Learn topic
My personal collection of handcrafted AI agent skills — original prompting modules for code quality, knowledge exploration, and daily productivity.
npx -y skills add unix2dos/skills --skill learn-topicAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
One thing to look at
- 3 stars3 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.
What its author says it does
Copied from the file, not written here
Only invoke when explicitly requested via "学习"、"讲解"、"teach me"、"@learn-topic". Do NOT auto-trigger.
SKILL.md
8.3 KB, as published. Nobody here has run it
learn-topic
一句话定位
按 5 步认知爬升结构讲一个新主题,让读者在 7-10 分钟内达到 Bloom Apply 层级(能在新场景应用该知识,不只是理解)。
学习科学锚定(详见 references/methodology.md):CLT 的 worked example 梯度 + UbD 倒推设计 + Make It Stick 检索练习 + Productive Failure 的"先猜后看" + 4C/ID 的 authentic task 原则。
📂 加载策略(按需读,不要全加载)
| 何时读 | 读哪个 |
|---|---|
| 第一次用,或写得不顺 | references/example.md(沉没成本完整带旁注样例) |
| 写每一步前需要详细模板 | references/templates.md |
| 想知道某个规则的"为什么" | references/methodology.md |
| 红旗触发但拿不准要不要修 | references/self-checks.md |
⚠️ 禁用 @ 链接——会强制加载烧 context。让 Claude 按需读。
受众默认
跨领域成熟读者:在自己领域是高手,但对该主题陌生。
- ✅ 类比可从读者已熟悉的另一领域借
- ✅ 每段允许 ≤1 个未定义新术语
- ❌ 不假设读者懂该主题任何专有词汇
- ❌ 不从"什么是 HTTP"级别的前置知识开始
输出结构:5 步认知爬升
1. Hook + 终点告知 (120-300 字)
2. 演示 I-do (400-700 字)
3. 拆解 (300-600 字)
4. 半练 We-do (300-500 字)
5. 独挑 You-do + 自检 (300-500 字)
主体总量:1500-2600 字
附录区 :0-500 字(条件触发)
第 1 步:Hook + 终点告知(120-300 字)
- 第 1 句必须命名具体主角(给名字 + 真实场景),禁止"假设有一个..."、"你有没有遇到过..."(无主角问句)
- 首句场景必含痛点数字三件套:(1) 真实公司类型/团队规模/机构(如"80 人 SaaS 创业公司"、"三甲医院体检中心")+ (2) 真实痛点数字(如"3 万用户"、"0.1% 患病率"、"999 元一口价")+ (3) 真实角色职责(如"CRM 产品 PM"、"在线教育后端")。三者缺一即重写——没有数字的"小李做小程序"是假主角。个人理财/健康类话题可放宽公司类型为"个人画像"(年龄+职业+月收入),但数字必须够具体
- 终点用动作动词:"读完 X 分钟,你将能 [识别/选对/设计/判断]" —— 禁用"理解/掌握"
- 中间可有 1-2 句"桥接"连接痛点和终点
第 2 步:演示 I-do(400-700 字)
- 开头加 30 秒 PF 预测题("先猜一下:你会选 a/b/c/d?"),激活先验
- 立单一类比(按主题类型分流:技术→程序员词汇 / 抽象→幼儿园式 / 通用→生活场景)—— 第 3-5 步必须复用,禁换比喻
- 完整 worked example:让主角逐步求解,每个决策点解释"为什么这步选 X 不选 Y"
- Worked example 必过 4 条选取标准(典型性 / 决策密度 / 可压缩 / 真实性)—— 详见 templates.md
- 类比撑不动时走 escape hatch(用最小代码代替 + 显式声明)—— 详见 templates.md
- 时序型主题(OAuth/TCP 等)在此处嵌 sequenceDiagram
第 3 步:拆解(300-600 字)
- 严格反向:所有抽象必须从第 2 步演示反推,禁引入新案例
- 每条规则必须有"边界"——什么时候不适用
- 边界至少 1 条用类比关键词重述(复用第 2 步立的类比,不是纯领域术语)。反例:"纯前端 SPA 没后端会撞墙"——是术语;正例:"纯前端 SPA 等于酒店没保险柜,client_secret 无处藏,要换 PKCE"——把边界翻译回类比,读者才能用类比预测新边界
- 类比破点自觉:第 3 步必须有至少 1 句明示类比在哪里失效或被简化。例:"酒店房卡比喻在跨平台 SSO 时会变复杂——federated identity 不是连锁酒店那么干净" / "雪球比喻在风险层面失效——真实投资会突然缩水一半,雪球不会"。如果类比真的 1:1 干净(罕见),明确写一句"本章类比无明显破点"。沉默 = 不算——没有 explicit 声明视为缺失
- 易混对比(条件触发,否定通过制,详见 templates.md)
第 4 步:半练 We-do(300-500 字)
- 复用主角,新场景——降低认知负荷
- 问题与答案之间必须视觉分隔:
💡 先想 30 秒+---分隔线 + "答案" 标题 - 答案块必须含经验法则句(迁移到独挑的桥梁)
第 5 步:独挑 You-do + 自检(300-500 字)
- 必须切换到"你"——验证迁移
- 1 闭合(有标答)+ 1 开放(给思考方向)
- 同样用
💡 先想 1-2 分钟+---分隔线 + "问题 N 参考答案" 标题
末尾附录区(条件触发,不需要的完全不写)
| 附录 | 触发条件 |
|---|---|
| A 全景图(mermaid) | 多角色时序 / 状态机 / ≥5 节点 ≥7 边 / 历史脉络(4 选 1) |
| B 术语速查表 | 主题含 ≥5 新术语 |
| C 5W2H 速查 | 复合方法论(如 OAuth 流、限流体系) |
不触发就完全不写标题,不留空段。详细规则见 references/templates.md。
输出保存
- 保存目录:
{cwd}/learn-topic_outputs/ - 文件命名:
{YYYY-MM-DD}_{学习主题}.md - 冲突处理:追加
_v2、_v3后缀 - 完成后:告知用户绝对路径
🔴 Red Flags - 见到就停手重写
| 🚩 红旗 | 修复 |
|---|---|
| 第 1 步终点用"理解/掌握"而不是"能 [动作]" | 改成动作动词 |
| 第 1 句不是"小张做..."这种命名主角,而是"假设/你有没有..." | 命名真主角 |
| 第 1 句缺痛点数字三件套(公司类型/痛点数字/角色职责)任一项 | 把缺失项补齐——"小李做小程序"是假主角 |
| 第 2 步没有 30 秒 PF 预测题 | 在 worked example 之前插入 |
| 第 2 步某步没回答"为什么这步选 X 不选 Y" | example 缺决策密度,重选 |
| 第 2 步 example 是"假设有一个..."而非真职业/真场景 | 违反 authenticity,重选 |
| 第 3 步引入了第 2 步没出现过的新案例 | 严格反向,删 |
| 第 3 步所有边界都是纯术语描述("流量平稳时"、"内部服务调用时"),无 1 条用第 2 步类比关键词 | 至少把 1 条边界翻译回类比,让边界条件可视化 |
| 第 3 步从头到尾用类比,无 1 句明示"类比在 X 处失效" | 加一句类比破点声明(沉默不算,必须 explicit) |
第 4/5 步答案没和问题视觉分隔(缺 💡 先想 + ---) | 加上分隔三件套(提示+分隔线+答案标题) |
| 第 4 步答案块没"经验法则"句 | 加上 |
| 第 5 步还在用小张/老李 | 切换到"你" |
| 类比中途换了 | 全文一个比喻,重写 |
| 第 4/5 步答案区没显式出现类比关键词(隐含/延伸不算) | 加 1 句把类比关键词写进答案 |
| 出图但没过 4 条触发门槛 | 删图,改用表格 |
| 文档里出现"自检通过"等元注释 | 全删 |
任一命中:停 → 修 → 重跑红旗。
详细原理(每个红旗为什么是错)见 references/self-checks.md。
📐 量化自检
□ 第 1 步:120-300 字
□ 第 2 步:400-700 字(建议 ≤ 600,决策步骤 ≤ 4 时不要逼近 700)
□ 第 3 步:300-600 字
□ 第 4 步:300-500 字
□ 第 5 步:300-500 字(建议 ≤ 450,给迁移题留余地)
□ 主体总量目标区间 **1500-2200**(硬上限 2600)。超过 2200 必须证明每节都已压缩过——否则找字数最大那节砍
□ 类比关键词在第 3/4/5 步答案区各**显式**出现 ≥1 次(隐含/延伸不算,必须 grep 得到)
□ Worked example 过 4 条筛选(典型/决策/可压缩/真实)
□ 不需要的附录完全没出现
风格
- 句长档位:扫读区(表格/bullet)≤25 字;叙事区(演示/拆解/解释)≤40 字。超必拆。
- 每步 ≥1 处轻松元素:自嘲 / 反问 / 具象比喻(防教科书化)
- Emoji:仅警告(⚠️❌✅)和提示(💡💬💭🚩)
- 单代码块 ≤15 行
闭环
不通过 = 已修,不是只标记。修完重跑 Red Flags + 量化自检,全过才输出。