# Rw Research Learning

> 发现并扫描用户可读的本地积累或指定文件夹，根据材料归属、当前版本以及用户已写、已解释和已应用的内容判断可见研究基础，选择学习起点并生成第一份学习产物。Use when the user asks for “带我学一个科研主题”“扫描这个文件夹再教我”“分析我的科研能力”“看看我会什么”“根据我的本地内容决定下一步”“我不知道科研或 PhD 从哪里开始”，or requests the rw-research-learning workflow.

- Skill: `ozrwayne/rw-research-learning` (Agent Skill, multi-file: 17 files)
- Install (CLI): `npx skillmds@latest add ozrwayne/rw-research-learning`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ozrwayne/rw-research-learning/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Research & Search
- Author: ozrwayne (https://skillmd.com/u/ozrwayne)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/ozrwayne/rw-research-learning

---


# RW Research Learning

先发现用户把内容放在哪里，再读已有积累，最后决定从哪里开始学。不在扫描前要求用户先说清研究阶段或选择其他 Skill。

## 启动

1. 读取 `references/method.md`、`references/scan-policy.md` 和 `references/profile-schema.md`。
2. 用户指定文件夹时，将该文件夹作为主扫描范围；除非用户说“只看这个文件夹”，同时对当前项目允许读取的范围做元数据发现，寻找遗漏的相关内容目录。
3. 用户没有指定路径时，先对当前项目做元数据发现；用户明确要求“全盘扫描”时，使用 `user` 模式扫描环境允许读取的用户内容。
4. 需要建立或更新索引时，运行 `scripts/research_learning_scan.py`。
5. 生成研究基础判断前，读取 `references/acceptance.md`。

## 扫描模式

- **指定文件夹**：深扫用户给出的路径；用户未限制范围时，再发现当前项目中的相关目录。
- **当前项目**：先发现候选内容目录，再扫描选中的目录。
- **用户内容**：用户要求“全盘扫描”时，扫描环境允许读取的用户主目录，并应用排除规则。

范围发现只读路径、类型、大小和修改时间，不提取正文。内容扫描是只读的。创建 `.rw-research/` 状态目录前，先告知用户将写入的位置和文件。用户不允许写入时，把状态放到临时目录，不改原始资料。

## 工作阶段

### 1．发现范围

1. 运行 `landscape`，列出候选内容目录和实际可读边界。
2. 用户指定的目录始终保留为主根目录。
3. 研究、写作、项目和长期内容目录可以进入候选；版本库、依赖、缓存和系统目录不进入候选。
4. 报告实际发现根目录和最终内容扫描根目录，不写“扫描了全部资料”代替范围说明。

### 2．盘点内容

1. 扫描可读文件，记录路径、类型、大小、修改时间和提取状态。
2. 提取文本、Markdown、HTML、JSON、CSV、Word、PowerPoint 和 Excel 中可读的文字。
3. PDF 在当前环境有可用解析器时提取文本；否则标记为待提取。
4. 音频、视频和图片没有转写或 OCR 时，只记录文件存在。
5. 保留跳过项和跳过原因。

### 3．发现用户的基础

1. 按主题、方法、研究阶段和产出类型检索索引。
2. 采样原文，不只看文件名和关键词次数。
3. 先将证据分为 `user_output`、`process_record`、`collaborative_output`、`ai_assisted`、`external_reference`、`downloaded_tool` 或 `unknown`。
4. 再将每项能力判断分为：`applied`、`articulated`、`exposed` 或 `no_evidence`。`external_reference` 和 `downloaded_tool` 不单独支持 `applied`。
5. 为正向判断保留来源路径、原文定位、材料归属、作者归属信心和当前状态。
6. 将材料标记为 `current`、`historical`、`reference` 或 `unknown`。当前文件登记、最新工作稿和明确的 canonical 文件优先于旧 proposal。
7. 检查数字、身份、研究问题、方法版本和 claim 状态冲突；发现待核主张在下游被写成确定事实时，记录冲突，不自动裁决。

### 4．选择学习起点

1. 跳过已有 `applied` 或多条 `articulated` 证据的基础内容。
2. 对 `exposed` 内容做小步验证，不直接宣布用户已掌握。
3. 将 `no_evidence` 写成“当前扫描未找到使用证据”，不写成“用户不会”。
4. 根据现有积累中的断点，只选择一个当前学习起点。
5. 在同一次任务中生成第一份学习产物，不停在能力画像报告。产物可以是决策表、分析计划、编码练习、证据图或模型输入表，不固定为教程文章。

### 5．继续学习

1. 读取上一份学习产物的用户反馈。
2. 检查扫描目录是否有新增或修改文件。
3. 只做增量扫描，更新受影响的基础判断。
4. 根据反馈和新证据调整下一份文档。

## 运行命令

```bash
python3 scripts/research_learning_scan.py landscape --mode current --root "<allowed-root>"
python3 scripts/research_learning_scan.py scan --mode folder --root "<folder>" --state-dir "<folder>/.rw-research"
python3 scripts/research_learning_scan.py scan --mode current --state-dir "<state-dir>"
python3 scripts/research_learning_scan.py scan --mode user --state-dir "<state-dir>"
python3 scripts/research_learning_scan.py discover --state-dir "<state-dir>"
python3 scripts/research_learning_scan.py query --state-dir "<state-dir>" --topic "<topic>"
python3 scripts/research_learning_scan.py validate-profile "<profile.json>"
```

## 输出

- 扫描范围、覆盖量、跳过项和不可读项。
- 有来源的可见研究基础。
- 无法从当前内容判断的部分。
- 一个学习起点和选择原因。
- 第一份学习产物。
- 一个可供用户纠正的简短反馈入口。

画像、扫描索引和能力报告默认标记为 `private_local`。它们不能自动进入公开仓库、README、测试、Release、远程服务或其他用户任务。

## 可选 ADHD 友好输出

- 仅当用户明确要求“ADHD 友好输出”“ADHD 友好模式”或同义方式时启用。
- 不主动询问、介绍或推荐这个模式，不根据表达方式、回复速度或任务完成情况推断。
- 用户只披露有 ADHD，但没有要求改变输出方式时，不启用。
- 默认只在当前任务中保持；用户要求关闭时立即返回普通输出。
- 不保存诊断信息。用户明确要求跨任务保留时，只保存 `interaction_mode: adhd_friendly`。
- 启用后先给“只看这里”：当前任务、用户现在只做的 1 件事和本轮完成标准。
- 多步骤任务再给进度：已完成、当前和待处理；简单回答不生成空栏目。
- 重要但不需要现在处理的内容进入“暂存区”；详细证据放在摘要之后。
- 每轮最多提出 1 个关键问题；必须输入先展示最多 3 项，其余放到后续。
- 加粗当前任务、用户动作、结论和阻断状态；每段不超过 2 处，不加粗整段，不重复加粗同一词。
- 不为缩短输出删除证据边界、未知事项、停止条件或安全提示。
- 用户要求“展开”时提供完整记录，同时保留顶部摘要。
- 中断后先给恢复点，说明上次完成位置、当前状态和下一步，不要求用户重复已提供的信息。

## 停止条件

- 用户指定的路径不可读时，停止该路径扫描并说明原因。
- 扫描根目录解析为操作系统根目录时，拒绝运行。
- 证据只有文件名、收藏或单次提及时，不标记为 `applied`。
- 单个文件解析失败时标记为 `unreadable` 并继续，不中断其他文件扫描。
- 不读取凭据、秘钥、环境变量和明确的密码库文件。
- 不因扫描结果缺失而生成用户能力结论。
- 不将学习起点当成临床、伦理或统计专业审批。
- 用户未明确要求时，不导出或分享本地画像、索引和报告。

## 独立运行

- 不要求预设的私人工作区或索引。
- 只有指定文件夹时，仍能建立索引、生成研究基础判断并选择学习起点。
- 没有可读本地资料时，使用用户本轮提供的内容；仍无内容时，说明不能判断基础，再从主题的起点文档开始。

## 来源纪律

- 个人能力判断只使用当前扫描到的用户材料。
- 外部论文、教材、他人 thesis、下载的 Skill 和模板只作为接触证据，不能当成用户应用证据。
- 保留路径、文件修改时间和原文定位。
- 把材料中的事实、用户判断、Agent 推断和未知项分开。
- 本地资料可能过时时，标记日期；需要当前事实时再核验公开来源。