learning-builder
Skill29 starsChanged 7 months agoMITView on GitHub
Personalized learning-pack builder for Chinese creators. Use when Codex needs to turn a vague learning goal into a可执行学习方案:先做学习者画像与目标澄清,再做权威来源优先的资料研究,最后产出可学习、可复盘、可输出的教程包(含练习、节奏、里程碑、引用来源)。适用于学习某个新领域、搭建个人课程、做主题集训、把输入转成可写作素材;不适用于一次性问答或纯网页设计任务。
In this repository26 other files it gives its agents.
- ai-writing-diagnosisSkill
- benchmark-filterSkill
- book-material-minerSkill
- cc-designSkill
- celf-style-writerSkill
- content-strategy-diagnosisSkill
- deep-writerSkill
- hook-optimizerSkill
- horizontal-vertical-analysisSkill
- mrbeast-perspectiveSkill
- naval-perspectiveSkill
- opc-case-researchSkill
- paul-graham-perspectiveSkill
- perspective-distillerSkill
- short-video-script-builderSkill
- speech-structure-coachSkill
- spoken-script-polishSkill
- steve-jobs-perspectiveSkill
- video-packaging-diagnosisSkill
- wechat-draft-publisherSkill
- x-article-publisherSkill
- x-content-mentorSkill
- xhs-image-directorSkill
- xhs-title-selectorSkill
- youmindSkill
- zhang-yiming-perspectiveSkill
The file
Files
Learning Builder
Overview
把“我想学这个”变成一套可执行、可复盘、可输出的学习包。
保留 yao-open-skills 中 learning-builder 的核心价值:
- 先 intake(学习者画像)再研究
- 研究阶段优先权威来源
- 产出必须带引用与练习
- 可按需导出 Word/PDF(环境允许时)
并加入 Cell 风格强化:
- 学习不止“看懂”,要能“产出”
- 学习包默认对接内容创作场景
- 每个阶段都要有可验证的动作与里程碑
Quick Start
- 先确认学习目标、当前基础、时间预算、输出场景。
- 把需求写成学习者画像(见
assets/learner-profile-template.md)。 - 用权威来源优先策略建立资料池(见
references/authority-first-research.md)。 - 组装学习包:路径图 + 阶段任务 + 练习 + 复盘机制(见
references/tutorial-assembly.md)。 - 如果用户要求,再导出 docx/pdf;默认 Markdown 为唯一母稿。
Default Contract
- 默认语言:中文
- 默认输出:一份学习包(Markdown)+ 来源附录
- 默认人群:创作者 / 超级个体 / 一人公司场景的自学者
- 默认结果:不仅“理解知识”,还要能做出阶段性输出(文章、案例拆解、讲稿或项目草稿)
- 默认研究策略:优先官方文档、标准文档、权威机构资料、维护者文档
Workflow
Step 1: 学习者画像澄清
至少澄清:
- 学什么(主题边界)
- 为何要学(目标结果)
- 现在在哪(已有基础)
- 有多少时间(节奏与周期)
- 打算怎么用(输出场景)
缺关键输入时,先列 blockers,不直接开写教程。
Step 2: 权威来源优先研究
建立“可信资料池”,并给每条来源写明:
- 来源类型(官方/标准/维护者/高质量二手)
- 为什么可信
- 对本学习目标的作用
- 适合放在哪个阶段
Step 3: 学习包组装
按“能执行”而不是“看起来完整”来设计:
- 路径图:从入门到可输出
- 阶段任务:每阶段有动作、有产物
- 练习设计:每阶段至少 1 个可检验练习
- 里程碑:能判断是否进入下一阶段
- 风险提示:常见误区与偏航信号
Step 4: 输出与可选扩展
默认交付:
- 学习包主文档(Markdown)
- 来源附录(含 URL + 日期 + 可信理由)
按需交付:
- docx / pdf 导出建议与命令
- 学完后的“内容产出计划”(用于写作或分享)
Output Format
默认使用 assets/learning-pack-template.md。
输出至少包含:
- 学习目标与边界
- 学习者画像摘要
- 分阶段学习路径
- 每阶段练习与验收标准
- 来源附录
- 30 天复盘建议
Hard Rules
Do not:
- 把学习包写成泛泛知识科普
- 用大量低可信转载凑来源数量
- 只给信息不给行动步骤
- 忽略用户时间约束与输出目标
Always:
- 先澄清再研究
- 来源优先级清晰可解释
- 每阶段都可执行、可验证
- 明确“学完要能产出什么”
Resource Map
- references/authority-first-research.md
- 资料选择优先级与可信度判断。
- references/tutorial-assembly.md
- 学习包结构与写作契约。
- assets/learner-profile-template.md
- 学习者画像采集模板。
- assets/learning-pack-template.md
- 最终交付模板。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

