learn-deep

# 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`。