Learning Master

基于六阶段学习法的结构化学习技能。针对已确定的课程或书籍，引导用户从建立计划到最终产出。

建立计划 → 资源转换 → 预习 → 通读 → 内化 → 外化
    ↓          ↓        ↓       ↓       ↓       ↓
目录+规划   转为MD    框架梳理  深度笔记  Anki卡片  作品产出

命令速查

通用约定

项目目录结构

projects/<课程名>/
├── plan.md                # 学习计划
├── summary.md             # 课程总结
├── 0-resources/           # 原始资源与转换后的 Markdown
├── 1-preview/             # 预习笔记
├── 2-notes/               # 通读笔记
├── 3-review/              # Anki 卡片（Markdown 格式，-3.md）
│   └── anki-export/       # Anki 导入文件（TSV 格式，-3-anki.txt）
├── 4-works/               # 外化产出
└── 9-archive/             # 归档

文件命名规则

• 强制要求：保留原文件名完整信息，仅添加阶段后缀
• 课程级文件（plan.md、summary.md）直接放在项目根目录
• 原始资源和转换后的 Markdown 统一放在 0-resources/

进度状态

强制规则：

• 生成笔记后标记为 📝，不能直接标记为 ✅
• 只有用户明确确认"已学完"，才能标记为 ✅ 并填写完成日期
• plan.md 是课程级进度的唯一记录点
• 章节状态更新要与对应产出目录保持一致

更新时机：

• 执行预习、通读、内化、外化后：更新为 📝 或 🔄
• 用户确认完成章节学习后：更新为 ✅
• 完成课程总结后：补充结课日志

写作规范

• 使用简体中文，使用中文标点：，。！？：；""''
• 英文/代码内容使用英文标点
• 省略号使用 ……（6 个点）
• 中英文之间加空格：学习 Python 语言
• 数字与中文之间加空格：共 3 个步骤
• 代码、文件名用反引号包裹
• 首次出现英文术语附中文：Markdown（MD），后续使用统一形式
• 保留专有名词原文：GitHub、Python

文件冲突处理

当目标文件已存在时，先询问用户是覆盖还是追加。默认追加——在原文件末尾增加 ## 补充 区块。

命令：/study-init-course

创建课程目录、学习计划，并完成资源准备。

步骤

1. 确认项目信息——向用户询问：

- 主题/名称（课程名、书名或文章标题） - 类型（在线课程、书籍、线下培训、公众号文章等） - 来源（平台、出版社或 URL） - 内容体量（总时长、页数或字数） - 时间安排（每天/每周投入时间，计划多久学完） - 学习动机（为什么学？想解决什么问题？） - 产出目标（学完后打算输出什么成果？）

1. 确认理解——简要复述并确认项目名称

1. 创建目录结构并整理原始文件

``bash mkdir -p "projects/<主题名称>/"{0-resources,1-preview,2-notes,3-review,4-works,9-archive} ` - 强制要求：如果用户提供了原始资料（如 PDF、Word、视频等），必须将资料整理到 projects/<主题名称>/0-resources/` 目录下；默认复制，只有用户明确要求整理源文件时才移动。

1. 生成学习计划——参考模板 [templates/0-plan.md](templates/0-plan.md)，写入 projects/<主题名称>/plan.md

- 三维审视：分析关联性、价值性和目标性 - SMART 目标：将模糊目标转化为可衡量的具体目标 - 结构适配：书籍按"章/节"、课程按"周/模块"、文章按"核心观点"

1. 资源转换（如有原始资料）——调用 markdown-conversion skill 将资料转为 Markdown：

- 文档类（Word/HTML/EPUB）→ Pandoc - 原生 PDF → 本地解析 - 扫描版/复杂 PDF → MinerU - 字幕目录 → 字幕转换脚本 - 详细见 [skills/markdown-conversion/SKILL.md](../markdown-conversion/SKILL.md) - 转换结果存入 projects/<课程>/0-resources/ - 检查质量：无乱码、阅读顺序通顺

1. 后续——资源准备完成后进入 /study-step1-preview

命令：/study-step1-preview

快速建立框架，带着问题进入深度学习。预习不求深，只求「知道会讲什么」，5-10 分钟/章。

步骤

1. 确认课程——扫描 projects/ 列出已有课程供用户选择，确认章节范围

1. 获取内容——优先读取 projects/<课程>/0-resources/ 中的内容

1. 生成预习笔记——按模板 [templates/1-preview.md](templates/1-preview.md) 生成，包含：

- 作者/讲师简介 - 内容概览（2-3 句话） - 内容结构（树状图） - 核心概念表 - 关键要点（3-5 条） - 预习问题（3 条）

1. 保存——projects/<课程>/1-preview/[原名]-1.md

1. 后续建议——可上传 NotebookLM 生成音频播客 → 进入 /study-step2-notes

命令：/study-step2-notes

深度理解内容，生成详细章节笔记。通读追求理解，学完一章要能解释给别人听。

步骤

1. 确认课程——扫描 projects/ 列出已有课程供用户选择，确认章节范围

1. 生成笔记——按模板 [templates/2-notes.md](templates/2-notes.md) 生成：

- 深度总结，不是简单提取 - 用自己的语言重新组织 - 保留关键术语和定义 - 每个知识点包含：定义、要点、示例 - 标记重点，记录理解困难的地方

1. 保存——projects/<课程>/2-notes/[原名]-2.md

1. 理解困难处理——遇到不理解的概念，提供：简单解释 + 具体例子 + 实际应用场景

1. 后续——建议进入 /study-step3-anki-review，尝试合上笔记回忆

命令：/study-step3-anki-review

把章节知识转成 Anki 卡片，并自动导出可导入的 TSV 文件。

卡片设计原则

• 一卡一点：每张卡只测试一个知识点
• 先问后答：正面是问题，背面是答案
• 每章输出 10-20 张卡片

卡片类型

卡片格式

**Q**: [问题]
**A**: [答案]
---

按知识点类型分组（如 ## 概念类），用 --- 分隔每张卡片。

步骤

1. 确认课程——扫描 projects/ 列出已有课程供用户选择，确认章节范围

1. 读取——优先读取 projects/<课程>/2-notes/

1. 生成卡片——按模板 [templates/3-review.md](templates/3-review.md)

1. 标记薄弱点——在文档底部的 ## 薄弱点 记录反复忘记的概念

1. 保存 Markdown——projects/<课程>/3-review/[原名]-3.md

1. 导出 TSV——自动调用脚本生成 Anki 导入文件：

``bash python3 skills/learning-master/scripts/generateankicards.py "projects/<课程>/3-review/[原名]-3.md" ` - 在其他项目中使用该技能时，先定位本技能目录，再调用其中的 scripts/generateankicards.py - 输出文件：[原名]-3-anki.txt，保存在 3-review/anki-export/ 目录下 - TSV 格式：Front内容<TAB>Back内容 - Markdown 会转换为 HTML；字段内物理换行转 <br>`，Tab 转空格，避免破坏 TSV - 导入 Anki 时：允许 HTML，分隔符为 Tab

1. 后续——进入 /study-step4-output-works

命令：/study-step4-output-works

将知识转化为实践。外化标准：「能教会别人」或「能解决实际问题」。

步骤

1. 确认课程——扫描 projects/ 列出已有课程供用户选择，确认章节范围

1. 读取——projects/<课程>/2-notes/ 和 3-review/

1. 推荐产出类型——根据课程内容推荐 1-2 种具体产出：

- 技术类 → 代码 demo / 技术博客大纲 - 理论类 → 核心观点梳理 / 读书笔记文章框架 - 技能类 → 实操 checklist / 练习计划 - 通用 → 教别人用的讲解稿大纲

1. 生成产出框架——按模板 [templates/4-works.md](templates/4-works.md)，直接输出可执行的简洁框架（非建议清单），控制在 1-2 页内

1. 保存——projects/<课程>/4-works/[原名]-4.md

1. 后续——完成课程后 → /study-step5-final-summary

命令：/study-run-full-flow

一次完整的学习循环 = 预 → 通 → 内 → 外

步骤

1. 确认——课程名称、章节范围（可指定单章或多章）

1. 依次执行——按顺序调用：

- /study-step1-preview - /study-step2-notes - /study-step3-anki-review - /study-step4-output-works - 每阶段完成后确认是否继续 - 用户可随时指定跳过某个阶段

1. 更新进度——更新 plan.md 章节规划表状态（参见通用约定中的进度状态）

命令：/study-step5-final-summary

课程学习完毕后进行整体复盘和行动规划。

步骤

1. 确认结课状态——扫描 projects/ 确认课程，检查 plan.md，确认核心章节均已完成

1. 生成总结报告——按模板 [templates/5-summary.md](templates/5-summary.md) 写入 projects/<课程>/summary.md：

- 学习数据：总耗时、笔记数量、卡片数量 - 核心收获：全书最重要的 3-5 个认知模型 - 方法论/工具：推荐工具和操作步骤 - 资源速查：书单、网站、App 清单 - 行动计划：短期（本周/本月）和长期（3-6 个月）

1. 更新 plan.md——标记总结阶段完成，添加结课日志

最佳实践：不要罗列每章标题，要做跨章节的知识融合（Synthesis）。总结目的是"下一步做什么"，而非"我读了什么"。

脚本工具

# Anki 卡片生成（Markdown Q/A → TSV），输出至 3-review/anki-export/
python3 skills/learning-master/scripts/generate_anki_cards.py <review_file_or_dir>

# 指定自定义输出目录
python3 skills/learning-master/scripts/generate_anki_cards.py <review_dir> --output-dir <output_dir>

参考资料

• [templates/](templates/) — 各阶段笔记模板