By schema: "1.0" name: knowledge-acquisition-4c version: "1.0.0" description: 從未知領域到專業的系統化學習方法論 triggers: keywords: primary: [學習, 研究, 進入新領域, learning, research, new domain, 知識習得] secondary: [入門, 專業, 精通, 從零開始, beginner, expert, mastery] context_boost: [unfamiliar, unknown, 不熟悉, 不懂, 新手] context_penalty: [implement, code, 實作] priority: high keywords: [methodology, learning, knowledge, acquisition, expertise] dependencies: []
author: claude-domain-skills
知識習得 4C 方法論
從未知領域到專業的系統化流程
適用場景
- 進入完全未知的領域
- 需要快速建立專業知識
- 從零開始學習新技能
- 研究不熟悉的主題
核心框架
┌─────────────────────────────────────────────────────────────────┐
│ │
│ 4C Knowledge Acquisition │
│ │
│ COLLECT CURATE CONNECT CREATE │
│ 蒐集 篩選 連結 創造 │
│ │ │ │ │ │
│ ▼ ▼ ▼ ▼ │
│ ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐ │
│ │多元 │ │驗證 │ │建立 │ │產出 │ │
│ │來源 │ → │測試 │ → │體系 │ → │教學 │ │
│ │廣泛 │ │去蕪 │ │連結 │ │迭代 │ │
│ └──────┘ └──────┘ └──────┘ └──────┘ │
│ │
│ Dreyfus: Novice → Adv.Beginner → Competent → Expert │
│ │
└─────────────────────────────────────────────────────────────────┘
Phase 1: COLLECT（蒐集）
目標：廣泛收集，不預設立場
Dreyfus 階段：Novice（新手）
資訊來源層級
| 層級 | 來源 | 可信度 | 用途 |
|---|---|---|---|
| L1 | 官方文檔、學術論文、權威書籍 | ⭐⭐⭐⭐⭐ | 核心概念 |
| L2 | 專家文章、技術部落格、教程 | ⭐⭐⭐⭐ | 實務經驗 |
| L3 | 社群討論、Stack Overflow、論壇 | ⭐⭐⭐ | 常見問題 |
| L4 | 社交媒體、新聞報導 | ⭐⭐ | 趨勢觀察 |
蒐集清單
□ 領域核心術語（建立詞彙表）
□ 主要概念和原理
□ 關鍵人物/權威來源
□ 常見問題和解決方案
□ 工具和資源
□ 成功案例和失敗案例
產出
- 原始筆記（不整理，只記錄）
- 來源連結清單
- 待驗證的假設清單
Phase 2: CURATE（篩選）
目標：驗證資訊，去蕪存菁
Dreyfus 階段：Advanced Beginner（進階新手）
驗證三步驟
1. 交叉驗證：同一資訊是否有多個獨立來源？
2. 實際測試：理論數據是否符合實際結果？
3. 時效檢查：資訊是否過時？
Sharp Edge: 理論 ≠ 實際
┌─────────────────────────────────────────────────────────────────┐
│ ⚠️ SE-1: 理論數據 ≠ 實際效果 │
│ │
│ 嚴重度: critical │
│ │
│ 實際案例： │
│ - 圖表模式研究聲稱 80-84% 成功率 │
│ - 實際回測：讓策略表現更差 │
│ - 原因：股市研究數據不適用於加密貨幣 │
│ │
│ 教訓：永遠用實際測試驗證研究結論 │
│ │
│ 解決： │
│ ❌ 看到研究數據就相信 │
│ ✅ 用真實數據回測/實驗驗證 │
└─────────────────────────────────────────────────────────────────┘
篩選標準
| 保留 | 標記待驗證 | 丟棄 |
|---|---|---|
| 多來源一致 | 單一來源但可測試 | 無法驗證 |
| 實測有效 | 理論合理但未測試 | 已被反駁 |
| 權威來源 | 社群共識但無證據 | 過時資訊 |
產出
- 已驗證知識清單
- 待驗證假設清單
- 已排除的錯誤觀念
Phase 3: CONNECT（連結）
目標：建立知識體系，形成心智模型
Dreyfus 階段：Competent（勝任者）→ Proficient（精通者）
連結方法
| 方法 | 說明 | 範例 |
|---|---|---|
| 概念映射 | 畫出概念之間的關係圖 | 心智圖、知識圖譜 |
| 類比遷移 | 連結到已知領域的相似概念 | 「這就像...」 |
| 層級組織 | 從基礎到進階排列 | 金字塔結構 |
| 因果追蹤 | 理解「為什麼」而不只是「是什麼」 | 5 Whys |
Feynman 驗證法
┌─────────────────────────────────────────────────────────────────┐
│ Feynman Technique │
│ │
│ 1. 選擇概念 │
│ 2. 用簡單的話解釋給外行人聽 │
│ 3. 發現解釋不清楚的地方 → 回去學習 │
│ 4. 簡化再簡化 │
│ │
│ 核心：能簡單解釋 = 真正理解 │
│ 解釋不清楚 = 還沒理解 │
└─────────────────────────────────────────────────────────────────┘
知識結構模板
## [領域名稱] 知識體系
### 核心概念
- 概念 A：[定義]
- 與 B 的關係：[說明]
- 實際應用：[案例]
### 關鍵原理
1. 原理一：[說明]
- 為什麼重要：[原因]
- 常見誤解：[糾正]
### 決策框架
當 [情境] 時 → 選擇 [方案]
因為 [原因]
產出
- 結構化知識地圖
- 決策框架/心智模型
- 可教學的簡單解釋
Phase 4: CREATE（創造）
目標：產出價值，持續迭代
Dreyfus 階段：Expert（專家）
創造形式
| 形式 | 說明 | 驗證方式 |
|---|---|---|
| 教學 | 教別人（最強的學習） | 學生能理解嗎？ |
| 實作 | 實際應用知識 | 結果符合預期嗎？ |
| 文檔 | 寫成 Skill/教程 | 別人能用嗎？ |
| 創新 | 提出新方法/改進 | 比現有方法好嗎？ |
迭代循環
CREATE → 發現不足 → 回到 COLLECT
↑ ↓
└──── CURATE ← CONNECT ←┘
專業度自評
□ 能用一句話解釋核心概念嗎？
□ 能預測常見問題和解決方案嗎？
□ 能識別錯誤觀念並糾正嗎？
□ 能將知識應用到新情境嗎？
□ 能教會別人嗎？
產出
- 可重用的 Skill 文檔
- 實際成果/作品
- 教學材料
最佳實踐
- 不要跳過 CURATE - 驗證是最重要的階段
- 建立詞彙表 - 術語是進入領域的鑰匙
- 找到權威來源 - 識別領域內的專家和經典
- 實際動手 - 看十遍不如做一遍
- 教給別人 - 教學是最好的學習
常見錯誤
| 錯誤 | 後果 | 修正 |
|---|---|---|
| ❌ 只收集不驗證 | 錯誤知識 | 強制 CURATE 階段 |
| ❌ 只驗證不連結 | 碎片知識 | 畫概念圖 |
| ❌ 只學不用 | 紙上談兵 | 強制 CREATE |
| ❌ 跳過驗證 | 理論≠實際 | 實測每個假設 |
| ❌ 資訊過載 | 無法消化 | 限制每日輸入量 |
時間分配建議
COLLECT: 20% （不要過度收集）
CURATE: 30% （驗證最重要）
CONNECT: 30% （建立體系）
CREATE: 20% （產出驗證）
與 evolve 整合
此 Skill 會被 /evolve 自動識別和載入：
User: /evolve 學習區塊鏈開發
Agent:
🔍 Auto Domain Detection
→ 關鍵詞: 學習, 區塊鏈
→ 載入: methodology/knowledge-acquisition-4c
→ 使用 4C 方法論執行學習任務