learn
について
`learn`スキルは、Claudeが調査とフィードバックループを通じて構造化されたメンタルモデルを構築し、未知の領域から体系的な知識獲得を可能にします。このスキルは、新しいコードベースの探索、矛盾する情報の解決、あるいは指導前にトピックを深く理解する状況を想定して設計されています。そのプロセスは間隔反復を模倣し、Claudeに情報の調査、仮説立案、探査、統合を導き、将来の確実な情報検索を実現します。
クイックインストール
Claude Code
推奨npx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/learnこのコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします
ドキュメント
學
行結構知識採集——掃未知、立初模、以試探、合發現、驗解、固持久。
用
- 遇未知碼庫、框、或域且無前脈
- 用者問技外需真察非回憶之題
- 多矛盾源→須自空構一致心模
remote-viewing出直覺線索需系統驗- 備
teach— AI 須深解以釋
入
- 必:學目——題、碼庫區、API、域概、或技
- 可:範約——幾深(表掃 vs 深專)
- 可:用者目——此知何要(導優先面)
- 可:已知起點——已熟文件、文、或概
行
一:掃——圖疆
解前先圖景以識存者:
學模擇:
┌──────────────────┬──────────────────────────┬──────────────────────────┐
│ 疆型 │ 主模 │ 工具式 │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ 碼庫 │ 結構圖—— │ Glob 為文件樹、 │
│ │ 尋入口、核模、邊 │ Grep 為 exports/imports、│
│ │ │ Read 為關鍵文件 │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ API/庫 │ 接口圖—— │ WebFetch 為文、 │
│ │ 尋公面、型、配 │ Read 為例、 │
│ │ │ Grep 為用式 │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ 域概 │ 本體圖—— │ WebSearch 為概覽、 │
│ │ 尋核詞、關係、辯論 │ WebFetch 為定義、 │
│ │ │ Read 為本地註 │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ 用者脈 │ 對話圖—— │ Read 對話、 │
│ │ 尋所陳目、偏、約 │ Read MEMORY.md、 │
│ │ │ Read CLAUDE.md │
└──────────────────┴──────────────────────────┴──────────────────────────┘
- 識疆型並擇主模
- 行廣掃——非深讀,識地標(關鍵文件、入口、核概)
- 記邊:何於範、何鄰、何外
- 識隙:顯要而表不透之區
- 造粗圖:列主組件與其表顯關係
得:疆骨圖有 5-15 地標識。何區表顯清、何需深察之感。尚無解——僅圖。
敗:疆過大不可掃→即窄範。問:「為服用目最少須解何?」無明入口→由出始(此系統生何?)逆追。
二:設——立初模
由掃構系統如何行之初設:
- 立 2-3 結構或行為設
- 各設明述:「吾信 X 因察 Y」
- 各設識何證確、何證駁
- 按信排:最支者、最動搖者
- 識首試最高價設(若確→解最多者)
得:具體可證偽設——非模糊印。各有確或駁之試。諸設合蓋疆最要面。
敗:無設→掃淺→返步一,深讀 2-3 地標。諸設等不確→由最簡始(奧卡姆剃刀)構。
三:探——試並驗
以針察系統驗各設:
- 擇最高優設
- 設最小探:確或駁之最小察?
- 行探(讀文件、搜式、試假)
- 記結:確、駁、或改
- 駁→按新證更設
- 確→深探:設於邊是否持,抑僅中?
- 次設複
得:至少一設試至結。心模成形——部確、部修。驚為特價數據。
敗:探恒生模糊結→設或試誤物。退問:「解此系統者視何為最要事實?」→探之。
四:合——構心模
合發現為連片之一致模:
- 審諸確設與修模
- 識中組原則:諸物所連之「脊」何?
- 圖關係:何組件依何?何流何?
- 識驚發現——常含最深洞見
- 尋跨疆不同部重現之式
- 構可預行為之心模:「入 X →出 Y,因 Z」
得:釋疆結構且預行為之一致心模。模可 3-5 句述且具體聲明非模糊泛化。
敗:片不合為一致模→前設中或有根解誤。識不合之片並重試。或疆真不一致(差設系統存)——記此為發現非強合。
五:驗——挑戰解
以預測並查驗心模:
- 以模立 3 關疆之具體預
- 以察驗各預(非假之)
- 各確→信增
- 各駁→識模誤處並正
- 識邊例:模於邊持否,或崩?
- 問:「何驚吾?」——查此驚可能乎
得:心模過 3 中至少 2 預測。崩處誤解並正。模有確優與已知限。
敗:多預敗→心模有根缺。此乃貴信息——意疆異預。以新證返步二重構設。二試速快因已除誤模。
六:固——存以取
捕學為支未來取與用之形:
- 3-5 句總心模
- 記關鍵地標——最要 3-5 事
- 記易忘之反直覺發現
- 識此學所連之相關題
- 若學持久(跨會話須)→更 MEMORY.md
- 若會話特→記為當對話脈
- 述未知何——誠隙較假信有用
得:捕核解之簡取總。未來此題可由此總始非由空重學。
敗:學抗總→尚未完合→返步四。學似顯而不值存→考今顯者新脈中或不顯。存非顯部。
驗
- 深察前掃(圖先於潛)
- 設明述並試,非假
- 至少一設按證修(示真學)
- 心模作具體可試預
- 已知未知與已知已知同識
- 固總簡以有利未來取
忌
- 略掃:解景前潛入細→費於非要區失大圖
- 不可證偽設:「此或複」不可試。「此模處認證因導 crypto」可
- 探時確認偏:僅尋支設之證忽矛盾
- 過早固:未試存模→信錯之未來預
- 完美主義:用知前欲學一切。學乃迭——用部解後精
- 無目學:無應用之知→無焦淺解
參
learn-guidance— 人指結構學之變體teach— 按學者校之知轉;基此處構之模remote-viewing— 出線索供系統學驗之直察meditate— 入新學疆前清前脈絡噪observe— 養學原數據之持中式識
GitHub リポジトリ
関連スキル
content-collections
メタこのスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。
polymarket
メタこのスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。
creating-opencode-plugins
メタこのスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。
sglang
メタSGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。
