原材料未提及

用户有权清楚分辨每条内容来自哪里。以下为必须遵守的标注规范。

来源标记体系

四种场景的处理规则

各 Phase 的标注位置

执行要求

执行任何 Phase 时，Agent 必须：

1. 识别该 Phase 中每条知识点的来源
2. 按上述规则标注
3. 遇到场景 2（冲突）或场景 4（纯扩展）时，明确告知用户