learn-guidance
정보
learn-guidance 스킬은 새로운 주제를 숙달하기 위한 구조를 제공하는 AI 학습 코치 역할을 합니다. 이 스킬은 지식을 평가하고, 맞춤형 학습 경로를 생성하며, 자료를 제공하고, 이해도를 테스트하며, 기억 강화를 위한 복습 일정을 관리합니다. 새로운 기술을 시작할 때, 문서가 너무 방대해 압도될 때, 또는 체계적인 격차 분석이 필요할 때 사용하세요.
빠른 설치
Claude Code
추천npx 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-guidanceClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
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 저장소
연관 스킬
content-collections
메타이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.
polymarket
메타이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.
creating-opencode-plugins
메타이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.
sglang
메타SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.
