agentleFS
yuanhaorannnnnnyuanhaorannnnnn/agent-skills/skills/chart/SKILL.md

chart

Skill0 starsChanged 58 days agoMITView on GitHub

深入学习一个软件、仓库、开发工具、平台或产品,建立可持续更新的 Study Hub, 用官方文档、源码实现和本机运行三类证据回答"它是什么、怎么工作、问题在哪"。 触发于"深入学习 X"、"系统了解 X"、"建立 X 的学习路线"、"study this repo/product"、 "帮我搞懂这个工具"。 不用于单篇文章/论文/课程/知识库摄入(用 acquisition),不用于一次性问题或直接改代码(用 execute)。

14 other projects use a version of this.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

Software Study

把"软件"当成有版本、有源码、有运行时的可操作对象来学,而不是把官网页面归档一遍。

核心产物是一个持续更新的 Study Hub,连接:官方来源地图、版本边界、架构模型、源码证据、实践证据和掌握矩阵。

与 acquisition 的边界

若由 acquisition 判断为“软件/仓库/开发工具/平台/产品 + 系统学习”并自动交接,chart 是后续独立入口。接收 packet(subject、intent、source_url/path、origin、clipping archive path if created、raw/query status)后,必须先独立执行自己的 source identity,再按本页流程建立 Study Hub;不恢复或继承 Acquisition owner/state,也不把 handoff 当作 calls。仍可按 Step 2 独立复用 Acquisition 的脚本。

对象使用产物
文章、论文、课程、知识库、资料合集acquisitionraw + query + collection Hub
软件、仓库、开发工具、平台、产品chartStudy Hub + 来源/版本清单 + 架构模型 + 源码证据 + 实践证据

判断依据不是"输入是不是很多网页",而是学习目标:网页是内容主体,还是软件的其中一层证据。

六类状态

  1. 学习目标 — 使用 / 理解架构 / 二次开发 / 性能调优 / 长期维护。目标决定深度和要读的源码。
  2. 官方来源地图 — 官网文档、repository、examples、API reference、architecture docs、release notes、issues。第三方材料只用于解释和发现线索,不作为规范性结论。
  3. 版本边界 — 本机版本、官方文档时间点、源码 commit/branch。版本变化时更新清单,不把当前结论无条件外推。
  4. Study Hub — 整体架构、资料规模、阅读顺序、各模块状态、子 query 链接、未解问题。
  5. 证据等级 — 官方文档=产品主张;源码=实际实现;示例/测试=预期行为;本机实验=当前环境可复现证据。四类分开记账。
  6. 掌握 Gate — 能画出系统结构、能解释核心数据流、能定位关键代码、能运行最小示例、能修改一个行为并验证、能说明适用边界和主要失败模式。

工作流

1. 钉住版本与范围

先确认本机版本、官方仓库 commit、文档时间点,写进来源清单。范围不明时先问清学习目标。

2. 盘点官方来源

优先官方 sitemap、docs、repository、examples。用 acquisition 的脚本做来源身份检查和 raw 归档,不复制一套抓取实现:

python ~/.agents/skills/acquisition/scripts/source_identity.py --wiki-root <wiki-root> --url "<url>"
python ~/.agents/skills/acquisition/scripts/extract_article.py "<url>" --save-raw --wiki-root <wiki-root>

3. 建模对象

先回答组件、状态所有权、关键生命周期,再整理功能清单。不要从功能列表倒推架构。

4. docs → source → runtime 三角验证

对每个关键结论标注证据来源。缺运行时证据时标记 pending,不用官方宣传替代。

5. 能力矩阵

记录"会用、会解释、会诊断、会扩展"分别到哪一步,并给出下一步证据。

6. 按需拆专题

只在真实问题出现时拆 queries/YYYYMMDD-<software>-<topic>.md,避免把全部官方文档机械改写。

产物

queries/YYYYMMDD-<software>-study-hub.md               # 主 Hub
raw/collections/YYYYMMDD-<software>-study-sources.json # 来源/版本清单
raw/articles/...                                        # 官方页面归档
queries/YYYYMMDD-<software>-<topic>.md                  # 按需专题
.research/<chart>/                                     # 实践证据(命令、结果、截图)

Hub 最小结构:

---
title: "<software> 软件学习 Hub"
created: <date>
type: query
sources: [<raw refs>]
source_url: "<official home>"
confidence: <high|medium|low>
---

## 学习目标
## 一句话模型
## 版本边界
## 官方文档规模
## 文档到源码映射
## 当前环境边界
## 学习进度 / 掌握矩阵
## 阅读讨论
## 来源

来源清单记录:subject、study_type、official_home、official_repository、installed_version、source_snapshot(commit/version/文件数)、documentation_inventory、archived_official_pages、evidence_state。

完成标准

  • Hub 存在且钉住版本、commit、文档时间点。
  • 关键结论有 docs/source 证据标注,runtime 证据区分已验证与 pending。
  • 掌握矩阵有明确状态和下一步证据。
  • 链接、索引、日志、catalog 通过 wiki 门禁。

边界

  • 不把"资料读完"当作"学会了"。
  • 不把官方宣传或第三方转述当作源码/运行事实。
  • 不在未获授权时修改、编译或运行目标软件;先给只读证据和最小 PoC 计划。
  • 大站点先建立来源规模清单和导航,不先全量下载。

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.