# Zjk Mastery

> 技术知识精通学习工作流——管理从输入到输出的完整学习闭环。三阶段工作流：输入（内容发现+AI笔记生成）→ 思考（互动问答+个人笔记+模拟题）→ 输出（A4默写+掌握度测试）。支持间隔重复回测（周/月/年）。 适用范围：论文、技术博客、教程、技术文档。不支持非技术类书籍。 触发场景：(1) 用户想学习某个技术主题 (2) "我要学"、"帮我学"、"学习计划"、"知识精通" (3) 生成学习笔记或模拟题 (4) 进行知识回测/复习 (5) A4默写测试 (6) 管理学习进度和间隔重复。与 paper-reading 互补：paper-reading 专注论文精读教学， zjk-mastery 覆盖更广的技术学习范围并管理完整学习闭环。

- Skill: `zhoujiakai/zjk-mastery` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add zhoujiakai/zjk-mastery`
- Raw SKILL.md: https://api.skillmd.com/api/skills/zhoujiakai/zjk-mastery/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: zhoujiakai (https://skillmd.com/u/zhoujiakai)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/zhoujiakai/zjk-mastery

---


# 知识精通学习工作流

## 核心理念

学习分三阶段：**输入 → 思考 → 输出**。最终标准：能在一张 A4 纸上默写出所有核心知识。

```
输入 ─── 只看最优质内容，AI 整理生成笔记
  ↓
思考 ─── 互动问答 + 个人笔记 + 模拟题测试
  ↓
输出 ─── A4 默写：能用自己的话写下来才算真懂
  ↓
持续 ─── 间隔重复（周测/月测/年测），通过率 100%
```

## 工作流程

```
阶段 1：内容发现与整理
    1.1 确定主题 → 1.2 搜索优质来源 → 1.3 生成 AI 笔记
    ↓
阶段 2：深度理解与互动
    2.1 逐节精读 + 苏格拉底问答 → 2.2 个人笔记 → 2.3 模拟题测试
    ↓
阶段 3：知识检验
    3.1 A4 默写测试 → 3.2 掌握度报告 → 3.3 归档
    ↓
持续：间隔重复回测
    周测(7天) → 月测(30天) → 年测(365天)
```

## 阶段 1：内容发现与整理

### 1.1 确定学习主题

收集：主题、学习目标（面试/项目/扩展）、用户水平（零基础/有基础/熟悉）、可用材料。

### 1.2 搜索优质来源

用 WebSearch 搜索，按优先级排列：

1. 原始论文（arXiv / 官方版）
2. 官方文档
3. 高质量博客（作者本人、知名技术博客）
4. 经典教程（Stanford/MIT 等）

评估维度：权威性、时效性、深度。呈现推荐列表让用户确认：

```
| # | 来源 | 类型 | 权威性 | 时效性 | 推荐理由 |
```

### 1.3 生成 AI 笔记

读取来源内容（PDF 用 `pdf` 技能，网页用 WebFetch，本地 Markdown 直接读取），生成结构化笔记。

模板见 [references/output-templates.md](references/output-templates.md)。

保存到 `open/<主题目录>/ai-notes.md`。

#### 写作红线（每条必须过）

笔记是给人读的，不是给机器存的。逐条检查：

1. **口语检验** — 你会这样跟同事解释这个概念吗？不会就改。教材腔是默认敌人
2. **零术语** — 先用大白话落地，再顺带提术语名。必须用原文术语才能解释的，说明还没懂透
3. **短词优先** — 能用两个字说的不用四个字。"通过对 XX 机制的深入分析可以发现"→"XX 做的事是"
4. **一句一事** — 每句话只推进一步，不塞两个想法
5. **具体** — 名词看得见，动词有力气，形容词能砍就砍。优先用具体的例子代替抽象描述
6. **不填充** — 删"值得注意的是"、"综上所述"等套话，每句必须传递新信息
7. **信任读者** — 说一遍够了，不在不同章节重复同一个结论

#### 写作原则（方向性指导）

1. **一个锚点撑全文** — 找到一个具象的中心隐喻或场景，让所有概念围绕它展开。不是并列罗列十个知识点，是一根绳子串起来。比如讲 React Fiber，锚点可以是"把一口气跑完的马拉松拆成一圈一圈的操场跑"
2. **推理外显** — 不直接给结论。模拟"一步步想明白"的过程——"既然 X 是这样，那 Y 能不能也这样？"让读者觉得结论差一步就是自己想到的
3. **诚实** — 有不确定的地方直说"这个概念没有简单的解释方式"，比硬编一个不准确的类比好。笔记里标注"这里需要反复理解"比假装讲透了更有用

## 阶段 2：深度理解与互动

### 2.1 苏格拉底式精读

逐节引导，每节循环：讲解概念 → 提出检验性问题 → 用户回答 → 纠正/确认 → 下一概念。

**讲解规范**：
- 每次只讲 1 个概念，不超过 5 段
- 类比先行，技术细节跟进
- 术语保留英文（Self-Attention、Backpropagation）
- 公式拆解成步骤，每步一句话
- 口语化表达，像在跟同事聊天，不是在念教材
- 拿不准的地方直说"这个细节我也不确定"，不要编造解释

**提问规范**：
- 每次只问 1 个问题，要求用户用自己的话回答
- 难度递进：是什么 → 为什么 → 和 X 有什么区别
- 答不上来给提示，不给答案

**纠正规范**：
- 先肯定答对部分
- 对比展示错误（"你说的是 X，实际应该是 Y"）
- 概念混淆时给区分口诀或对比表

**进度管理**：
- 每完成一节展示进度表
- 用户说"跳过"→ 快速模式（只展示不提问）
- 用户说"休息"→ 保存进度并停止

### 2.2 个人笔记

在 AI 笔记基础上，用用户自己的理解重新组织（不是抄 AI 笔记）。模板见 [references/output-templates.md](references/output-templates.md)。

保存到 `open/<主题目录>/notes.md`。

### 2.3 模拟题测试

题型覆盖：选择题(2-3题)、简答题(3-5题)、对比题(1-2题)、应用题(1-2题)。

评分：✅ 完全正确 / ⚠️ 部分正确+补充 / ❌ 不正确+回顾知识点

题库保存到 `open/<主题目录>/quiz.md`，结构见 [references/output-templates.md](references/output-templates.md)。

## 阶段 3：知识检验

### 3.1 A4 默写测试

1. 列出 8-12 个核心知识点
2. 用户逐个默写（文字输入）
3. 逐个评估

评估标准：
- 🟢 通过：核心要点完整，用自己的话准确表达
- 🟡 基本通过：大部分正确，1-2 个细节遗漏
- 🔴 未通过：核心概念遗漏或严重错误

未通过 → 补充讲解 → 重新测试该知识点 → 再次默写。

### 3.2 掌握度报告

生成报告（模板见 [references/output-templates.md](references/output-templates.md)），包含总评、知识点明细、薄弱点强化建议。

### 3.3 归档

掌握度 ≥ 80% 时：目录从 `open/` 移到 `closed/`，更新 README 列表。

## 间隔重复回测

| 类型 | 间隔 | 题数 | 覆盖范围 |
|------|------|------|----------|
| 周测 | 7 天 | 5-8 | 全部核心知识点 |
| 月测 | 30 天 | 8-12 | 全部 + 延伸题 |
| 年测 | 365 天 | 10-15 | 全部 + 跨主题关联题 |

执行流程：抽取题目（优先上次答错的）→ 作答 → 评分 → 更新记录。未通过的题目 3 天后追加测试。

## 文件组织

```
open/<主题目录>/
├── ai-notes.md      # AI 结构化笔记
├── notes.md          # 个人笔记
├── quiz.md           # 题库 + 测试记录
├── progress.md       # 学习进度（中途保存）
└── <原始材料>                 # PDF、翻译等
```

## 启动检查清单

1. 确认学习主题和目标
2. 检查历史进度文件（`progress.md`）
3. 检查待回测题库（`quiz.md` 到期测试）
4. 如有进度，询问：继续 / 重新开始 / 回测
5. 进入对应阶段