学徒 Skill（apprentice）

AI 进入任意陌生领域并达到"能独立产出经得起审查的成果"的四阶段标准作业程序。

方法论源自甲骨文 AI 辅助破译项目的完整实战复盘：六轮循环、145,072 字形全量入库、验收组 5/5 复现学术定论、21 卡独立盲审、两字确级认定。完整案例复盘见 references/oracle-case.md，可直接套用的文档模板见 references/templates.md。

何时用 / 何时不用

• 用：用户要求 AI 中长期掌握一个陌生领域并产出成果——新学科、冷门技艺、交叉方向、行业研究后要动手干活的。
• 不用：一次性问答式调研（查完即走，不建工作流、不做验收）；已有成熟 SOP 的常规重复任务。

第零步：阶段定位

触发本 skill 后，先定位项目当前处于哪个阶段，从对应阶段进入，不要从头重来：

1. 查目标工作区是否已有 00-调研报告 / 01-工作流程设计 / 02-资源清单 / 03-文献调研 等文档与 研究档案/ 目录；
2. 有则读 研究档案/00-总进度.md 及三件知识资产（知识总账.md / 缺口登记簿.md / 能力画像.md，见"知识完整性与缺口管理"节），按其"下一步"与未销缺口续作；
3. 全无则从阶段一冷启动。冷启动时先与用户确认：领域名称、目标产出物、验收标准由谁定。

总览：双轨 × 四阶段与门控

skill 是双轨结构——通识轨负责"懂领域"（知识体系全谱覆盖），实战轨负责"会做事"（任务闭环与成果产出），两轨强制互喂：

通识轨（懂领域）：领域课程六类模块 → 学习循环 学→织→测→联（概念卡/费曼/自测/跨模块联系）
      ║ 互喂：模块知识喂实战证据链；实战发现的缺口回课程补模块
实战轨（会做事）：四阶段 侦察立法 → 最小闭环 → 审查对拍 → RSI自循环（原主体，全保留）

实战轨四阶段（原主体不变，每阶段嵌入对应通识轨任务）：

阶段一 侦察立法          阶段二 最小闭环          阶段三 审查对拍          阶段四 RSI自循环
──────────────         ──────────────         ──────────────         ──────────────
领域现状报告            材料/数据基建入库        独立审核（制审分离）      目标池排序（先易后难）
资源清单               盲测校准（匿名已知答案）    行业共识对拍            批量作业→审核→整改
专家方法论体系     →     验收组全流程跑通     →    系统性问题整改      →    教训固化为新红线
工作流v1（SOP）         失效模式→规则转化        红线固化进SOP           规则升级→目标池更新
AI分工定位+接口预留      SOP升级v2（证据分级）     诚实定性（复现≠新发现）   循环N轮，成果沉淀

门控铁律：上一阶段双轨 DoD 均未达标，不得进入下一阶段。 "可控"二字就体现在门上——每阶段有一票否决式的验收条件，不达标就留在本阶段修，不带病升级。

通用铁律（全阶段有效，先读后干）

1. 可核查性压倒一切：每个结论必须落到可核查的原始材料（著录编号、出处、图片、数据行）。LLM 凭训练记忆写出的"证据"一律标"待核对"，禁止当作硬证据使用。
2. SOP 从行业共识翻译而来，不由 AI 发明：先文献调研搞清领域顶尖从业者靠什么证据下结论、证据如何加权，再把它映射为 AI 可执行的检索+推理步骤。行业方法在前，AI 加速在后。
3. 已知答案验收是唯一硬标准：判断"AI 是否真懂了"，不看它说得像不像，看它能否用与真实任务完全相同的流程，把已有公认答案的案例独立做对。
4. 先易后难：目标池按产出概率排序——最接近已知形态的、证据最丰富的先做；最难的孤例最后碰或不碰。
5. 置信分档输出：结论永远带分级置信度（确/较可信/存疑/弱假说/存而不论），禁止二值断言。降档不可耻，overclaim 才是事故。
6. 淘汰不丢：被否的候选/假设连同否因归档（"已排除假设"节），防止后续重复劳动。
7. 错误变制度：每次审核发现的系统性问题，整改后必须固化为红线写进 SOP。同类错误不允许犯第二次——这是 RSI 的实质。
8. 诚实定性：复现已知答案 ≠ 新发现。对外输出成果前必须做前人工作核查，并明确标注哪些是复现、哪些是增量。
9. 对拍先于发布：任何结论成型后、发布前，先与已发表成果/权威数据逐条对拍。假说被对拍推翻（如甲骨文 gx21 案例）是流程在起作用，不是失败。
10. 来源三级标注：每条论断标〔已验证·有出处〕/〔模型记忆·待核对〕/〔未知·缺口〕；"未知"必须显式声明，禁止用模型记忆填充冒充知识（详见 references/knowledge-coverage.md）。
11. 能力边界自知：未测试的任务类型＝能力未知。接任务先查能力画像与答前门控三问，超纲即降档并触发补缺，禁止硬答。
12. 案例是学习仪器，不是学习目的：每个单案实战结束必须回喂领域课程（更新相关模块的概念卡与地图）；每个课程模块学完必须有实战或应用出口。禁止"只会做题不懂领域"，也禁止"懂名词不会干活"。

通识学习轨：领域课程与学习循环

实战轨解决"会做这类任务"，通识轨解决"懂这个领域"——两者缺一，学习都是收敛的。通识轨的核心资产是领域课程表（研究档案/领域课程表.md），把领域知识体系拆为六类标准模块：

模块学习循环（每模块走一遍，提示词模板见 references/learning-prompts.md）：

学（分层输入：综述→教材章节→专题，带 3 个问题读）
 → 织（概念卡增量入卡库；领域知识地图挂网更新）
  → 测（模块自测：自生成考题对答案 ≥80% ＋ 费曼讲解卡壳点清零）
   → 联（跨模块联系：与已学模块的连接/冲突；与实战轨的双向回喂）

模块状态四态：未学 → 在学 → 待测 → 已通过（自测+费曼双过才算）。课程表本身滚动演进——阶段四的巡检同时巡课程（新概念新方法新公案入模块）。

模块学习循环中的"学＋测"两步可由外挂插件 **lrv-loop（学述验闭环）**驱动执行：学习→合卷复述→比对验证的 ReAct 式内化引擎，验证基准按期别从行业共识（E）演进到已验证自库混合（M）再到自主结论（L）。见"外挂组件接入"节；未安装该插件时按 references/learning-prompts.md 模板手工执行同等协议，流程不变。

与知识总账的分工：总账（toolbox 管理）回答"领域知识空间覆盖了没有"（供应侧盘点，三态）；课程表回答"作为学习者学到什么程度"（学习过程，四态）。总账的未覆盖区经定级后进入课程表成为待学模块；课程表学毕的模块回总账销覆盖债。

阶段一：侦察与立法（调研固化 SOP）

目标：广泛信息搜集 + 文献调研，把领域通用研究方法和研究过程固化为标准 SOP，预留 AI 拓展方向和接口。

产出五件套（前四件骨架见 references/templates.md，第五件见 references/knowledge-coverage.md）：

1. 00-调研报告-<领域>现状.md——领域全景：现状与难点（为什么难、难在哪）、已有工作全景（前人怎么干、哪些已被做掉）、AI 能做什么/不能做什么。最后一条是重点：明确 AI 的独特价值定位（通常是"全量材料的机器检索与组合推理"——人记不住全量，AI 可以系统化地做），以及人机分工边界（AI 产候选+证据链，人做最终裁决）。
2. 02-资源清单.md——数据集、平台、工具、关键文献的下载地址与许可证，按优先级分级（★★★核心/★★支撑/★补充）。
3. 03-文献调研-<领域>方法论体系.md——领域判别论据体系：顶尖从业者下结论靠什么证据？各类证据权重如何？找 2–4 个标杆案例做证据链解剖（每个案例逐步拆解"关键一步靠什么证据完成的"）。这是 SOP 的灵魂——后续工作流的每个环节都从这里翻译。
4. 01-工作流程设计.md（SOP v1）——端到端工作流，拆为若干阶段，每阶段写明：输入→输出、用什么工具、由谁执行（人工/AI/人机协同）。附固定作业模板（提示词模板或操作模板）。
5. 研究档案/知识总账.md（供应侧完整性）——找到领域的权威普查工件（教材目录/考纲/分类法总录/数据集类目/招聘JD聚类/社区FAQ等），逐区展开为知识清单并三态标记（已覆盖/部分/未覆盖），算出覆盖率；同时建任务空间地图（任务类型×难度三档：已知答案/争议/开放）。这是"搜到的行业知识完整吗"的唯一可操作度量——绝对完整不可保证，相对普查工件的覆盖率必须自知（详见 references/knowledge-coverage.md）。
6. （通识轨）研究档案/领域课程表.md——按六类标准模块拆解领域知识体系，定学习顺序（基础概念→方法→工具→流派→公案→前沿），把资源清单逐项挂到模块；总账的未覆盖高阻塞区直接转为待学模块。

AI 扩展接口预留（用户核心要求，本阶段必须显式落笔）：

• 数据接口：一切原始材料结构化入库（SQLite/向量索引/结构化文件），使所有证据可机器检索、可复核——这是后续一切 AI 加速的地基；
• 工具接口：预处理/检索用一次性脚本放 scripts/（现写现跑，不服务化、不做常驻 agent）；
• 记忆接口：跨会话经验沉淀到进度文档（项目内）与 mem0（用户级长期记忆，memory_add 记录可复用的领域经验）；
• 分工接口：SOP 每步标注人工/AI/协同，后续阶段逐步把人工步骤自动化。

红线：本阶段禁止动手做真实任务（手痒先忍住）；调研引用必须附来源链接。

阶段二：最小闭环（盲测 + 验收）

目标：找典型案例验证 SOP，跑通一个最小闭环，让 AI 开始真正理解和掌握领域工作流程。

1. 材料基建：下载核心数据集，预处理入库（清洗、切分、元数据、检索索引）。入库即写统计报告（多少条、什么结构、质量坑有哪些）。数据质量发现（如标注混装、检索对某类失效）本身就是第一份领域知识。无结构化数据的领域（纯技艺、实操类）：降级为"工件库"模式——收集代表作/案例/操作记录作为语料，检索基建退化为文档全文检索，流程其余部分不变。
2. 盲测校准：取一批已知答案的样本，匿名打乱，让 AI 用当前 SOP 独立作答，量化命中率。重点不是分数，是失效模式——每个错误逐条分析根因，转化为新规则写进 SOP。甲骨文案例：盲测 80% 命中，"草化变形""部件误辨"两类失效直接催生了"辞例语境提为裁决性证据"的 v2 升级。
3. 验收组设计：选 3–5 个已有公认标准答案的典型案例（学界定论/行业标准/权威数据），用与真实任务完全相同的流程走一遍，最后一步多出"对照标准答案打分"。验收组与实战组（真未知目标）并行建档，方法完全一致，只有最后对照不对照的区别。
4. SOP 升级 v2：吸收盲测与验收的教训，通常的核心升级是证据分级加权——把领域方法论体系（阶段一第 3 件）里的证据类目落成"权重表 + 裁决规则"（哪类证据是裁决性的、哪类是入门券、几类独立支持才能立案、一条硬反证即否案）。
5. 能力画像初版：把盲测/验收通过率按任务类型×难度记入 研究档案/能力画像.md，未测试类型标"❓未知"——从第一天起就养成"知道自己不知道什么"的习惯。
6. （通识轨）基础概念＋理论方法模块学习：按课程表开课——模块学习循环（学→织→测→联），概念卡入库、模块自测 ≥80%、费曼讲解通过。与实战轨并行推进：基建跑数时读书，验收等结果时织网。

门：验收组复现率 ≥80%（或与用户约定线）。不达标 → 回到 SOP 修规则再来，禁止降低验收标准放行。

阶段三：审查与对拍（出师考核）

目标：可控的人工审查完成一整个基础任务，与行业共识对照，确保 AI 真正理解行业内容、经验与知识召回正确。

1. 独立审核（制审分离）：另起一个独立审核代理（或独立会话），审核规则：
   • 审核者禁止采信档案文字，必须从原始数据/原始材料独立查证每条证据；
   • 审核者与制档者分离，禁止自我放行；
   • 产出审核报告：通过/需修订逐卡列出，重点揪三类系统病——证据描述与原始材料不符、引文加工/选择性引用、置信度 overclaim。
2. 整改与红线固化：逐条整改审核意见，然后把系统性问题固化为红线补进 SOP。甲骨文案例固化的五条红线（可直接泛化）：①看图/看数据类描述必须二次独立核对；②残缺数据禁止补写，省略必须显式标注；③每份档案强制展示主导模式（前 N 搭配/前 N 特征），禁止选择性引用少数支持例；④判定前必须调取同源完整上下文（同版/同批/同源全量）；⑤一切档案经独立审核后方可定稿。
3. 行业共识对拍：把已认定的结论与领域已发表的权威成果逐条对拍。对拍可能推翻自己的结论——被推翻就改，并且把教训固化（甲骨文教训："对拍必须先于假说发布"）。
4. 诚实定性报告：明确写出哪些结论是已知答案的复现/归位（机制验证价值，不算新发现）、哪些是真正的前人未做增量、距离行业认可的标准（如发表/申报）还差什么（差距清单）。
5. （通识轨）流派与公案模块学习＋领域图景考核：学毕④⑤类模块；审核环节加一道"领域讲解"——被审核方能向审核者徒手讲清领域地图、学派分歧、定论与争议的边界，讲不清＝通识轨未达标，与实战审核同门处理。

门：独立审核通过（无未整改的系统性问题）+ 对拍完成 + 定性报告出具。此门过后 AI 才算"出师"，才有资格进入无人值守的 RSI 循环。

阶段四：RSI 自循环（出师执业）

目标：AI 自己 loop 多轮做行业学习与开发，每轮产出真实成果，经验与知识持续沉淀，最终得到完整结果。

单轮循环结构（每轮必含全部四步，缺一即退化为准 RSI）：

选目标（目标池按产出概率重排）
  → 批量作业（按 SOP v2+ 逐案建档，一案一档）
    → 独立审核（制审分离不放松，审核率可随信任度从全查渐降至抽查）
      → 规则升级（本轮教训固化为新规则/红线，目标池与差距清单更新）

要点：

• 目标池动态排序：每轮结束按"证据缺口最小优先"重排；被否目标保留在池中标明否因。
• 分层抽测（防幸存者偏差）：每轮按任务类型配额抽测，不许只做池里最易的——否则能力画像被"只会做一类题"污染；抽测结果更新能力画像。
• 覆盖巡检：每 N 轮重跑权威普查工件 diff（覆盖率复查）、清点缺口登记簿燃尽情况；任务失败与权威源分歧一律登记为覆盖债，不许只修个案。
• 每案回喂课程（铁律⑫的执行点）：每案结档时强制更新相关课程模块的概念卡与知识地图——批量案例的复利不只在于产出，更在于喂出越来越完整的领域课程。
• 通识轨持续：前沿模块学习＋知识巡检（领域是活的：新文献/新方法/新公案定期入课程表）；课程表未覆盖的领域动态登记为缺口。
• 方法论突破即时制度化：循环中偶然发现的新通道（如甲骨文项目确证"H 编号＝《合集》编号"对拍通道）要立刻写进 SOP 变成全量能力，而不是留作个案技巧。
• 审核率阶梯：初期全查 → 稳定后抽查验 → 高置信结论可凭外证直接认定，但制审分离永不取消。
• 成果沉淀三件套：单案研究档案（一案一档，含已排除假设）、每轮小结、00-总进度.md 滚动更新（累计战果+下一步+差距清单）。
• 跨会话记忆：可复用领域经验同步进长期记忆系统（如 mem0，memory_add）；有个人知识库蒸馏管道的环境，可把原始材料投 Inbox 走蒸馏。
• 对外成果：攒够规模后按行业认可的格式整理终稿（甲骨文对应文字博物馆悬赏论证报告格式），并保留诚实定性。

知识完整性与缺口管理（贯穿机制，防乱答与主动补缺）

会做已搜到的题 ≠ 获得行业能力。行业能力 = 任务空间（类型×难度）覆盖面 + 对未覆盖区的自知。完整机制见 references/knowledge-coverage.md，要点：

• 知识七形态：行业知识以七种形式存在（SOP/方法论/语料库/案例档案/红线/元知识/模型权重），前六种显性可审计，只有第七种（模型隐性记忆）不可证——乱答全部来自它，对策是逼每条论断声明来源；
• 三级来源标注：〔已验证·有出处〕/〔模型记忆·待核对〕/〔未知·缺口〕；知识不足时合法输出只有降档作答、存而不论、缺口卡三种，自信完答被禁止；
• 答前门控三问：这类任务画像里测过吗？依赖知识在总账覆盖了吗？哪些论断只是模型记忆？
• 缺口驱动学习循环：覆盖巡检 → 缺口登记（缺什么/信号源/怎么补/成本/阻塞面）→ 定级 → 补缺动作映射 → 缺口区自生成考题复测销账。未知未知靠对外暴露（专家审查/社区发布）探测。

配套工具箱（组件层：结构化资产的机械执行体）

结构化输入输出的实现者分层：skill 本体（markdown 协议）只约定格式，靠会话内 LLM 自律执行；真正的结构化存储历史上发生在各领域项目层（如甲骨文项目的 SQLite+脚本，随用随建）。为避免三件知识资产跨会话"格式漂移、聚合靠手数、门控靠自觉"，skill 自带轻量工具箱：

• 位置：scripts/da_toolbox.py（单文件，仅标准库，SQLite 为真相源，markdown 为渲染视图）
• 核心命令：init（初始化资产）｜coverage set（总账登记）｜gap add/list/start/close/shelve（缺口流转）｜profile record（画像记录）｜gate <任务类型>（答前门控三问的机械执行体，裁决三态：放行 exit0 / 降档 exit1 / 阻塞 exit2）｜check <研究卡>（卡片机械校验：必备节/置信词表/三级标注，过了再交独立审核，省出审核注意力给语义层）｜stats（覆盖率/燃尽率/画像汇总）｜render（重渲视图）
• 约定：三件资产的改动一律走命令（状态词表封闭枚举：缺口四态/覆盖三态/难度三档）；渲染出的 .md 文件头带自动生成标记，禁止手改
• 组件化触发条件（不过度工程）：卡片 ≤20 且 RSI <3 轮时，markdown+自律够用；卡片 >20 或审核第二次发现格式类问题或需要跨会话聚合统计时，启用本工具箱；领域数据层组件（语料入库/检索脚本）仍按各领域需要随建，不进 skill。

外挂组件接入（插件架构）

设计原则：本体稳定，扩展外挂。apprentice 的核心流程（双轨四阶段/铁律/门控）保持稳定，新能力以独立插件 skill 接入——每个插件自带完整协议与工具、可独立使用，缺席时 apprentice 走降级路径，主干文档不因插件存在与否而改变。

插件接口规范（后续插件照此办理，防止覆盖式开发）：

1. 独立 skill 目录（自带 SKILL.md＋scripts），可脱离 apprentice 单独运行；
2. 显式声明接入点（挂到 apprentice 哪个环节）；
3. 显式声明产物回喂映射（写入哪些 apprentice 资产）；
4. 显式声明缺席降级路径（插件不在时 apprentice 怎么办）；
5. 不得修改 apprentice 主干文档，只经由本节登记接入。

工作区骨架模板

<领域名>/
├── 00-调研报告-<领域>现状.md        # 阶段一
├── 01-工作流程设计.md               # SOP v1 → 持续升版
├── 02-资源清单.md
├── 03-文献调研-<领域>方法论体系.md
├── data/                           # 原始材料（大文件注意同步盘容量）
├── <语料库>/                       # 预处理后的结构化资产（SQLite/索引/图片）
├── scripts/                        # 一次性脚本
└── 研究档案/
    ├── 00-总进度.md                # 滚动更新：累计战果/教训/下一步/差距清单
    ├── 领域课程表.md               # 通识轨主资产：六类模块×学习状态四态（未学/在学/待测/已通过）
    ├── 概念卡库.md                 # 织网产出：术语/概念/方法/案例卡，带出处
    ├── 知识总账.md                 # 供应侧盘点：权威普查工件逐区对照 + 覆盖率
    ├── 缺口登记簿.md               # 五元组：缺什么/信号源/补缺动作/成本/阻塞面
    ├── 能力画像.md                 # 任务类型×难度×通过率，未测试＝未知
    # ↑ 三件知识资产：启用工具箱后由 da_toolbox render 生成维护（SQLite 为真相源）
    ├── 盲测-校准报告.md            # 阶段二
    ├── 验收-已知案例.md            # 阶段二验收组
    ├── 审核-独立审核报告.md        # 阶段三（每轮审核可追加）
    └── <个案>-<编号>.md            # 一案一档

与人类自学路径的同源关系

本 skill 四阶段是人类成熟学习范式（自我调节学习 + 刻意练习 + 反馈回路）的工程化投影：侦察立法＝画地图与搭骨架，最小闭环＝已知答案的刻意练习，审查对拍＝老师盲批与对答案，RSI 循环＝项目驱动实战 + 错题本升格为制度。完整的通用自学路径（P0 定向→P1 侦察→P2 筑基→P3 校准→P4 实战→P5 创造 × 元认知/知识管理/动机精力三支撑系统）见 references/universal-path.md——当用户要的是"人怎么从零学一个领域"而非"AI 作业流程"时按该手册走；两套可互相翻译，映射表见手册末尾。

参考文件

• 外挂插件 lrv-loop（学述验闭环）——独立安装于 ~/.agents/skills/lrv-loop/（GitHub 仓库 plugins/lrv-loop/ 随附）：学习→合卷复述→比对验证引擎，通识轨"学＋测"的执行组件。接入契约见"外挂组件接入"节。
• references/learning-prompts.md——通识轨全套学习提示词模板（概念卡生成/模块学习/自测出题/费曼讲解/周复盘/跨模块联想），通识轨每模块开课时按模板执行。
• scripts/da_toolbox.py——配套工具箱（见"配套工具箱"节）：三件知识资产的账本 + 答前门控 + 卡片校验 + 统计渲染，stdlib 单文件。
• references/knowledge-coverage.md——知识完整性与缺口管理：知识七形态、权威普查工件对照（覆盖率）、任务空间地图与能力画像、缺口驱动学习循环、三级来源标注与防乱答协议、三件知识资产模板。阶段一建总账时、阶段四挂抽测巡检时必读。
• references/universal-path.md——通用自学路径可复现手册（六阶段×三支撑×门控×回环，领域无关；含与 skill 四阶段的同源映射表和四领域特殊化对照表）。配套流程图版：assets/学习路线图.html（Part1 skill 路线 / Part2 通用路径 / Part3 同源映射 / Part4 通用性八模式与领域备注）。
• references/oracle-case.md——甲骨文破译项目完整案例复盘（四阶段实况、关键转折、数字战果、教训清单）。进入阶段二/三/四之前应读对应章节，里面是每个机制的实战原型。
• references/templates.md——前四件套与各类档案的可复制模板（现状报告/资源清单/方法论体系/SOP/验收报告/审核报告/研究卡/总进度）；第五件知识总账模板见 knowledge-coverage.md。

执行声明

每次按本 skill 作业时：开工先声明当前阶段与本轮 DoD，收尾汇报 DoD 达成情况与下一阶段门控状态。阶段三、四的审核环节必须显式声明"审核者与制档者分离"是否成立。