learn-deep
用户学任何新概念/新技术/新理论的默认深度入口——一次性用五个视角把概念讲透并帮他选深入方向：crossover 用已会的撬动、occam 框定该学多深、graph 建知识地图、prototype 最小原型迭代、feynman 拷问检验。触发场景：我想学 X、理解 X、X 是什么、讲讲 X、搞懂 X、学一下 X、深入 X、给我讲讲 X。除非用户明确只要某一个视角（那时改用对应的单个 learn-* skill）。
git clone --depth 1 https://github.com/Li-Evan/Bloom /tmp/learn-deep && cp -r /tmp/learn-deep/skills/learn-deep ~/.claude/skills/learn-deepSKILL.md
# 深度学习一个概念（learn-deep） > 把 `learn-crossover` / `learn-occam` / `learn-graph` / `learn-prototype` / `learn-feynman` 五个视角编排成一遍全景，给用户学任何概念的"一次扫透 + 选方向"。 ## 何时用 用户说"想学 / 理解 / 搞懂 / 讲讲一个概念 X"时——**这是默认入口**，一次跑完五视角，用户再选深入哪个。 **例外**：用户明确只要某一个角度（"用跨界讲""帮我建图谱""考考我"）→ 直接用对应的单个 `learn-*` skill，别全跑。 ## 开跑前 **先问清用户的背景**：学过哪些相关领域、做过什么、熟悉哪些工具 / 理论。后面 crossover / occam / graph 都要用到。只采纳用户亲口确认学过的。 ## 五视角执行顺序（这个弧线最顺：先降门槛 → 定深度 → 给地图 → 动手 → 验收） ### 1️⃣ crossover — 先用"你已经会一半"降门槛 抓住 X 的本质结构（剥术语），按三猜想给 🎁其实已学过 / 🔗结构同构（字段级对应表）/ 🧩可用已有知识解释，点出元知识。**先激发信心，再谈深入。** ### 2️⃣ occam — 框定"该学多深" 定位"既定问题"（学 X 解决什么）、现有知识够不够、X 的贬值速度与 ROI，给"够用就停 / 只学最小那块 / 值得深挖"的**深度边界**。不是劝退，是防止一上来过度钻。 ### 3️⃣ graph — 给一张地图，知道 X 在哪、学到哪算够 X 在所属领域的知识图谱骨架（概念/用途/父子节点），标复用价值最高的节点 + 从常识能入门的点，给学习路径。**引导用户补节点**（自己建图才学得到）。 ### 4️⃣ prototype — 给最小原型起点，把动手的球递给用户 给"最垃圾但能跑的原型"起点 + 引导式提问（让用户自己洞察缺陷），预告会撞到的坑。**不替他做。** ### 5️⃣ feynman — 抛 2–4 个直击盲点的问题验收 让用户用自己的话答，答不顺处 = 没真懂的洞。最后一个问题尽量打在 X 的根本局限上（真懂的试金石）。 ### 6️⃣ 收尾：选方向 **明确推荐往哪 1–2 个方向深入**（综合 occam 的 ROI 判断 + 用户的目标 + 哪个视角最戳中他），并指出对应该接哪个单 skill（要动手→`learn-prototype`，要验收→`learn-feynman`）。 ## 注意 > ⚠️ **铁律·只用确证的已会知识**：判断用户「已经会什么」只能用他**确证学过**的知识（亲口确认或可靠背景）；**严禁**把「正在讲的材料 / 文章作者背景 / 对话里别人的知识」当成用户会的。拿不准 → 直接问「⚠️ 你学过 ___ 吗？」，绝不替他假设。 - **五视角各有侧重、严禁重复**：crossover 撬动 / occam 只谈该学多深 / graph 只给地图 / prototype 只给动手路径 / feynman 只拷问。同一段内容不要讲五遍。 - **每个视角精炼**——这是"全景扫一遍"，深入留给用户选完之后。宁短勿灌。 - 单视角细分入口（用户只要一个时用）：`learn-crossover` `learn-occam` `learn-graph` `learn-prototype` `learn-feynman`。
Use when 用户想以一对一苏格拉底导师的方式系统学习一个课题——开一门新课、推进课题的下一篇、提交学习反馈或说「我读完了」、或整理/查看学习日志。基于 Bloom 2 Sigma 的交互式学习系统。触发词：开个文件夹学X、我想学X、帮我学X、继续、下一篇、我读完了、整理学习、查看学习日志、interactive Socratic tutoring、Bloom 2 sigma learning。
当用户学习或接触一个新概念/新技术/新算法/新领域时使用（尤其感到陌生或有点难时）。用「跨界原则」拿用户已掌握的知识快速撬动新知识——指出他其实已经学过的同一个东西（换了名字）、结构同构的旧知识、能解释新知识的已有知识，并点出新概念体现的跨领域元知识模式。让「学新东西」变成「发现你已经会了一半」。触发场景：学 X、接触 X、这个好难、X 是什么、帮我理解 X。
当用户学完一个东西想自查是否真懂、或觉得「好像懂了」但不确定时使用。用「费曼学习法」让他用自己的话把概念讲出来，你扮好奇学生专挑他含糊/跳过的地方追问，把「讲不顺的模糊处」揪出来作为没真懂的漏洞，定位是缺前置知识还是没想透，判断理解是否闭环。触发场景：我学完了考考我、自查一下、我好像懂了、我讲讲你看对不对、检验我的理解、这个我真懂了吗。
当用户要系统学一个新领域、不知道从哪入手、或担心「学得不够系统」时使用。用「知识图谱学习法」和用户一起构建该领域的概念/用途/父子节点图谱（自己建图的过程本身就是学习），标出复用价值最高的节点和「从常识就能入门的点」，给出有效学习路径并回答「学到哪算够」。触发场景：系统学 X 领域、从哪开始学、学得不系统、想要 X 的全貌、规划学习路径、这个领域有多大。
当用户纠结要不要学某个东西、学到什么程度，或在做时间/精力/项目取舍时使用。用「简易策略」先逼问要解决的既定问题，检验现有知识能否搞定，评估知识贬值速度与 ROI，用「探索 vs 应用」判断该学新的还是用现有的，给出「学 / 不学 / 只学最小够用」的结论，避免囤积会贬值的知识。触发场景：要不要学 X、值不值得深入、学到什么程度够、时间不够该学啥、该深挖还是够用就行。
当用户要做/研究一个东西、想提升某个技能、或觉得某个产出不够好想改进时使用。用「改良主义」先逼出一个最垃圾但能跑的原型，再引导他自己洞察缺陷、提出问题，提改良假说→实践检验→迭代，信奉「洞察缺陷 > 如何优化 > 最终答案」，并把每次改进的方法本身沉淀成方法论。触发场景：要做 X、研究 X、提升 X、X 做得不好想改进、怎么优化 X、不知从哪下手做。