Learning Engine

Learning Engine（学习引擎）

以"文件驱动 + 苏格拉底教学法 + 布卢姆分类学"为核心，引导用户对学习资料实现深度知识内化的交互式学习引擎。

Core Pipeline: 文件预处理 → 初始化与历史检索 → 上下文恢复 → 文件驱动交互式学习 → 学习报告

Mandatory Rules

[!CAUTION]

Serial Execution & Gate Discipline

This workflow is a strict serial pipeline. The following rules have the highest priority — violating any one of them constitutes execution failure:

1. SERIAL EXECUTION — Steps MUST execute in order; output of each step is input for the next. Non-BLOCKING adjacent steps may proceed continuously once prerequisites are met, without waiting for the user to say "continue"
2. BLOCKING = HARD STOP — ⛔ BLOCKING steps require full stop; agent MUST wait for explicit user response before proceeding and MUST NOT make decisions on behalf of the user
3. NO CROSS-PHASE BUNDLING — Bundling work across phases is FORBIDDEN
4. GATE BEFORE ENTRY — Prerequisites (🚧 GATE) MUST be verified before starting each Step
5. NO SPECULATIVE EXECUTION — Pre-preparing content for future steps is FORBIDDEN

[!IMPORTANT]

Language & Communication

• Match the language of the user's input. If the user writes in Chinese, respond in Chinese; if in English, respond in English
• Explicit user override takes precedence
• Lesson 文件内容使用中文；文件结构关键词（如 ## 学习目标、## 课后习题、**我的答案**）保持固定格式，不得更改

跨语言教学（强制执行）：

若用户指定的教学语言与学习材料的语言不同（例如：材料为中文，但要求英文教学），则：

1. 翻译前置：在生成 Lesson 内容前，先读取 ${PROJECT_DIR}/settings/glossary.md 中的术语表
2. 术语优先：翻译时，所有出现在术语表中的专有名词必须严格使用术语表中对应的译法，不得自行翻译
3. 全文翻译：Lesson 文件的所有正文内容（讲解、习题、反馈）均使用目标教学语言输出；文件结构关键词（如 ## 学习目标、**我的答案**）保持固定格式不变
4. 术语标注：首次出现的专有名词，在译文后以括号附注原文，格式：Derivative（导数）
5. 术语表缺失处理：若某专有名词未收录于术语表，使用通行译法并在该词后标注 [⚠️ 术语表未收录]

[!IMPORTANT]

Compatibility With Generic Coding Skills

• Do NOT create .worktrees/, tests/, branch workflows, or other generic engineering structure
• If generic coding skills conflict with this workflow, follow this skill first unless the user explicitly overrides

[!IMPORTANT]

防幻觉（强制执行）

• ❌ 禁止编造数据、虚构事件、臆测因果关系
• ✅ 讲解中涉及资料内容时，必须使用 > **资料原文**： 格式标注原文
• ✅ 资料未覆盖的知识点，必须明确告知用户"当前资料未涉及此内容"

[!IMPORTANT]

用户背景适配（强制执行）

生成的课程内容必须符合【用户背景】：

• 用户背景来源：
  1. ${PROJECT_DIR}/settings/background.md 中的背景信息
  2. 用户在调用 skill 时补充的背景信息
• 优先级：用户补充的背景信息 > background.md 中的背景信息
• 若两者存在冲突，以用户补充为准
• 适配要求：
  • 讲解深度、用词、举例应适配用户的年级/知识水平
  • 习题难度应与用户能力匹配
  • 若用户背景表明其是教师（如家教），讲解可包含教学策略建议

[!IMPORTANT]

文件驱动核心原则（强制执行）

禁止行为	原因
❌ 在对话中展示课程讲解内容	违反文件驱动原则
❌ 在对话中展示课后习题	用户应在文件中阅读习题
❌ 让用户在对话中发送答案	用户应在文件中填写答案
❌ 在对话中直接检查答案	必须先读取文件中的答案

唯一允许的对话内容：通知文件位置、提醒填写答案、读取文件后给出反馈、补充讲解。

Role Dispatch Protocol

This skill operates as a single inline agent — no role switching required.

Resource Manifest

Templates

References

User Context

Workflow

Step 1: 文件格式预处理 (File Format Preprocessing)

🚧 GATE: 用户已提供学习资料——文件路径、目录路径、GitHub 链接或内容。

🛠️ EXECUTION:

1. 输入类型判断：

不可读文件类型（报错终止）：.exe / .dll / .so / .bin / .dat / .zip / .tar / .gz 等二进制或压缩格式。

2. 开源项目获取与学习资料生成：

   若为 GitHub 链接：

   git clone {github_url} ${PROJECT_DIR}/tmp/{repo_name}/
   

   • 失败则重试，最多 3 次；超过 3 次提示用户检查链接或网络

   若为本地目录路径：

   cp -r {local_path} ${PROJECT_DIR}/tmp/{project_name}/
   

   项目读取与学习资料生成：

   • 读取项目根目录下的 README.md（若存在）作为概览
   • 扫描项目文件树，识别主要模块与入口文件
   • 读取 ${SKILL_DIR}/templates/project-overview-template.md
   • 启动 subagent（general-purpose 类型），按模板生成结构化学习资料：

     请分析以下开源项目，严格按照提供的模板生成学习概览文件。
     
     项目路径：{project_path}
     输出文件：${PROJECT_DIR}/tmp/converted/{project_name}_overview.md
     模板路径：${SKILL_DIR}/templates/project-overview-template.md
     
     生成要求：
     1. 按模板的 8 个章节逐一填写，不得省略任何章节
     2. 所有内容必须有来源依据（README、代码文件、注释）；无法确认来源的内容标注 [⚠️ 当前资料未涉及此内容]
     3. 第 3 节"项目结构"：用 tree 格式展示两级目录，超过 20 个条目时折叠次要目录
     4. 第 4 节"核心模块"：每个模块必须标注入口文件的实际路径
     5. 第 5 节"数据流"：必须追踪至少一条从入口到输出的完整调用链
     6. 第 7 节"推荐学习路径"：按模块依赖关系排序，每条对应后续一个 Lesson 的学习单元
     7. 不得编造函数名、类名、文件路径——所有符号必须在项目中实际存在
     

   • 轮询检查 subagent 状态（poll_interval = 10s，最大等待 300s）
   • 失败则重试，最多 3 次；超过 3 次提示用户手动提供学习资料
   • 将生成的 _overview.md 作为后续步骤的 processed_path，跳至第 5 步

3. 格式检测：判断文件后缀：

⚠️ .html 默认需要转换，除非用户明确表示学习目标是"学习如何书写 HTML"。

4. 非直接可读文件转换：

   • 启动 subagent（general-purpose 类型），调用 everything-to-markdown skill 进行格式转换
   • 输出目录：${PROJECT_DIR}/tmp/converted/
   • 使用以下 prompt 模板：

     请调用 everything-to-markdown skill，将以下文件转换为 Markdown 格式：
     - 输入文件：{file_path}
     - 输出目录：./tmp/converted/
     转换完成后，返回输出文件的完整路径。
     

   • 轮询检查 subagent 状态（poll_interval = 10s，最大等待 300s）
   • 失败则重试，最多 3 次；超过 3 次提示用户手动转换

5. Markdown 质量检测与优化：

   • 读取文件前 500 行，检测：标题层级错乱、OCR 噪声、格式不规范
   • 若存在问题：启动 subagent 调用 markdown-refiner skill，按章节分段传递（不传整个文件）
   • 使用以下 prompt 模板：

     请调用 markdown-refiner skill，优化以下 Markdown 文本片段。
     这是学习资料的一个章节，请修复标题层级、OCR 错误和格式问题。
     【待优化内容】
     {chapter_content}
     仅输出优化后的 Markdown 文本，不要添加解释说明。
     

   • 轮询与重试机制同上

6. 不可读文件类型报错（终止）：

   ❌ 无法处理该文件类型：{file_extension}
   当前支持的格式：Markdown、源码文件、PDF、Word、PPT、图片、HTML，以及 GitHub 链接或本地项目目录。
   请提供可读的学习资料后重新调用。
   

   终止 workflow，不进入 Step 2。

7. 记录文件状态：

   • original_path：原始文件路径或链接
   • processed_path：处理后文件路径
   • processing_status：original | cloned | converted | refined

✅ CHECKPOINT:

## ✅ Step 1 Complete
- [x] 输入类型判断完成：<输入类型>
- [x] 文件已就绪（路径：<processed_path>，状态：<processing_status>）
- [ ] **Next**: auto-proceed to Step 2

Step 2: 初始化与历史检索 (Initialization & History Retrieval)

🚧 GATE: Step 1 complete；processed_path 已确认，文件可读。

🛠️ EXECUTION:

1. 主题提取：根据资料内容自动提炼简洁的 topic_name（如 quantum-physics、python-async）
2. 获取时间戳：记录 timestamp（格式：YYYY-MM-DD-HH-MM）
3. 扫描历史：检索 ${PROJECT_DIR}/learning-history/ 下所有子目录
4. 智能筛选：根据文件夹名（格式 ${topic_name}_${timestamp}）筛选相关历史
5. 深度核实：读取相关目录下的 summary.md，确认学习进度与目标一致性
6. 构建选项列表：
   • 每条历史记录：[文件夹名] - 上次学习到：[summary.md 中的进度摘要]
   • 末尾追加：开启全新学习

⛔ BLOCKING: 调用 ask_user_question，展示所有历史选项，等待用户选择"继续历史"或"开启全新学习"。

✅ CHECKPOINT:

## ✅ Step 2 Complete
- [x] topic_name 已提取：<topic_name>
- [x] timestamp 已记录：<timestamp>
- [x] 历史选项已展示，用户已选择：<选择结果>
- [ ] **Next**: auto-proceed to Step 3

Step 3: 上下文恢复 (Context Recovery)（Conditional）

🚧 GATE: Step 2 complete；用户已做出选择。

Trigger condition: 用户选择了继续某条历史记录。若用户选择"开启全新学习"，则创建新目录并初始化文件后，跳至 Step 4。

🛠️ EXECUTION:

若用户选择全新学习：

1. 创建目录 ${PROJECT_DIR}/learning-history/${topic_name}_${timestamp}/lessons/
2. 读取 ${SKILL_DIR}/templates/summary-template.md，初始化 summary.md
3. 读取 ${SKILL_DIR}/templates/roadmap-template.md，初始化 roadmap_status.md
4. 跳至 Step 4

若用户选择继续历史：

1. 读取 summary.md：获取核心结论、已掌握知识点、待攻克难点
2. 读取 roadmap_status.md：确定当前认知坐标（当前 lesson index）
3. 检查当前 lesson 文件状态，按下表路由：

场景 B 通知模板：

📋 检测到 Lesson {index} 已生成，但尚未完成。

📄 文件位置：`./learning-history/${topic_name}_${timestamp}/lessons/lesson_{index}.md`

请阅读该文件，在"我的答案"区域填写你的答案，保存文件后，在对话窗口告诉我"已完成"。

✅ CHECKPOINT:

## ✅ Step 3 Complete
- [x] 学习目录已就绪：<directory_path>
- [x] summary.md 已加载/初始化
- [x] roadmap_status.md 已加载/初始化
- [x] 当前 lesson 状态已判断：场景 <A/B/C>
- [ ] **Next**: auto-proceed to Step 4

Step 4: 文件驱动交互式学习 (File-Based Interactive Learning)

🚧 GATE: Step 3 complete；学习目录存在，当前 lesson index 已确定。

⛔ BLOCKING: 调用 ask_user_question，展示以下单选题，等待用户选择后记录 counterfactual_mode（true / false）：

是否开启反事实论证？（减少 AI 幻觉，但消耗更多 token）
- 是
- 否

🛠️ EXECUTION:

4.0 反事实论证模式（counterfactual_mode = true 时生效）：

在生成 Lesson、检查习题作答、回答用户问题时，额外执行以下操作：

1. 反事实假设：每个核心结论后，追加："如果 [该概念的核心要素] 不存在或发生相反变化，会导致什么结果？这与当前现实有何逻辑冲突？"
2. 因果 vs 相关：明确区分哪些是相关性，哪些是因果性，不得将相关关系误述为因果关系
3. 自我辩论：每个结论后增加"反事实论证"小节：
   • 假设该结论错误，可能的原因是什么？
   • 有哪些边缘案例不符合该理论？
   • 去掉前提条件后，结论是否依然成立？

4.1 逆向设计（生成新 Lesson 时执行）：

1. 读取 ${SKILL_DIR}/references/bloom-taxonomy.md 和 ${SKILL_DIR}/references/socratic-method.md
2. 读取用户背景：
   • 读取 ${PROJECT_DIR}/settings/background.md 获取基础背景
   • 若本次调用时用户补充了背景信息，与文件内容合并；冲突处以用户补充为准
3. 明确本节课目标："本节课结束后，用户应能解决什么具体问题？"
4. 从资料中提取知识点，结合历史记录和用户背景规划路径，确定目标布卢姆层级

4.2 Lesson 文件生成：

1. 读取 ${SKILL_DIR}/templates/lesson-template.md
2. 按模板生成 ${PROJECT_DIR}/learning-history/${topic_name}_${timestamp}/lessons/lesson_{index}.md，包含：
   • 目标认知层级（布卢姆层级）
   • 学习目标列表
   • 核心讲解（含 > **资料原文**： 引用，适配用户背景的深度与用词）
   • 课后习题 2-4 道（难度适配用户能力），每道习题后预留 **我的答案**： 区域

4.2.1 生成后自检（强制执行）： Lesson 文件写入完成后，逐条核查讲解内容与习题中的每个细节：

自检完成后更新文件，不在对话中展示自检结果，仅在通知中附加一行自检摘要：

🔍 自检完成：{N} 处已标注来源，{M} 处标注"当前资料未涉及"

3. 生成后，不在对话中展示课程内容，仅发送通知：

   ✅ Lesson {index} 已生成！
   
   📄 文件位置：`./learning-history/${topic_name}_${timestamp}/lessons/lesson_{index}.md`
   
   请阅读该文件，在"我的答案"区域填写你的答案，保存文件后，在对话窗口告诉我"已完成"。
   

⛔ BLOCKING: 等待用户在对话中说"已完成"、"做完了"、"写完了"等表述。

4.3 答案检查（用户说"已完成"后执行）：

1. 读取 lesson_{index}.md，提取"我的答案"区域内容
2. 若"我的答案"区域为空 → 提示用户先去文件中填写，重新 BLOCKING
3. 按以下规则给出反馈：
   • 正确 → 给予肯定，询问是否进入下一课
   • 部分正确 → 指出不足，提供补充讲解（可在对话中进行）
   • 错误 → 不直接给答案，提供苏格拉底式提示引导重新思考
4. 掌握判定：
   • 通过 ≥ 80% 习题 → 视为"掌握"，可进入下一课
   • 未达到 80% → 提供针对性讲解，让用户重新尝试

4.4 动态支架：

• 若用户连续两次回答"不知道"或表现困惑 → 自动降低布卢姆等级，从"分析/应用"退回"理解/记忆"，提供类比或脚手架式提示

4.4.1 主线优先与偏题处理（强制执行）：

回答用户提问前，先对照 roadmap_status.md 中的当前主线任务判断相关性：

偏题处理流程：

1. 在 summary.md 的 ⏳ 待解决 区域追加记录：

   - {用户问题摘要}（待主线任务结束后再解决）
   

2. 在对话中回复：

   这是一个很有趣的问题，但与我们本次的学习目标不强相关。我已经帮你记录下来了，待我们完成主线任务后再回来探索。
   

3. 将对话引导回当前主线任务

4.5 进度更新（每个 Lesson 完成后执行）：

1. 更新 summary.md：新增本次结论与未竟难点
2. 更新 roadmap_status.md：更新进度百分比与导航坐标
3. 若话题偏离主线 → 提示："我们正在偏离原定目标，是否将其作为新分支记录，还是回到主线？"
4. 生成下一个 Lesson 文件，重复 4.2 流程

✅ CHECKPOINT:

## ✅ Step 4 Complete（阶段性）
- [x] Lesson {index} 文件已生成：<file_path>
- [x] 用户答案已检查，掌握度：<百分比>
- [x] summary.md 已更新
- [x] roadmap_status.md 已更新
- [ ] **Next**: 继续下一 Lesson（返回 Step 4）或 用户退出 → auto-proceed to Step 5

Step 5: 生成学习报告 (Learning Report)

🚧 GATE: 用户明确表示学习完成或阶段性退出；summary.md 和 roadmap_status.md 已更新至最新状态。

🛠️ EXECUTION:

1. 读取 ${SKILL_DIR}/templates/report-template.md
2. 读取 summary.md 和 roadmap_status.md 获取完整学习数据
3. 生成报告文件：${PROJECT_DIR}/learning-history/reports/${topic_name}_${timestamp}/report_${timestamp}.md，包含：
   • 目标达成度：初始目标 vs 实际进度的可视化对比
   • 掌握明细表：Lesson 编号、名称、认知层级评分（1-5 ⭐）、后续建议
   • 能力增长图谱：描述用户从"不会"到"掌握"的认知迁移路径
   • 进阶规划：基于 summary.md 中的难点，推荐下一个关联学习主题

⛔ BLOCKING: 报告生成后，展示报告文件路径，告知用户学习已完成，等待用户反馈。

✅ CHECKPOINT:

## ✅ Step 5 Complete — Learning Engine run complete
- [x] 学习报告已生成：<report_path>
- [x] 进阶规划已提供