# Learning Wiki

> 把 AI 问答对话沉淀为结构化学习 Wiki：按因果链组织章节、还原学习者真实提问、记录误区纠正轨迹、术语首现必释、配 Mermaid 流程图与自测题参考答案。当用户说"总结这次学习""做成学习 wiki""整理学习笔记""复盘这次问答"或输入 /learning-wiki 时使用。

- Skill: `shen-an/learning-wiki` (Agent Skill, multi-file: 16 files)
- Install (CLI): `npx skillmds@latest add shen-an/learning-wiki`
- Raw SKILL.md: https://api.skillmd.com/api/skills/shen-an/learning-wiki/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- License: MIT
- Author: Shen-An (https://skillmd.com/u/shen-an)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/shen-an/learning-wiki

---


# Learning Wiki：对话学习总结生成器

把一次（或多次接续的）学习问答对话，加工成一份**可复练的学习 Wiki 文件夹**。
核心主张：Wiki 不是知识的名词解释集，而是**学习轨迹的化石**——因果链、被问出的真问题、踩过的误解、每个机制的代价。

只读写 Markdown 文件，不依赖网络与任何 harness 特有工具，Claude Code / Codex / DSH 通用。

## 输入与输出

- **输入**：当前会话的学习对话。若上下文不含完整对话，先请用户提供对话记录、粘贴要点，或指明"接续已有 wiki 增量补写"。
- **输出**：一个 Wiki 文件夹（默认 `./learning-<主题>/`，用户指定路径优先）：
  ```
  learning-<主题>/
  ├── README.md            # 总览：因果链一图流 + 目录 + 术语速查
  ├── 01-<章节名>.md       # 每个"局限 → 机制 → 代价"循环一篇
  ├── 02-<章节名>.md
  └── ...                  # 短对话可合并为单文件
  ```

## 工作流

### Step 1 · 盘点对话，提取六类原料

通读对话，逐项列清单（先在草稿里过一遍，不急着成文）：

1. **因果链**：机制 A 的什么"不行"逼出了机制 B？整条链从"最初的问题"走到"最后的机制"
2. **真实提问**：学习者每一步的原话问题（保留原味，包括"这说的啥""为什么诡异"这类挑战）
3. **误解与纠正**：学习者理解偏了/糊了的地方及纠正过程——**这是最高价值内容，必须显式保留**，不许顺滑成"正确知识"
4. **术语**：每个首次出现就需要解释的词，记下对话里给出的大白话解释
5. **取舍**：每个机制自带的代价（丢失窗口、内存翻倍、秒级停写……）
6. **例子与类比**：对话中效果最好的讲解案例与类比，成文时优先复用它们

### Step 2 · 定章节骨架

- 按**因果链**排章节，不按对话时间线（二者通常一致，冲突时以因果链为准）
- 一章 = 一个"局限 → 机制 → 代价"循环；通常 5~9 章；内容薄的对话合并成 2~3 章或单文件
- 先画因果链一图流；若学习者只学了一半，为未完部分留"未完成线"小节，方便下次增量补写

### Step 3 · 按模板成文

- 章节模板：`references/chapter-template.md`
- 总览模板：`references/readme-template.md`

不可妥协的文风规则（详见 `references/quality-rubric.md`）：

1. 术语**首现必释**，同时收进 README 术语速查表
2. 章节内小节标题尽量还原**真实问题**，便于按问题检索复练
3. 出现过误解的地方写 **❌ 原话/直觉 → ✅ 修正版** 对照，保留纠错轨迹
4. 每个机制写清**解决什么局限 + 付什么代价**两栏
5. 每个正文篇至少一张 **Mermaid 流程图**（决策路径、时序、全景路由等）
6. **自测题考推演不考背诵**；参考答案写完整推理过程，禁止名词解释式敷衍
7. 每篇结尾"一句话总结"，把全篇压缩成一句可背诵的长句
8. 诚实标注边界：对话没覆盖的知识点写"本篇未涉及"，**严禁编造补充**

### Step 4 · 增量模式（目标目录已存在时）

- 先读已有 README 与相关章节，判断本次对话属于：新章节 / 旧章节补深 / 误解新增 / 因果链延长
- 只动需要动的文件；新章节续编号；已有答案被本次对话推翻时，更新答案并保留 ❌→✅ 记录
- 更新 README 的目录表与术语速查

### Step 5 · 交付与自检

- 先跑机械校验：`python scripts/check_wiki.py <wiki目录>`（检查码 E1–E5 / W1–W3；修完所有 ERROR；WARN 逐条人工判断，故意省略某小节可接受）
- 再逐条过 `references/quality-rubric.md` 做人工检查（忠实性、误解轨迹这些机器查不了）
- Mermaid 语法自查：含括号/特殊字符的节点标签用引号包裹，换行用 `<br/>`，确保 GitHub / Obsidian / VS Code 预览可渲染
- README 内部链接全部相对路径可达（脚本会查）
- 向用户汇报：文件清单 + 每篇对应对话的哪一段 + 指出对话中留下的悬而未决问题

### Step 6 · 自迭代（证据账本 + 触发式复盘）

- 交付后，把本次的失败信号追加进 `feedback/ledger.jsonl`（不存在则创建；格式见 `feedback/ledger.example.jsonl`；只追加、不删改）。必记的三类：修复过的 ERROR、被判定"本应在生成时避免"的 WARN、人工核对或用户提出的任何返工
- 仅当用户要求"复盘/迭代这个 skill"，或自上次版本 bump 后新增记录 ≥ 5 条，才按 `references/self-iteration.md` 进入迭代流程：聚类证据 → 最小 diff → `python evals/run_evals.py` 门禁 → 人工确认后落盘 → 升版本并写 `CHANGELOG.md`
- **任何一次 Step 1–5 的生成过程中，绝不修改 skill 自身文件**

## 质量下限

产出的 Wiki 必须做到：一个没参与过原对话的人（或三个月后的学习者本人），仅凭这套文档能重新走完同样的理解路径——包括"错在哪"的部分。达不到就重写，不要交半成品。