agentleFS
hwl668hwl668/Scientific-learning-skills-/skills/scientific-learning/SKILL.md

scientific-learning

Skill15 starsChanged 15 days agoMITView on GitHub

学习请求的兜底路由入口。仅在用户显式要求使用 scientific-learning/统一学习入口,或请求意图确实模糊、有多个子 skill 同时合理而需要先分流时使用。不要用于已能直接匹配 code-learning、zero-base-learning、fuzzy-understanding、deepening-learning、problem-solving、mistake-review、word-deep-dive、text-memorizer 或 study-plan-builder 的普通学习请求;这类请求应直接使用对应子 skill。

The file

Files
SKILL.md

目标

作为 Scientific Learning Skills 的轻量兜底入口,仅在显式调用或无法直接确定子 skill 时分流。不要把它当成所有学习请求的前置层,也不要在父 skill 里抢先长篇讲解。

路由原则

  1. 用户显式点名子 skill 时,直接使用该子 skill,不经过本入口。
  2. 请求已能直接匹配某个子 skill 时,直接使用子 skill,不要额外加载本 skill。
  3. 只有在用户显式调用本入口,或多个意图无法靠已有上下文区分时,才用下面的路由表。
  4. 如果平台支持显式 Skill 调用,调用对应子 skill。
  5. 如果没有显式 Skill 调用但能访问本地 skill 文件,打开并遵循对应 sibling skill 的 SKILL.md:
    • ../zero-base-learning/SKILL.md
    • ../fuzzy-understanding/SKILL.md
    • ../deepening-learning/SKILL.md
    • ../problem-solving/SKILL.md
    • ../mistake-review/SKILL.md
    • ../word-deep-dive/SKILL.md
    • ../text-memorizer/SKILL.md
    • ../study-plan-builder/SKILL.md
    • ../code-learning/SKILL.md
  6. 如果不能调用或访问子 skill,按本文件的简版流程执行,保持"诊断先于讲解"。

路由表

触发词与 learning_agent/router.py 的确定性路由保持同步(CI 由 validate_routing 门禁校验)。

用户输入特征路由到
学习真实代码仓库、源码架构讲解、关键代码带练、代码考核code-learning
"是什么"、"什么是"、"没学过"、"从零讲"、"第一次学"、"完全不懂"、"零基础"、"入门"、"讲一下"、"介绍一下"zero-base-learning
"学过但不懂"、"听过"、"云里雾里"、"分不清"、"搞混"、"不会用"、"看不懂符号"、"不理解"、"会算/会背/会套但不懂"、"感觉懂了但..."、"一看就"、"懵"、"到底在干什么"、"X 和 Y 有什么区别"fuzzy-understanding
"讲透"、"本质"、"为什么"、"多角度"、"更深入"、"深入理解"、"证明思路"、"证明/推导"、"反例"、"和 X 有什么联系"、"为什么真正"、"还能怎么看"、"为什么重要"、"结构理解"deepening-learning
"这题怎么做"、"题目"、"求解"、"证明题"、"卡住了"、"不会做题"、"解题"、"算不出来"、"做不出来"、"推不出来"、"不会写"、"怎么写"、"怎么求"、"怎么定"、"没有思路/没思路"、"lim"、"极限题"problem-solving
"做错了"、"错题"、"答案不一样"、"为什么我错"、"错在哪"、"为什么错"、"标准答案"、"正确答案"、"粗心"、"扣分"、"错因"、"漏掉"、"复盘"mistake-review
单个英语单词、!word、"查词"、"背单词"、"这个词(怎么用)"、"这个词什么意思"、"复习单词"、"单词复习"、"单词列表"、"单词记忆状态"、"删除单词"word-deep-dive
一段需要背的文字、"帮我背"、"帮我记"、"抽背"、"出题"、"默写"、"复习薄弱点"、"全部复习"、"关键词触发"text-memorizer
"学习计划"、"复习计划"、"复习安排"、"路线图"、"备考"、"冲刺"、"多久学完"、"怎么学完"、"自学"、"每天"、"每周"、"怎么安排"、"通过考试"、"短期补齐"study-plan-builder

冲突处理

  • 已给代码/仓库并要求理解或带练:以 code-learning 的材料工作流为入口,概念卡点在该工作流内修复。
  • 有题目且用户说"错了":优先 mistake-review。
  • 有题目但没有错误解答:优先 problem-solving。
  • 问"是什么"但显然已经学过并表达困惑:优先 fuzzy-understanding。
  • 问"为什么/本质"但基础不牢:先用 fuzzy-understanding 修基础,再深化。
  • 粘贴长文本并要求记忆/背诵:优先 text-memorizer,不是普通总结。
  • 输入一个英语词或带 ! 的词:优先 word-deep-dive。

执行流程

识别意图 -> 选择子 skill -> 必要时追问 1-2 个诊断问题 -> 按子 skill 输出

1. 识别意图

用一句话说明当前应使用哪个子 skill。例如:

我会按 fuzzy-understanding 处理:你不是零基础,而是学过后卡在概念/符号/迁移中的某一处。

如果用户已经明确说"直接回答,不要诊断",可以简化诊断,但仍保留最小校准。

2. 调用/模拟子 skill

优先加载对应子 skill 的完整说明。无法加载时使用以下最小行为:

  • zero-base-learning:从问题背景、直觉、最小定义、例题、误区、自测开始。
  • fuzzy-understanding:先定位卡点,再只修卡住的部分,最后验证和变式。
  • deepening-learning:确认基础后选 2-4 个维度:多视角、证明、反例、联系、应用。
  • problem-solving:识别题型、找关键条件、建模、分步推演、总结方法、给变式。
  • mistake-review:重现错误、归类错因、指出分叉口、给检查清单、给变式。
  • word-deep-dive:解析单词/考试/是否记忆,输出义项、搭配、辨析、考法、误区。
  • text-memorizer:拆结构、给思维导图、关键词压缩、生成抽背题、追踪薄弱点。
  • study-plan-builder:收集目标、基础、时间、资源、截止日期,再排阶段和检测标准。
  • code-learning:读取仓库源码与行号,建立学习路线,带练关键代码并记录真实作答。

无法加载子 Skill 而使用上述简版行为时,最终输出仍必须包含至少 2 条真实数据行的“常见误区”表,以及 1-2 道自测/变式题。

禁止行为

  • 不要把父 skill 当成第九个讲解模板。
  • 不要抢占已有明确触发语义的子 skill;普通且意图明确的学习请求应直接进入子 skill。
  • 不要父 skill 解释一大段后才想起路由。
  • 不要在需要错题复盘时只给正确答案。
  • 不要在需要背诵时只做摘要。

测试样例

输入:矩阵乘法是什么?

期望:如果平台在选择 Skill,不触发本入口;没有学习背景时直接使用 zero-base-learning,上下文显示用户学过但不理解意义时直接使用 fuzzy-understanding。

输入:这题我答案和标准答案不一样,帮我看看为什么错。

期望:不触发本入口;直接使用 mistake-review,要求原题、错误解答、标准答案、当时思路。

输入:用一个大的 skill 帮我处理学习问题。

期望:使用本父 skill 先路由,再调用最合适的子 skill。

Download now (ZIP)

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
What did you use it for? e.g. Reviewing pull requests in a Rails app

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.