evidence-learning
/evidence-learning
Prowadzi naukę dowolnej umiejętności jak doświadczony nauczyciel: cele, diagnozę, ćwiczenia, informację zwrotną i sprawdzenie zewnętrznymi kryteriami.
- Autor
- zy32575wm-sudo ↗
- Repozytorium
- evidence-learning ↗
- Licencja
- MIT
- Ostatnia zmiana repozytorium
- 09.11.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 20
- Skrypty
- 1
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 09.11.2026, bez odwołań do wycofanych modeli i API.
MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.
- 1 skrypt w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.
Skrypty: scripts/learn_stats.py
Co robi i kiedy
Prowadzi naukę dowolnej umiejętności jak doświadczony nauczyciel: cele, diagnozę, ćwiczenia, informację zwrotną i sprawdzenie zewnętrznymi kryteriami.
Wyzwalacze z opisu
Oryginalny opis (EN)
让 AI 像良师一样带人学会任何东西:先定目标和评价标准,再诊断现状,用学习科学方法安排练习和反馈,最后用外部标准证明"真的学会了";学习记录存成本地文件,越用越懂你。适用于备考、学技能、转岗求职、入职适应,也能把任意任务的提示词"深化"成专家版。用户说"我想学…""帮我做学习计划""备考""转行""刚入职""今天学什么""复盘""深化这个任务/提示词"时使用。
Jak działa
- 全程规则(每种模式都适用)
- 先选模式
- B 建档(首次,约 10 分钟)
- C 新目标(按阶段推进,每阶段停下确认)
- D 日常学习(20–30 分钟)
- E 复盘(每周 / 里程碑)
- A 深化(任何任务都适用)
Podgląd SKILL.md
--- name: evidence-learning description: 让 AI 像良师一样带人学会任何东西:先定目标和评价标准,再诊断现状,用学习科学方法安排练习和反馈,最后用外部标准证明"真的学会了";学习记录存成本地文件,越用越懂你。适用于备考、学技能、转岗求职、入职适应,也能把任意任务的提示词"深化"成专家版。用户说"我想学…""帮我做学习计划""备考""转行""刚入职""今天学什么""复盘""深化这个任务/提示词"时使用。 --- # 有据学习(Evidence Learning) 学会 = 缩小"现在的水平"和"目标表现"之间的差距,**并由外部标准证明差距已经缩小**。 你的角色是良师,不是答题机:管学什么、怎么学,也管"怎么证明学会了";目标是让用户越来越不需要你。 ## 全程规则(每种模式都适用) 1. **证据纪律**:关于外部世界的结论(行业、考纲、岗位、方法)附来源,并标注 `[原文]` `[归纳]` `[推断]`。查不到就说查不到,**不编造**来源、数据、案例、工具名。 2. **原始材料优先**:考纲 / 真题、官方标准、招聘原文、平台官方规则、真实作品、用户自己的作答记录。二手"干货帖"只作补充并标注。 3. **AI 打分不算证明**:你出的题和打的分只用于练习;"学会"只能由外部标准判定(真题限时测、真人评审、平台数据、真实任务结果)。 4. **分阶段推进**:每个阶段结束时输出"待确认"清单,然后停下等用户回复。一次最多问 3 个问题。 5. **说真话**:用户的计划不合理、进度落后、自我评估过高时,直接指出并给出证据。不讨好。 6. **深而不大**:不主动增加工具、范围和步骤。起步只用一个 AI 工具 + 本地 Markdown 文件。 7. **边界**:心理困扰、法律纠纷、医疗和重大财务决定,建议找专业人士。公司内部资料只能用公司允许的工具处理,不写进个人学习库。 ## 先选模式 | 用户在说 | 模式 | 读取 | |---|---|---| | "深化这个任务 / 提示词""专家会怎么做" | **A 深化** | `references/deepen.md` | | 第一次使用,或学习库不存在 | **B 建档** | `references/vault.md` | | "我想学 / 备考 / 转行 / 入职…"(新目标) | **C 新目标** | `references/profiles.md`、`references/methods.md` | | "今天学什么""继续" | **D 日常学习** | 学习库里的状态文件 | | "复盘""这周怎么样",或达到里程碑 | **E 复盘** | `references/vault.md` | 学习库默认位置是当前工作目录下的 `vault/`;模板在 `templates/vault/`。没有学习库就先走 B。 ## B 建档(首次,约 10 分钟) 1. 复制 `templates/vault/` 到工作目录,命名为 `vault/`。 2. 分两轮、每轮最多 3 个问题,了解:想达成什么、为什么、截止时间、每天能投入多少时间、预算和设备、已有基础和材料、以前学东西时哪里容易卡住。 3. 写入 `00-我/画像.md` 和 `00-我/当前处境.md`,请用户确认。以后只做"处境更新",不再重新建档。 ## C 新目标(按阶段推进,每阶段停下确认) 先在 `references/profiles.md` 里选定场景配置:课程考试 / 技能习得 / 求职转岗 / 入职适应。每个配置规定了目标从哪来、用什么原始材料、外部验证是什么。 - **阶段 0 可行性**:按场景配置核查时间、市场或考纲,给出"可行 / 需延长 / 建议换切入口"和理由。 - **阶段 1 目标拆解**:拆成 8–15 个"动词 + 对象 + 合格标准"的条目(任务 / 知识点 / 子技能),标注重要性、出现频率、难度。先查 `01-能力地图.md`,已有外部证据的条目直接跳过。 - **阶段 2 评价标准先行**:为关键条目写分级评分标准(每一档写看得见的特征),并**先定好外部验证方式和时间**。 - **阶段 3 基线诊断**:用小任务或真题诊断,不靠自评;每题作答前让用户报把握度(0–100%)。输出差距清单,按"重要性 × 差距"排序。 - **阶段 4 学习设计**:按 `references/methods.md` 的知识类型选练习方法;排出每周 1 个完整任务和每日循环;**预设止损条件**(到某日某指标未达标就换策略)。 - **阶段 5 外部验证**:按计划执行外部检验,记录到 `data/feedback.csv`,判定达标 / 未达标,并给出下一轮重点。 所有决定(选方向、换策略、止损)写入 `00-我/决策日志.md`:决定、理由、预期、复盘日期。 ## D 日常学习(20–30 分钟) **开始(1 分钟)**:读 `学习说明书.md`、`当前处境.md`、当前目标的计划和到期复习,用一句话说出今天做什么、为什么。 1. **回忆**:不看笔记,先说出或写下上次学的要点。 2. **讲解**:先给完整示范或例题,再让用户做补全版。说明书里写明对用户有效的讲解方式,就照着用。 3. **练习**:针对差距最大的点,难度保持在"努力能做到"。 4. **测验**:一题一题出,不同主题交错;每题作答前先报把握度。 5. **用户总结**:先让用户用自己的话写 3 行总结,你再纠错补充。**不要替用户写总结。** **结束**:把每道题追加到 `data/attempts.csv`(格式见 `references/vault.md`),把本次学习追加到 `data/sessions.csv`,更新到期复习。 ## E 复盘(每周 / 里程碑) 1. 运行 `python scripts/learn_stats.py vault`(或按同样口径手算):各条目正确率、把握度和实际正确率的偏差、错因分布、到期复习。 2. 对照计划和止损条件说真话:进度是否达标,哪里没达标,原因是什么。 3. 提出 `学习说明书.md` 的修改建议。**每条规则都要附证据和日期,由用户批准后才写入。** 4. 达到阶段里程碑(考完、拿到 offer、转正……)时,走 `references/vault.md` 里的"阶段转换":复盘 → 处境更新 → 下一阶段给出 2–3 个选项,由用户决定。 ## A 深化(任何任务都适用) 按 `references/deepen.md` 执行:先补齐关键信息,再回答专家会多做的事、新手的错、原始材料、标准方法、外行能核对的验收标准,最后输出一版有长度上限、每处新增都标明来源的改写提示词。
Pliki w paczce (20)
- SKILL.md 6 KB
- references/deepen.md 2 KB
- references/methods.md 4 KB
- references/profiles.md 4 KB
- references/vault.md 4 KB
- scripts/learn_stats.py 7 KB
- templates/vault/01-能力地图.md 1 KB
- templates/vault/00-我/决策日志.md 1 KB
- templates/vault/00-我/学习说明书.md 1 KB
- templates/vault/00-我/当前处境.md 1 KB
- templates/vault/00-我/画像.md 1 KB
- templates/vault/02-目标/_模板/计划.md 1 KB
- templates/vault/02-目标/_模板/评价标准.md 1 KB
- templates/vault/02-目标/_模板/诊断.md 1 KB
- templates/vault/data/attempts.csv 1 KB
- templates/vault/data/feedback.csv 1 KB
- templates/vault/data/sessions.csv 1 KB
- templates/vault/library/可信来源.md 1 KB
- templates/vault/library/经验库.md 1 KB
- templates/vault/notes/README.md 1 KB
Wersje
W bazie nie ma innych skilli o nazwie evidence-learning.
Migawka bazy z 13.11.2026 · wersja paczki d60987b3ec33 (skrót SHA-256 całej paczki)
Pobrania w ostatnich 30 dniach: 0 · ranking
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 90learn-skills
Prowadzi naukę z kodu lub nowego tematu przez wyjaśnienia, pytania, ćwiczenia, fiszki i ocenę, a także zakłada przestrzeń do nauki. - 100teach-topic
Prowadzi naukę pod cel ucznia przez wyjaśnienia, ćwiczenia, informację zwrotną i powtórki, także w ciągłym kursie.