Scientific-learning-skills-
Health Uyari
- License — License: MIT
- Description — Repository has a description
- Active repo — Last push 0 days ago
- Low visibility — Only 6 GitHub stars
Code Gecti
- Code scan — Scanned 6 files during light audit, no dangerous patterns found
Permissions Gecti
- Permissions — No dangerous permissions requested
Bu listing icin henuz AI raporu yok.
Diagnosis-first Agent Skills that turn AI from answer machine into learning tutor.
Scientific Learning Skills
Turns AI from answer machine into diagnostic tutor. Student-facing Agent Skills — diagnosis before explanation.
Quick Start · Demo · Eval · 对比实测 · Platforms · English
它能做什么
查一个单词,它给你的不只是翻译:
> !undermine 六级
📌 已存入记忆(新词,明天复习)
含义:1. 逐渐削弱(六级中频) 2. 挖墙脚
词根:under(在下面)+ mine(挖)→ 在底下挖 → 掏空根基
形近词陷阱:undermine vs underline vs underestimate
考试怎么考:六级选词填空经典辨析,阅读同义替换(= weaken)
常见误区:和 underestimate 混用——前者是破坏,后者是低估
备考建议:被动识别即可。行动:① 抄下形近词对比表 ② 做 3 道选词填空真题
"我懂了但做题不会"——它先诊断再修:
> 我会算矩阵乘法,但不知道矩阵到底在算什么。
诊断:你的卡点是"线性变换"这个前置概念没建立直觉。
你不是不会算——你是把矩阵当成了一个静态表格,而不是一个动作。
修复:矩阵的每一列 = 基向量被映射后的新位置。
[2 0; 0 3] → 把 x 拉伸 2 倍,y 拉伸 3 倍。
[0 -1; 1 0] → 把整个平面旋转 90°。
验证:矩阵 [0,-1; 1,0] 对正方形做了什么?
变式:换成 [1,1; 0,1],预测效果。
背政治大题,它拆成思维导图,然后抽背:
> 帮我背这段:实践是检验真理的唯一标准……
思维导图:
实践是检验真理的唯一标准
├── 真理的本性:主观认识与客观实际相符合
├── 实践的特点:直接现实性(能把主观变客观)
└── 为什么唯一:只有实践能连接主客观
> 出题
🔁 抽背(3 题)
Q1: [填空] 实践是检验真理的____标准。
Q2: 为什么说实践是检验真理的唯一标准?
Q3: 关键词"直接现实性"→ 请复述相关要点。
9 个 Skill,覆盖学习的完整闭环:
| 你在想什么 | 自动触发 |
|---|---|
| "我不想选,直接用一个大的学习入口" | scientific-learning — 总入口,先路由再调用子 skill |
| "完全没学过,这是什么" | zero-base-learning — 从直觉出发,不堆公式 |
| "学过但云里雾里" | fuzzy-understanding — 诊断卡点,只修裂口 |
| "已经懂了,想更深入" | deepening-learning — 多视角/反例/跨知识联系 |
| "这道题不会做" | problem-solving — 分步推演,不直接给答案 |
| "这道题我做错了" | mistake-review — 错因归类 + 检查清单 + 变式 |
| 一个英语单词 | word-deep-dive — 全息词典 + 间隔复习 |
| "帮我背这段" | text-memorizer — 拆分/导图/抽背/薄弱追踪 |
| "两个月怎么学完线代" | study-plan-builder — 拆阶段/排任务/设检测 |
有它 vs 没有它
同一个问题,裸 AI 和加载 Skill 后的 AI 回复完全不同:
用户:我会算矩阵乘法,但不知道矩阵到底表示什么。
| 裸 AI(无 Skill) | 加载 fuzzy-understanding |
|---|---|
|
|
裸 AI 直接给了三个视角——但用户真正缺的可能只是其中一个视角的直觉。三个一起给 = 认知过载。
Skill 先追问两个诊断问题——判断是「直觉缺失」还是「概念混淆」,然后只讲用户缺失的那一块。不讲用户已经懂的内容,不讲用户暂时不需要的内容。
定量对比
基于 evals/scoring_rubric.md 的 10 维度打分(python eval.py --quick 实测):
| 维度 | 裸 AI | 加载 Skill | 差异 |
|---|---|---|---|
| 是否诊断卡点 | 0 | 2 | 诊断先于讲解 |
| 是否有直觉解释 | 1 | 2 | 针对性类比 vs 通用举例 |
| 是否有例题 | 1 | 1 | 均有 |
| 是否有变式迁移 | 0 | 2 | Skill 强制要求 |
| 是否指出常见误区 | 0 | 2 | Skill P0 强制 |
| 是否简洁清晰 | 2 | 2 | 均清晰 |
| 总分 | 11/20 | 17/20 | +6 分 |
核心差异:裸 AI 假设用户需要全部信息——结果给了用户不需要的 80%。Skill 先判断用户在哪,只给用户需要的 20%。
快速开始
git clone https://github.com/hwl668/Scientific-learning-skills-.git
cd scientific-learning-skills
./setup.sh # 自动检测 AI 工具 + 创建软链接 + 初始化 memory
claude # 启动,Skills 自动加载
然后直接说话:
> 什么是极限?我第一次接触。
> 我会算矩阵乘法,但不知道矩阵到底表示什么。
> !undermine 六级
想先看看效果?→ demo/ 目录有 3 个完整对话实录,不用安装就能浏览。
想验证质量?→ python eval.py --quick 本地跑规则评测:
fuzzy-understanding-matrix 17/20 PASS
zero-base-learning-limit 18/20 PASS
word-deep-dive-undermine 17/20 PASS [word rubric]
安装到其他平台
Skills 本质是结构化 Markdown 指令集,不依赖特定平台。将 RULES.md + skills/ 合成为系统提示注入即可。
| 平台 | 部署方式 | 说明 |
|---|---|---|
| Claude Code | .claude/skills/ 自动加载 |
详细说明 |
| OpenAI Codex / GPTs | 合成为 system message | 详细说明 |
| OpenClaw / OI | Skills 目录或系统提示 | 详细说明 |
| Cursor / Cline / Copilot | 规则文件或自定义指令 | 详细说明 |
| 任意智能体 | 系统提示注入 | 详细说明 |
Token 预算:全部 9 个 Skill 约 20K-30K tokens。可按需只加载总入口或 2-3 个子 skill。
Memory 支持矩阵
不同平台对 Memory(间隔复习、薄弱追踪)的支持程度:
| 平台 | Memory 支持 | 说明 |
|---|---|---|
| Claude Code | 完整 | 原生文件系统读写 |
| Cursor / Cline | 有限 | 项目目录可写 |
| OpenClaw | 取决于运行时 | 需确认文件系统权限 |
| ChatGPT / GPTs | 无 | 需 Function Calling 连接外部存储 |
| Codex / API | 无 | 需外部存储 API |
无 Memory 的平台仍可使用全部诊断/讲解/解题能力,仅间隔复习功能不可用。
使用
不需要手动选 Skill,自然描述问题就行:
# 零基础入门
> 什么是导数?我第一次接触。
# 模糊诊断
> 我会算极限,但不理解 ε-N 定义到底在干什么。
# 解题
> 求 lim(x→0) (e^x - 1 - x) / x²,我卡住了。
# 错题复盘
> f(x)=ln(x²-1),我求定义域答了 x>1,答案却是 x<-1 或 x>1。
# 单词(加 ! 存入记忆,支持间隔复习)
> !complimentary 六级
# 背文本(存入后说"出题"开始抽背)
> 帮我背这段:实践是检验真理的唯一标准……
# 复习计划
> 两个月自学线代通过期末考,每天 1.5 小时,基础只会矩阵乘法。
也可以显式调用总入口:
> /scientific-learning 矩阵乘法是什么?
> 用 scientific-learning 帮我处理这个学习问题:这题我卡住了……
记忆管理:
> 复习单词 # 按间隔复习法抽取到期词汇
> 出题 # text-memorizer 抽背薄弱知识点
> 学习报告 # 跨 Skill 薄弱点汇总 + 掌握率 + 建议
> 清除全部记忆 # 清空所有 Skill 的记忆数据
辅助工具:
python review.py # 终端彩色面板:到期复习数、掌握率、薄弱项 TOP 10
bash skill-creator.sh # 交互式创建自定义 Skill 骨架
想了解更多
- 设计理念、认知科学依据、架构决策 → DESIGN.md
- 贡献指南 → CONTRIBUTING.md
- 后续规划 → docs/roadmap.md
- 学科扩展方案 → docs/subject-expansion-plan.md
语言选择 / Language
- 🇨🇳 中文版本 (Chinese)
- 🇬🇧 English Version
License
MIT
Yorumlar (0)
Yorum birakmak icin giris yap.
Yorum birakSonuc bulunamadi