一个帮助你理解陌生专业知识的 Agent Skill：用背景与具体情境搭桥，通过一次推理或用自己的话讲回发现理解缺口，随后解释、修补，并在有价值时换个情境检验应用。
An Agent Skill for learning unfamiliar concepts through brief context, concrete examples or optional fables, one reasoning or explain-back task, and feedback that identifies gaps. It follows the learner's language and switches to a complete explanation whenever requested.
Skill 指令 · 教学示例 · 设计来源 · MIT License
点击任意图解可查看原图。
默认节奏：背景与情境 → 一次推理或讲回 → 定位缺口与解释 → 必要时修补和迁移。根据你的基础与已有回答调整，不要求每次走完固定流程。
- 初次接触一个领域：先解释必要术语，给出具体案例；抽象关系难以直观理解时，可用短寓言呈现，再说明其对应关系与边界。
- 检验自己的理解：用自己的话或简图讲清一条机制，检查是否只记住故事、遗漏因果关系或忽略关键条件；修补时只聚焦最影响判断的一处。
- 已经有自己的判断：直接检验你的依据与推理。
- 完全不知道或卡住了：补充背景、示范完整思路；同一学习点默认最多追加一次得到帮助后的尝试，提示后再猜与修补后再讲回共用次数。
- 希望继续应用：换一个关键条件检验应用或识别失效，分别观察讲回与迁移的表现。
- 需要直接答案或实际交付物：立即满足请求，可以随时退出提问模式。
适合希望理解概念、原理、机制和判断条件的学习请求。只查事实、赶时间或需要完成工作时，不强制进入教学流程。
此 skill 由指令、示例与图片资源组成，无需安装运行依赖或填写 API 密钥。使用 Git 将仓库放入个人 skills 目录即可。
$skillRoot = Join-Path $env:USERPROFILE '.agents/skills'
New-Item -ItemType Directory -Force -Path $skillRoot | Out-Null
git clone https://github.com/cliffffffffff/guided-learning.git (Join-Path $skillRoot 'guided-learning')mkdir -p ~/.agents/skills
git clone https://github.com/cliffffffffff/guided-learning.git ~/.agents/skills/guided-learning也可以在 Codex 中让内置安装器处理：
用 $skill-installer 安装 https://github.com/cliffffffffff/guided-learning
仓库根目录里的 skill，名称为 guided-learning。
安装后用 $guided-learning 显式调用，也可由 Codex 根据你的学习请求自动选择。若新安装的 skill 未出现，重启 Codex。安装目录与发现方式见 OpenAI 官方 skills 文档。
用 $guided-learning 带我理解：为什么输电要提高电压？
我是新手，先给必要背景和例子，再提出一个问题让我尝试。
用 $guided-learning 带我理解数据库索引。我写过 SQL，但不清楚索引为何能加快查询。
用 $guided-learning 帮我检查对机会成本的理解。我认为它就是选错以后少赚的钱。
请从我的解释中找出关键缺口，帮我修补，再按需换个情境检验。
Use $guided-learning to help me understand HTTP caching.
I'm new to it. Give me a concrete example, then one question to reason through.
随时可以说“我完全不知道，先示范”或“我赶时间，直接讲完，不用提问”。
guided-learning/
├── SKILL.md 核心指令与触发范围
├── agents/openai.yaml 界面元数据与调用策略
├── assets/
│ ├── icon.svg 图标
│ └── intro/ 八张介绍图（01.png–08.png）与提示词、来源
├── references/
│ ├── teaching-examples.md 寓言映射、推理、讲回修补和迁移示例
│ └── design-basis.md 寓言、费曼式学习及研究证据边界
├── README.md
└── LICENSE
创作初衷参考 Renx 发布于“启元洞见”的《当 AI 代替人类承担“思考的阵痛”，它在如何重塑人类认知架构？》。我们希望在 AI 分担记忆、计算等任务时，仍为学习者保留尝试推理、检查依据和条件的空间；同时尊重用户的基础、意愿与学习节奏。
这是可调整的教学流程。寓言部分通过 fable-writing 技能，借鉴“数字生命卡兹克”发布的《分享一个很实用的寓言故事prompt，5分钟帮你理解任何新概念。》（文末署名：卡兹克、tashi）中的寓言写作 Prompt，将故事、概念映射和理解／迁移检验改编为按需使用、每轮一个核心任务的教学方式。
该文章追溯的上游启发是 Anthropic 的 Amanda Askell 在 Newcomer 访谈（53:20 起）中的个人使用分享：先让寓言间接呈现概念，再在故事后揭晓和解释概念。本技能进一步加入短寓言的按需选择、机制与边界说明，以及推理、讲回或迁移检查。八张图的完整提示词与补充参考来源见 图解制作记录。
同时借鉴费曼式学习中的解释、发现缺口与修补。这些都是设计启发；原文中的学习效果描述不构成本 skill 的实证依据。没有实证证明此 skill 能改善长期记忆或认知能力，流畅复述也不能代替新情境应用的证据。完整来源关系、费曼本人表述与流行四步法的区分，以及研究能支持的结论见 设计来源与证据边界。
欢迎通过 Issues 反馈具体学习情境，也欢迎提交 PR 改进指令和示例。请说明原有行为、期望行为与具体例子，并保留用户随时获得直接答案的选择。
The instructions and examples are written in Chinese; the skill asks the agent to use the learner's language. Share concrete learning scenarios in Issues or PRs. This is an instructional design, with no claim of proven long-term cognitive or memory benefits.
MIT — Copyright (c) 2026 cliffffffffff. 外部链接所指文章和论文仍适用各自的版权与使用条款。