learn-everything

AI 主导的个人学习辅助工具，以 项目级 Claude Code skill 形态交付。本项目同时是 skill 源码 + 长期学习状态库——你的所有学习产出（笔记、子组件、mini-工具）都在 topics/ 目录下作为项目的一等内容由 git 跟踪保存。

单入口 /learn，AI 动态生成课程，无预设大纲，最终交付可运行的 mini-工具作为"学会"的可验证证明。

使用

启动条件

• 已安装 Claude Code
• 已 git clone 本仓库到本地
• 在 Claude Code 中 cd 到本项目根目录后调用 /learn

本 skill 仅在 learn-everything 项目目录内生效。无需任何安装步骤——Claude Code 会自动加载 .claude/skills/learn/SKILL.md。

快速开始

cd path/to/learn-everything

/learn                       # 无参：有 active 推进；多 topic 时 AI 主动列表让你选；为空时询问首个主题
/learn Python 异步编程        # 指定主题：切换到该 topic 或新建

注意：本 skill 单一入口，不接受 --list --status 等子命令。所有目录管理动作（列出、归档、索引）都由 AI 在调度过程中自动判断并执行。

学习流程

1. 输入 /learn <主题> 开始，AI 自动执行首轮讲解（lecture）
2. AI 提出反问（socratic），你认真思考后回答
3. 理解通过后，AI 布置实践任务（task），完成并提交
4. 任务产物（artifact）写入 topics/<slug>/artifacts/<NN-name>/
5. 累积 ≥2 个 artifact 后，AI 引导最终拼装（assemble）→ topics/<slug>/final/
6. 学习完成后 AI 自动归档 → topics/_archive/<slug>/

卡住怎么办

不需要做任何事——系统自动检测。连续 3 次无法回答反问 → AI 自动切换讲解（stuck->lecture escape），换角度重讲后继续。

目录管理

topics/ 是学习产出的根目录，由 AI 全自动管理（不依赖任何 sh 脚本）：

topics/
├── _active                  # 单行：当前 active topic 的 slug（无扩展名）
├── INDEX.md                 # AI 自动维护的 topic 总览，禁止手动编辑
├── _archive/                # 已 completed 的 topic 自动归档至此
│   └── <slug>/              # 与活跃 topic 同结构
└── <slug>/                  # 活跃或暂停的 topic
    ├── state.md             # YAML frontmatter（status/stuck_count/bloom_level/artifact_count/created_at/updated_at）
    │                         # + 三个 H2（## 当前位置 / ## 下一步建议 / ## 卡点记录）
    ├── journal.md           # 每条 ### <ISO8601> [<动作类型>] 的时间序列流水
    ├── research.md          # 该 topic 的资料调研（按需创建）
    ├── artifacts/<NN-name>/ # 每节课交付的可拼装子组件，NN 两位零填充（01-99）
    │   └── README.md        # 必含三段：## 它做什么 / ## 怎么用 / ## 与其他组件的关系
    └── final/
        └── README.md        # 最终拼装产物入口，通过 ../artifacts/<NN-name>/ 引用

AI 自动管理的三件事

1. 多 topic 列表展示：无参 /learn 且无 _active 时，AI 列出所有 topic 让你选
2. INDEX.md 自动维护：每轮动作结束后，AI 重新扫描 topics/ + _archive/ 重写 INDEX
3. 完成自动归档：status: completed 触发后，AI 用 mv 把整个 topic 目录移到 _archive/

想看所有学过什么

直接打开 topics/INDEX.md——AI 始终保持它最新。

设计

整体架构

learn-everything/                       ← 本仓库（既是 skill 源码也是学习状态库）
├── .claude/skills/learn/               ← skill 装载点（Claude Code 进入本项目自动加载）
│   ├── SKILL.md
│   ├── references/                     ← 调度规则文档
│   └── pedagogy/                       ← 5 份学习法资料
└── topics/                             ← 学习产出（git 跟踪）

核心调度机制

AI 根据当前状态自动决定本轮动作：

条件	动作
stuck_count >= 3	stuck->lecture（强制切讲解，escape）
status == "completed"	提示完成，触发 archive
上轮 lecture 且无卡	socratic（反问验证）
socratic 通过	accept → 推进 lecture / task
task 提交产物	accept → 写入 artifact
artifact_count >= 2 且覆盖完整	assemble（最终拼装）

完整决策见 .claude/skills/learn/references/decision-tree.md。

教学法基础

方法论	核心应用
苏格拉底教学法	socratic 动作的问题类型设计
布鲁姆教育目标分类学	bloom_level 字段驱动进度
间隔重复法	在反问中混入早期概念回忆
费曼学习法	artifact README 的"它做什么"写作标准
Gemini 学习模式	AI 整体引导者角色定位

详见 .claude/skills/learn/pedagogy/ 目录。

契约规约

学习数据格式有严格契约保证 AI 调度一致性：

• state.md：YAML 字段 status（active|paused|completed）、stuck_count: int≥0、bloom_level（六级枚举）、artifact_count: int≥0、created_at/updated_at；后接三个 H2：## 当前位置、## 下一步建议、## 卡点记录
• journal.md：每条 ### <ISO8601> [<动作类型>]，动作枚举 lecture|socratic|task|accept|stuck-detected|stuck->lecture|assemble|archive
• artifacts//：NN 两位零填充（01-99），README.md 含三段（## 它做什么 / ## 怎么用 / ## 与其他组件的关系）
• final/README.md：必须存在，通过相对路径 ../artifacts/<NN-name>/ 引用所有子组件
• _active：无扩展名单行文件，仅含当前 active topic 的 slug 或为空
• INDEX.md：每轮 AI 自动重生成，不可手动编辑
• _archive//：completed topic 的归档位置，AI 自动 mv 进入

许可

MIT License