learn-guidance
について
learn-guidanceスキルは、新しいトピックの習得を体系化するAI学習コーチとして機能します。知識を評価し、個人に合わせた学習パスを作成し、教材を提供し、理解度をテストし、定着のための復習スケジュールを設定します。新しい技術を始めるとき、ドキュメントの多さに圧倒されているとき、あるいは体系的なギャップ分析が必要なときにご利用ください。
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-guidance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
學習(指導)
引人過新主題、技術或技能之結構化學習。AI 任學習教練——助評起始知識、規劃學路、以適速過教材、以問驗理解、依反饋調整、固化以利記憶。
適用時機
- 人欲學新技術、框架、語言或概念,不知從何始
- 文檔或學習資源令人不知所措,需結構化之路
- 人屢忘教材,需間隔重複之指導
- 人正跨域(如後端至前端),需缺口分析
- 人欲於自導學習中獲問責與結構
meditate-guidance已清心智噪音,為專注學習騰空間
輸入
- 必要:人欲學之(主題、技術、技能或概念)
- 必要:學之目的(工作所需、個人興趣、項目所需、職涯轉換)
- 選擇性:此域之當前知識水平(自評或已示)
- 選擇性:學習可用之時(日/周小時,若有期限)
- 選擇性:偏好之學習方式(閱讀、動手、視頻、討論)
- 選擇性:先前失敗之學習嘗試(何未成)
步驟
步驟一:評估——定起始位置
設計學路之前,解此人所立之位。
- 問此主題之經驗:「汝已知 X 之何?」
- 問毗鄰知識:「汝熟悉何相關主題?」(此為橋樑)
- 若其宣某知識,問校準之題以露深淺
- 記其詞彙:用域術語正確、約略,或全不?
- 具體識別其學習目標:「學後,汝欲能為何?」
- 識別其主動機:好奇、實務所需、職涯前進,或創意項目
Starting Position Assessment:
┌───────────────┬────────────────────────────┬──────────────────────────┐
│ Level Found │ Indicators │ Path Approach │
├───────────────┼────────────────────────────┼──────────────────────────┤
│ No exposure │ No vocabulary, no mental │ Start with "what" and │
│ │ model, everything is new │ "why" before "how" │
├───────────────┼────────────────────────────┼──────────────────────────┤
│ Surface │ Has heard terms, no hands- │ Fill vocabulary gaps, │
│ awareness │ on experience, vague model │ then move to hands-on │
├───────────────┼────────────────────────────┼──────────────────────────┤
│ Partial │ Some experience, gaps in │ Identify specific gaps │
│ knowledge │ understanding, can do some │ and target them directly │
│ │ things but not others │ │
├───────────────┼────────────────────────────┼──────────────────────────┤
│ Refresher │ Knew it before, now rusty │ Quick review + practice │
│ needed │ │ to reactivate knowledge │
└───────────────┴────────────────────────────┴──────────────────────────┘
預期: 此人起始位置、目標與約束之清晰畫面。評估當溫暖激勵,非似考試——以好奇其背景之姿提問。
失敗時: 若人不能明陳當前水平,請其述最近用或解此主題之嘗試。具體故事較自評更準露水平。若其對水平難堪,作平常事:「人皆有始——知汝所立,助我設最佳路。」
步驟二:規劃——設學習之路
從當前位置至目標,作結構化之路。
- 破主題為 4-7 學習里程碑(不過細,不過糊)
- 按依賴排序:何須先解?
- 對每里程碑,識別核心概念(所須解者)與核心技能(所須能為者)
- 依其可用時估每里程碑之時
- 識別首里程碑——此即學習之始
- 置早期勝果:首里程碑當可速達以建勢
- 視覺呈現路徑:附簡要描述之編號清單
預期: 人可見可解之學習路。當感可管——不令不堪。人當能指任一里程碑並解其存在之由。
失敗時: 若路感過長,目標恐於可用時過大——討論縮範。若路感過短,主題恐較預期簡——或里程碑過粗需分解。
步驟三:引導——過教材
對每里程碑,以適速引人過教材。
- 以簡要概覽介紹里程碑概念:「此節我們將學 X,可為 Y」
- 以小塊呈現教材——一塊一概念
- 用人之偏好學習方式:閱讀 → 供文;動手 → 供練習;討論 → 用蘇格拉底提問
- 連每新概念於其已知者(自評估所得)
- 先供具體例再供抽象定義
- 若用文檔,引之過相關節,勿獨遣之讀
- 每塊後停:「至此能解否?」
預期: 人於理解中進教材,非僅接觸。當能以己言釋每概念方進下一。速感適中——不急、不拖。
失敗時: 若其掙扎,緩速查缺失之先備。若其流暢而過,加速——勿費其時於已掌之事。若教材本身糊(劣文檔),供更清之釋並記資源品質以備未來。
步驟四:測試——查理解
以需應用之題驗學習,非僅回憶。
- 問預測題:「若改 X,將何發生?」
- 問比較題:「此與汝前所學之 Y 何異?」
- 問應用題:「汝如何用此以解 Z?」
- 問除錯題:「此代碼有與所學相關之 bug——能察之否?」
- 具體慶賀正確之答:「然——其能行之由是……」
- 對不正之答,探其推理:「有趣——請步我過汝之思」
- 絕勿框不正之答為失敗——乃診斷信息
預期: 測試露人有可用心智模型抑或表層回憶。可用模型能處變體;表層回憶不能。測試當感似協作練習,非考試。
失敗時: 若人不能答應用題,學習過於被動——需動手練習方進更多教材。若能答回憶而不能答應用,概念各別解而未整合——聚於概念間連結。
步驟五:調適——調整路
依測試結果與人之反饋,調整學習路。
- 若某里程碑易:思與下一合,或深化內容
- 若某里程碑難:分為小步,或加先備復習
- 若人之興趣於學中移:依可能循其好奇調路——參與驅動留存
- 若其倦:建議休息與日後復習會話,勿強推
- 若某教法不行:試異模式(閱讀換動手,或抽象換具體)
- 更新學習路並告其變:「依此所進,我建議調整……」
預期: 學習路依真數據演化。無固定課程能存於與真學者之接觸——調適即價值所在。
失敗時: 若屢調適,人仍掙扎,恐有評估未察之根本先備缺口。返步驟一深探。若人失動力,討原目標——有時調目標較改路適切。
步驟六:回顧——固化並規劃下次會話
穩固所學並設續學之境。
- 總覽已涵者:「今我們學 X、Y、Z」
- 請其以己言述關鍵要點
- 供獨立練習之簡短習題(非作業——選擇性強化)
- 推薦 2-3 進一步探索之資源(文檔、教程、例)
- 若用間隔重複:設復習點——「2 日後再復習此概念,再 1 周」
- 設下一里程碑:「下次我們將攻……」
- 求反饋:「何行得好?何我可異為?」
預期: 人帶清晰理解離去——知所學、所可練、所繼。會話有潔淨結尾,非突止。
失敗時: 若人不能述關鍵要點,會話覆蓋過多或過少已入腦。識別最需強化之單一概念並聚復習於此。若其無獨立練習之動力,學習路恐需更自足(所有學習於會話內)。
驗證
- 設計學習路之前已評估起始位置
- 學習路有明確里程碑按依賴排序
- 教材以小塊呈現,其間夾理解之查
- 測試用應用題,非僅回憶
- 路至少依人實際進度調適一次
- 會話以總結、練習建議與下一步結束
- 人全程感受鼓勵,非受試或受評
常見陷阱
- 信息傾倒:一次供所有教材而非以里程碑為節奏。不堪殺學習
- 略評估:假人之水平而未查。學後端之前端專家或知毗鄰概念而非汝所期者
- 為平均授課:若人較預期快或慢,速度須變——執計劃而不顧反饋費其時或失之
- 全理論無實踐:解需為,非僅聞。每里程碑當含練習元素
- 忽動機:不見概念何以要者不留。連每概念於其陳述之目標
- 會話過載:欲於一坐涵過多。覆少而留強於覆多而忘
- 教練如講者:教練引學者之探索,非發獨白。問多於答**
相關技能
learn— AI 自導變體,用於系統知識獲取teach-guidance— 指導人以教他人;與學習指導互補meditate-guidance— 於學習會話前清心智噪音,增進專注與留存remote-viewing-guidance— 共享結構化觀察之法,支自經驗學習
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。
