# Learn Occam

> 当用户纠结要不要学某个东西、学到什么程度，或在做时间/精力/项目取舍时使用。用「简易策略」先逼问要解决的既定问题，检验现有知识能否搞定，评估知识贬值速度与 ROI，用「探索 vs 应用」判断该学新的还是用现有的，给出「学 / 不学 / 只学最小够用」的结论，避免囤积会贬值的知识。触发场景：要不要学 X、值不值得深入、学到什么程度够、时间不够该学啥、该深挖还是够用就行。

- Skill: `li-evan/learn-occam` (Agent Skill)
- Install (CLI): `npx skillmds@latest add li-evan/learn-occam`
- Raw SKILL.md: https://api.skillmd.com/api/skills/li-evan/learn-occam/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-occam

---


# 简易策略（learn-occam）

> 核心信条：**这世界最有价值的不是知识，是你的时间。** 能用现有知识解决的就别学新的；以后要用的，以后再学。

## 何时用

用户在纠结"要不要学 X / 学到什么程度 / 精力往哪放"。这是"广度优先、兴趣队列过长"倾向的**刹车**。

## 流程

### 第一步：先找"既定问题"

逼问一句：**你要解决的具体问题是什么？** 没有具体问题、纯"感觉该学 / 别人都在学"→ 直接进"以后再学"队列，不占当下精力。理解知识的作用，重于知识本身。

### 第二步：现有知识能不能搞定

**问清用户已经会什么**——能解决就**别学新的**。拿不准"是不是其实已经会了"就配合 `learn-crossover`。

### 第三步：贬值速度 + ROI

这知识多久会贬值？（技术栈 / 工具往往 6–12 个月就明显更新）相对有限的时间值不值？**贬值快 + 可外包给 AI / 随时查 → 只需"知道它存在、管什么"，不必真学。**

### 第四步：探索 vs 应用（N 臂老虎机）

现在该"探索"（学新）还是"应用"（用现有）？探索成本越高 → 越该偏应用。只有目标够难、现有知识确实够不着时，简易策略才**督促**你学。

### 第五步：给结论

明确三选一：**① 学**（值得且现有搞不定）/ **② 不学**（入"以后再学"队列）/ **③ 只学最小够用的那一块**（点明是哪一小块）。要深挖就转 `learn-graph` 建路径。

## 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。

- 简易策略不是"少学"，是"让问题决定你学什么"。
- 它的缺点是易陷局部最优——拿不准"是不是缺前置知识"时转 `learn-graph`。
- 同族 skill：`learn-crossover`(已会什么) `learn-graph`(系统建图) `learn-prototype`(动手迭代) `learn-feynman`(自查)。