# Learn Graph

> 当用户要系统学一个新领域、不知道从哪入手、或担心「学得不够系统」时使用。用「知识图谱学习法」和用户一起构建该领域的概念/用途/父子节点图谱（自己建图的过程本身就是学习），标出复用价值最高的节点和「从常识就能入门的点」，给出有效学习路径并回答「学到哪算够」。触发场景：系统学 X 领域、从哪开始学、学得不系统、想要 X 的全貌、规划学习路径、这个领域有多大。

- Skill: `li-evan/learn-graph` (Agent Skill)
- Install (CLI): `npx skillmds@latest add li-evan/learn-graph`
- Raw SKILL.md: https://api.skillmd.com/api/skills/li-evan/learn-graph/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: li-evan (https://skillmd.com/u/li-evan)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/li-evan/learn-graph

---


# 知识图谱学习法（learn-graph）

> 核心信条：**自己一步步建图谱的过程，本身就是最有效的学习——不要直接套用别人给的图谱。** 绝大部分知识，都有一个从常识就能入门的点。

## 何时用

用户要系统进入一个新领域，或焦虑"学得不够系统 / 不知何时算够"。

## 流程（关键：和用户一起建，不是直接灌一张完整图）

### 第一步：锁定目标领域 X 和目的

用户为什么学 X？（接 `learn-occam` 的"既定问题"）目的决定图谱画到多细。

### 第二步：构建图谱——只抓三件事

**概念/名称 · 用途 · 上下文关系（父子节点）**：

- 子节点 = X 依托 / 基于什么；父节点 = X 服务于什么目标。
- **以提问引导用户一起填**（自己建图才学得到），别一次性灌完。先给骨架，留节点让他补。

### 第三步：标注两个关键

- **复用价值**：哪些节点父节点多（像 Python）→ 优先学，回报最高。
- **入门点**：哪个节点"从常识就能入门"→ 学习路径的起点。

### 第四步：输出学习路径 + 颗粒度

从入门点出发、沿父子关系排一条有效路径。颗粒度按需自由切换（领域图 → 细分学科图）。"学到哪算够"= 覆盖到能解决第一步那个目的的节点即可，不必学满。

### 第五步：交接

- 拿不准某节点是不是缺前置知识 → 这正是图谱的强项，已在图上标出。
- 找到入门点要动手 → 转 `learn-prototype`（在图上找"最垃圾原型"的起点）。

## 注意

> ⚠️ **铁律·只用确证的已会知识**：判断用户「已经会什么」只能用他**确证学过**的知识（亲口确认或可靠背景）；**严禁**把「正在讲的材料 / 文章作者背景 / 对话里别人的知识」当成用户会的。拿不准 → 直接问「⚠️ 你学过 ___ 吗？」，绝不替他假设。

- 强调"自己建"：多用提问让用户参与，别炫一张完美的图。
- 同族 skill：`learn-occam`(该不该学) `learn-crossover`(已会什么) `learn-prototype`(动手) `learn-feynman`(自查)。