learning-master

name: learning-master description: > 六阶段学习助手，用于系统化学习课程、书籍和文章。 生成学习计划、预习笔记、通读笔记、Anki 复习卡片和外化产出。 当用户需要系统学习、制作学习笔记、生成 Anki 卡片或管理学习项目时使用。

Learning Master

基于六阶段学习法的结构化学习技能。针对已确定的课程或书籍，引导用户从建立计划到最终产出。

建立计划 → 资源转换 → 预习 → 通读 → 内化 → 外化
    ↓          ↓        ↓       ↓       ↓       ↓
目录+规划   转为MD    框架梳理  深度笔记  Anki卡片  作品产出

命令速查

通用约定

项目目录结构

projects/<课程名>/
├── plan.md                # 学习计划
├── summary.md             # 课程总结
├── 0-resources/           # 原始资源与转换后的 Markdown
├── 1-preview/             # 预习笔记
├── 2-notes/               # 通读笔记
├── 3-review/              # Anki 卡片（Markdown 格式，-3.md）
│   └── anki-export/       # Anki 导入文件（TSV 格式，-3-anki.txt）
├── 4-works/               # 外化产出
└── 9-archive/             # 归档

文件命名规则

• 强制要求：保留原文件名完整信息，仅添加阶段后缀
• 课程级文件（plan.md、summary.md）直接放在项目根目录
• 原始资源和转换后的 Markdown 统一放在 0-resources/

进度状态

强制规则：

• 生成笔记后标记为 📝，不能直接标记为 ✅
• 只有用户明确确认"已学完"，才能标记为 ✅ 并填写完成日期
• plan.md 是课程级进度的唯一记录点
• 章节状态更新要与对应产出目录保持一致

更新时机：

• 执行预习、通读、内化、外化后：更新为 📝 或 🔄
• 用户确认完成章节学习后：更新为 ✅
• 完成课程总结后：补充结课日志

写作规范

• 使用简体中文，使用中文标点：，。！？：；""''
• 英文/代码内容使用英文标点
• 省略号使用 ……（6 个点）
• 中英文之间加空格：学习 Python 语言
• 数字与中文之间加空格：共 3 个步骤
• 代码、文件名用反引号包裹
• 首次出现英文术语附中文：Markdown（MD），后续使用统一形式
• 保留专有名词原文：GitHub、Python

文件冲突处理

当目标文件已存在时，先询问用户是覆盖还是追加。默认追加——在原文件末尾增加 ## 补充 区块。

命令：/study-init-course

创建课程目录、学习计划，并完成资源准备。

步骤

1. 确认项目信息——向用户询问：

   • 主题/名称（课程名、书名或文章标题）
   • 类型（在线课程、书籍、线下培训、公众号文章等）
   • 来源（平台、出版社或 URL）
   • 内容体量（总时长、页数或字数）
   • 时间安排（每天/每周投入时间，计划多久学完）
   • 学习动机（为什么学？想解决什么问题？）
   • 产出目标（学完后打算输出什么成果？）

2. 确认理解——简要复述并确认项目名称

3. 创建目录结构并整理原始文件

   mkdir -p "projects/<主题名称>/"{0-resources,1-preview,2-notes,3-review,4-works,9-archive}
   

   • 强制要求：如果用户提供了原始资料（如 PDF、Word、视频等），必须将资料整理到 projects/<主题名称>/0-resources/ 目录下；默认复制，只有用户明确要求整理源文件时才移动。

4. 生成学习计划——参考模板 templates/0-plan.md，写入 projects/<主题名称>/plan.md

   • 三维审视：分析关联性、价值性和目标性
   • SMART 目标：将模糊目标转化为可衡量的具体目标
   • 结构适配：书籍按"章/节"、课程按"周/模块"、文章按"核心观点"

5. 资源转换（如有原始资料）——调用 markdown-conversion skill 将资料转为 Markdown：

   • 文档类（Word/HTML/EPUB）→ Pandoc
   • 原生 PDF → 本地解析
   • 扫描版/复杂 PDF → MinerU
   • 字幕目录 → 字幕转换脚本
   • 详细见 skills/markdown-conversion/SKILL.md
   • 转换结果存入 projects/<课程>/0-resources/
   • 检查质量：无乱码、阅读顺序通顺

6. 后续——资源准备完成后进入 /study-step1-preview

命令：/study-step1-preview

快速建立框架，带着问题进入深度学习。预习不求深，只求「知道会讲什么」，5-10 分钟/章。

步骤

1. 确认课程——扫描 projects/ 列出已有课程供用户选择，确认章节范围

2. 获取内容——优先读取 projects/<课程>/0-resources/ 中的内容

3. 生成预习笔记——按模板 templates/1-preview.md 生成，包含：

   • 作者/讲师简介
   • 内容概览（2-3 句话）
   • 内容结构（树状图）
   • 核心概念表
   • 关键要点（3-5 条）
   • 预习问题（3 条）

4. 保存——projects/<课程>/1-preview/[原名]-1.md

5. 后续建议——可上传 NotebookLM 生成音频播客 → 进入 /study-step2-notes

命令：/study-step2-notes

深度理解内容，生成详细章节笔记。通读追求理解，学完一章要能解释给别人听。

步骤

1. 确认课程——扫描 projects/ 列出已有课程供用户选择，确认章节范围

2. 生成笔记——按模板 templates/2-notes.md 生成：

   • 深度总结，不是简单提取
   • 用自己的语言重新组织
   • 保留关键术语和定义
   • 每个知识点包含：定义、要点、示例
   • 标记重点，记录理解困难的地方

3. 保存——projects/<课程>/2-notes/[原名]-2.md

4. 理解困难处理——遇到不理解的概念，提供：简单解释 + 具体例子 + 实际应用场景

5. 后续——建议进入 /study-step3-anki-review，尝试合上笔记回忆

命令：/study-step3-anki-review

把章节知识转成 Anki 卡片，并自动导出可导入的 TSV 文件。

卡片设计原则

• 一卡一点：每张卡只测试一个知识点
• 先问后答：正面是问题，背面是答案
• 每章输出 10-20 张卡片

卡片类型

卡片格式

**Q**: [问题]
**A**: [答案]
---

按知识点类型分组（如 ## 概念类），用 --- 分隔每张卡片。

步骤

1. 确认课程——扫描 projects/ 列出已有课程供用户选择，确认章节范围

2. 读取——优先读取 projects/<课程>/2-notes/

3. 生成卡片——按模板 templates/3-review.md

4. 标记薄弱点——在文档底部的 ## 薄弱点 记录反复忘记的概念

5. 保存 Markdown——projects/<课程>/3-review/[原名]-3.md

6. 导出 TSV——自动调用脚本生成 Anki 导入文件：

   python3 skills/learning-master/scripts/generate_anki_cards.py "projects/<课程>/3-review/[原名]-3.md"
   

   • 在其他项目中使用该技能时，先定位本技能目录，再调用其中的 scripts/generate_anki_cards.py
   • 输出文件：[原名]-3-anki.txt，保存在 3-review/anki-export/ 目录下
   • TSV 格式：Front内容<TAB>Back内容
   • Markdown 会转换为 HTML；字段内物理换行转 <br>，Tab 转空格，避免破坏 TSV
   • 导入 Anki 时：允许 HTML，分隔符为 Tab

7. 后续——进入 /study-step4-output-works

命令：/study-step4-output-works

将知识转化为实践。外化标准：「能教会别人」或「能解决实际问题」。

步骤

1. 确认课程——扫描 projects/ 列出已有课程供用户选择，确认章节范围

2. 读取——projects/<课程>/2-notes/ 和 3-review/

3. 推荐产出类型——根据课程内容推荐 1-2 种具体产出：

   • 技术类 → 代码 demo / 技术博客大纲
   • 理论类 → 核心观点梳理 / 读书笔记文章框架
   • 技能类 → 实操 checklist / 练习计划
   • 通用 → 教别人用的讲解稿大纲

4. 生成产出框架——按模板 templates/4-works.md，直接输出可执行的简洁框架（非建议清单），控制在 1-2 页内

5. 保存——projects/<课程>/4-works/[原名]-4.md

6. 后续——完成课程后 → /study-step5-final-summary

命令：/study-run-full-flow

一次完整的学习循环 = 预 → 通 → 内 → 外

步骤

1. 确认——课程名称、章节范围（可指定单章或多章）

2. 依次执行——按顺序调用：

   • /study-step1-preview
   • /study-step2-notes
   • /study-step3-anki-review
   • /study-step4-output-works
   • 每阶段完成后确认是否继续
   • 用户可随时指定跳过某个阶段

3. 更新进度——更新 plan.md 章节规划表状态（参见通用约定中的进度状态）

命令：/study-step5-final-summary

课程学习完毕后进行整体复盘和行动规划。

步骤

1. 确认结课状态——扫描 projects/ 确认课程，检查 plan.md，确认核心章节均已完成

2. 生成总结报告——按模板 templates/5-summary.md 写入 projects/<课程>/summary.md：

   • 学习数据：总耗时、笔记数量、卡片数量
   • 核心收获：全书最重要的 3-5 个认知模型
   • 方法论/工具：推荐工具和操作步骤
   • 资源速查：书单、网站、App 清单
   • 行动计划：短期（本周/本月）和长期（3-6 个月）

3. 更新 plan.md——标记总结阶段完成，添加结课日志

最佳实践：不要罗列每章标题，要做跨章节的知识融合（Synthesis）。总结目的是"下一步做什么"，而非"我读了什么"。

脚本工具

# Anki 卡片生成（Markdown Q/A → TSV），输出至 3-review/anki-export/
python3 skills/learning-master/scripts/generate_anki_cards.py <review_file_or_dir>

# 指定自定义输出目录
python3 skills/learning-master/scripts/generate_anki_cards.py <review_dir> --output-dir <output_dir>

参考资料

• templates/ — 各阶段笔记模板