关于 learning-first-principles
这项学习分析技能从自主驱动、归纳总结和实践验证等第一性原则维度审视学习内容、方法或计划。它会指出具体问题，提出可执行的改进建议，并评估学习效率。
主要功能
- 01按六个维度评估学习方式
- 02识别阻碍理解的学习行为
- 03提出一至三项可执行行动
- 04评估现有方法的时间收益
适用场景
- 01检查学习计划中的被动学习习惯
- 02将重复练习转为归纳和自主表达
- 03通过小型实验验证理论学习
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/learning-first-principles确认已加载。
包含的文件
除 SKILL.md 外，安装时一起下载的参考资料和脚本。
openai.yamlreferences/analysis_template.mdscripts/analyze.py详细介绍
第一性原理学习分析
核心原则
学习的本质是内驱力，而非外部灌输：
| 层级 | 反模式（避免） | 正向模式（追求） |
|---|---|---|
| 学习观 | 依赖辅导／外部输入 | 由自主学习驱动 |
| 方法论 | 耗时、机械重复 | 归纳与总结 |
| 处理方式 | 机械照抄 | 自主输出 |
| 输出 | 简单重复 | 重构表达 |
| 表达 | 套用形式／模板 | 逻辑驱动 |
| 理解 | 停留于理论 | 通过实践验证 |
分析框架
当用户提供学习内容、方法或计划时，从以下维度进行分析：
1. 自主学习驱动力
- 诊断：是否依赖外部推动（辅导、监督）？
- 行动：将其转化为自主探索目标
2. 归纳与总结
- 诊断：是在“消磨时间”，而不是“思考”吗？
- 行动：提炼核心且可迁移的模式
3. 自主输出
- 诊断：是否在机械照抄？
- 行动：用自己的话复述
4. 重构表达
- 诊断：是否只是在重复教材措辞？
- 行动：从新的角度和框架重新组织知识
5. 逻辑驱动
- 诊断：是否在盲目套用模板／表单？
- 行动：追溯因果链，理解原因
6. 实践验证
- 诊断：是否停留在理论理解？
- 行动：设计最小验证实验
输出格式
问题诊断
- 指出违背第一性原理的具体行为
- 运用原则链条解释问题根源
改进建议
- 提供 1-3 个可立即执行的步骤
- 每个行动对应一个原则层级
效率评估
- 估算当前方法的时间投入产出比
- 给出优化后的预期效率提升
使用示例
用户输入：我想学习 Python，报名了培训班，每天上课 2 小时
分析输出：
Diagnosis:
- Relying on external input (training class) instead of self-learning driven
- Passive reception instead of active exploration
Improvement Suggestions:
1. First set a specific project goal (e.g., office automation script)
2. Use projects to drive learning, training class as supplementary resource
3. Spend 1 hour daily on projects, 0.5 hours on targeted lectures
Efficiency Assessment:
- Current: Low (passive learning, high forgetting rate)
- Optimized: High (active construction, transferable)
评论
支持 Markdown