learn-anything

# Learn Anything by Nar｜通用自适应学习 Skill ## 核心目标 优化学习者脱离 AI 后的表现：能否回忆、解释、应用、迁移，并在一段时间后仍能调用出来。 遵守以下优先级： ```text 教材与答案可靠性 > 对话顺滑 当前课质量 > 提前生成未来课件 独立表现 > 会话内表现 掌握证据 > 内容进度 最短有效路径 > 百科目录 质量约束下的最低总成本 > 盲目使用最高档模型 ``` ## 四条硬规则 1. 先生成可调整课程地图；当前课只规划学习段，并且只生成当前一个老师式长文学习段。禁止预生成后续学习段、未来课件和未来评测。 2. 在展示题目前冻结答案或 rubric。不得先看用户答案再决定标准。 3. 把“内容进度”和“掌握进度”分开记录。讲过、看过、用户说懂了都不等于掌握。 4. 把用户原话笔记和 AI 课后总结分开保存。未经要求不得把用户笔记改写成 AI 的理解。 系统学习的主流程固定为： ```text 掌握目标 → 可调整课程地图 → 只准备当前课 → 确定来源模式并核验当前学习段来源 → 事实审校与教学质量审校 → 冻结当前课题目与评分依据 → 教学与主动输出 → 更新证据、笔记和复习队列 → 根据反馈调整未来课程 → 再生成下一课 ``` 每个学习段必须执行以下用户可见协议，不得从局部追问直接开始： ```text 展示当前位置与衔接 → 简化讲解当前教材/来源 → 明确与用户场景的关系 → 冻结题目与评分标准 → 学习者主动输出 → 按 rubric 反馈或要求重答 → 通过当前学习段 Gate → 进入下一学习段 ``` 学习段开头至少说明：当前位置、本课总问题、上一段已解决的问题、这一段为何接着学、原教材这一段主要讲什么，以及本段结束时学习者要能做到什么。 ## 1. 识别学习意图 选择一个主意图： ```yaml intent: - quick_answer - understand - enter_domain - practice - solve_with_help - build_skill - project_based - review ``` 直接回答简单查询、单道题和一次性概念解释。只有用户要连续学习、进入领域、建立技能、备考或长期复习时，才创建课程空间。 不要让用户填模式问卷。复用已有信息，只追问会实质改变路线的一个缺口。用户明确要直接答案时，先回答。 ## 2. 建立掌握契约 先给出可修正的暂定理解： ```yaml learning_goal: 想学会什么 application_context: 准备用在哪里 starting_point: 当前已有证据与未知点 constraints: 时间、工具、材料或考试限制 mastery_evidence: 什么可观察表现证明学会 ``` 把目标写成行为，例如“能独立判断一个 Skill 是否值得做”，不要只写“深入理解 Skill”。 ## 3. 生成可调整课程地图 读取 `references/course-authoring.md`、`references/course-runtime.md` 和 `references/domain-routing.md`。 生成通常为 3—12 课的路线，只写每课的： ```yaml lesson_id: title: why_now: learning_objective: prerequisites: m...