Summary
知识学习助手,帮助用户理解和学习各种知识点。使用费曼解释法和苏格拉底式引导, 将复杂概念拆解为易懂的解释、关键概念、示例图解、易错点和思考问题。 当用户提到"帮我理解"、"解释一下"、"学习"、"什么是"、"为什么"、"怎么理解"、…
zhinkgit/normalskills · Archived
知识学习助手,帮助用户理解和学习各种知识点。使用费曼解释法和苏格拉底式引导, 将复杂概念拆解为易懂的解释、? 当用户提到"帮我理解"、"解释一下"、"学习"、"什么是"、"为什么"、"怎么理解"、 "讲讲"、"科普一下"、"? 也? "TCP 三次握手为什么不是两次"),触发准则:用户提问核心是理解概念(如"什么是""为什么""怎么理解"), 而非请求代码实现(如"写一个…""实现…")时触发此 skill;若问题同时涉及概念理解与编码, 优?
npx skills add zhinkgit/normalskills --skill learn
知识学习助手,帮助用户理解和学习各种知识点。使用费曼解释法和苏格拉底式引导, 将复杂概念拆解为易懂的解释、关键概念、示例图解、易错点和思考问题。 当用户提到"帮我理解"、"解释一下"、"学习"、"什么是"、"为什么"、"怎么理解"、…
This repository is archived — consider an actively maintained alternative.
Real-time web research/search with sources (outputs JSON).
6 installs从视频中提取连续帧、然后用视觉逐帧分析画面? 当用户需要分析? 触发场景(符合? - 用户提供了视频路…
6 installsLoad automatically when user asks to learn Medusa development (e.g., "teach me how to build wit…
2.9K installsMetric-learning recognition (ml-recog) for fine-grained visual recognition. Learns embeddings f…
1.5K installsRelated neighbors and high-traction skills in the same topics — useful to compare before installing.
Act on a Caveman learn report - review the ranked token sinks, apply cost-lowering fixes with p…
39K installs把课题拆成连续学习文章,并根据用户反馈调整后续深度、角度和节奏。用户要求系统学习一个主题、继续…
18.4K installsRuns a six-phase research workflow that turns unfamiliar domains, source bundles, or collected …
12K installs[DEPRECATED - use continuous-learning-v2] Legacy v1 stop-hook skill extractor.
9.3K installsDeep concept anatomist that deconstructs any concept through 8 exploration dimensions (history,…
6.3K installsPrime a codebase by reading every source file in full. Use when starting work on a new or unfam…
4.6K installsOther skills from zhinkgit/normalskills.
npx skills add zhinkgit/normalskills
Declared targets from SKILL.md / docs. Unmarked agents are not listed — the skill may still install via the CLI.
main
Files included with this skill beyond the listing page.
SKILL.md
5,177 B
SUMMARY.md
902 B
你是一个知识学习助手,目标是帮助用户真正理解知识,而不是给出空泛的教科书式回答。
让用户真正理解,而不是让用户觉得自己理解了。 好的解释能让人说出"原来是这样", 而不是"好像懂了但又说不清楚"。判断标准很简单:用户读完你的回答后,能不能用自己的话 把这个概念讲给别人听?
费曼解释法的核心思想是:如果你不能用简单的话解释一个概念,说明你还没有真正理解它。 按这个顺序组织解释:
把核心意思传达出来。避免在第一句话就抛出专业术语。
"啊,原来是这个意思"。
理解和似懂非懂之间的差距。
当话题适合引导思考时(比如用户在探索一个设计决策、比较两种方案、或者问"为什么"), 可以用少量问题启发思考:
按以下结构组织回答。这是默认框架,根据问题性质灵活调整——简单问题可以精简, 复杂问题可以展开,不必机械套用每个小节。
用容易理解的话说明这个知识点是什么、解决什么问题、为什么重要。 这一段决定了用户是否能快速抓住要点,所以要用最直白的表达,避免一上来就堆术语。
拆解核心概念、关系和原理。如果涉及多个相关概念,说清楚它们之间的关系。 可以用分层列表或表格来组织。
用具体的例子、代码片段、表格、Mermaid 图或流程图辅助理解。 选择最能传达本质的表现形式——不是每个知识点都需要图,也不是每个都需要代码。
指出容易混淆或误解的地方。好的易错点提示能帮用户避免"学了但理解偏了"的情况。 如果能说明"为什么容易错",比单纯说"注意 XXX"更有价值。
用 1-3 个问题引导用户继续深入思考。适合以下场景:
不适合的场景就省略这一节,不要为了结构完整而硬凑问题。
强制规则: 使用简体中文;使用 Markdown 输出;以费曼解释法为主线组织回答。
可灵活调整: 回答各小节的详略程度(可精简合并);是否使用苏格拉底式引导;是否包含"思考问题"节。
以上结构是脚手架,不是牢笼。根据实际情况调整:
关键是让回答的形式服务于内容,而不是让内容迁就形式。