rootcraft-learning-system

name rootcraft-learning-system description RootCraft Learning System - An integrated learning methodology combining First Principles Thinking, Taxonomy-Based Classification, Feynman Technique, and Recursive Questioning for deep knowledge mastery and "aha moment" discovery. Includes Anki memory cards generation based on Ebbinghaus forgetting curve. Chinese name: 格物本质赋能学习法. RootCraft Learning System (格物本质赋能学习法) 🎓 User Guide / 使用指南 When user asks "how to use this skill" or "如何使用", show this guide. 中文引导 (Chinese Guide) 🎓 欢迎使用格物本质赋能学习法！ 这是一个高效学习系统，帮你从"学了就忘"变成"学了就懂"。 ┌─────────────────────────────────────────────────────────────┐ │ 📚 核心方法 │ ├─────────────────────────────────────────────────────────────┤ │ 🔍 第一性原理 → 追问本质，挖到不能再挖为止 │ │ 📊 分类学 → 系统拆解，构建 MECE 结构 │ │ 🎤 费曼 technique → 讲给别人听，发现知识缺口 │ │ ❓ 递归追问 → 层层深挖，追到"啊哈"时刻 │ └─────────────────────────────────────────────────────────────┘ 📋 9 步学习流程： 1. 设定目标 & 评估标准 2. 应用第一性原理 3. 分类学拆解 4. 费曼 + 递归追问（核心） 5. 多视角学习 6. 实践应用 7. 反馈与迭代 8. 持续复习 9. 思维导图与笔记 🚀 快速开始： • 直接说"我想学习【主题】" → 直接开始完整学习流程 • 或说"帮我用格物本质赋能学习法学习【内容】" • 说"我想制定学习计划"让我帮你规划 ⚡ **直接学习模式**： 当用户说"我想学习XX"时，直接输出完整的9步学习流程，不要问问题！ 流程模板： 🎓 好的，让我们开始学习【主题】！ --- 9步学习流程 --- 设定目标 & 评估标准 （直接给出该主题的学习目标和评估标准） 第一性原理 （解释该主题的本质是什么） 分类学拆解（MECE） （系统化拆解该主题的知识体系） 费曼 + 递归追问 （核心概念检验 + 追问链） 多视角学习 （从数学、工程、应用等角度分析） 实践应用 （给出一个最小可运行的代码示例） 反馈与迭代 （含 试卷生成 功能） 🎯 试卷生成：根据所学内容自动生成测试题 题型包括： • 选择题（3-5题）- 检验概念理解 • 填空题（3-5题）- 检验关键术语记忆 • 简答题（2-3题）- 检验逻辑表达能力 • 操作题（1-2题）- 检验实际应用能力 每道题标注：难度等级、知识点归属、参考答案 持续复习 （艾宾浩斯遗忘曲线复习计划） 思维导图与笔记 （输出知识图谱） 💡 Aha Moment记录 📦 Anki卡片 --- 自动保存详细内容 --- ⚠️ 必须将上述9步的详细内容保存到文件，而不是只保存模板！ 保存方式： import sys sys.path.insert( 0 , '/root/.openclaw/skills/rootcraft-learning-system' ) from study_writer import create_study_files # 将详细内容保存到文件 content = { "goals" : """# 学习目标\n\n（详细内容）""" , "first_principles" : """# 第一性原理\n\n（详细内容）""" , # ... 其他步骤的详细内容\n} result = create_study_files( '主题' , content, anki_cards) 💡 内容质量提示 ：为了生成高质量文档，请在content中提供详细、完整的内容。\n> \n> 详细模板示例 ：\n python\ncontent = {\n 'goals': \"\"\"# 学习目标\n\n## 短期目标（1-4周）\n- 理解AI的基本概念和核心原理\n- 掌握机器学习基础知识\n\n## 中期目标（1-3个月）\n- 深入理解机器学习核心理论\n- 能够独立完成ML项目\n\n## 长期目标（3-12个月）\n- 达到专业水平\n- 能够创新和解决问题\n\n## 评估标准\n- [ ] 掌握核心概念≥10个\n- [ ] 完成项目≥3个\n- [ ] 学习时长≥100小时\n\"\"\",\n \n 'first_principles': \"\"\"# 第一性原理\n\n## 核心公理\n\n### 公理1：机器学习是函数拟合\n- 输入x → f(x) → 输出y\n- 关键是找到最好的f\n\n### 公理2：数据决定模型上限\n- Garbage In, Garbage Out\n- 特征工程决定效果\n\n### 公理3：没有免费午餐\n- 没有最优算法\n\n### 公理4：奥卡姆剃刀\n- 简单模型往往更好\n\n## 核心定义\nAI的本质是[填写]\n\n## 关键洞察\n> 一句话总结核心领悟\n\"\"\",\n \n 'taxonomy': \"\"\"# 知识分类体系\n\n## 算法分类\n\n### 监督学习\n| 类型 | 算法 | 场景 |\n|------|------|------|\n| 分类 | 逻辑回归、SVM | 分类预测 |\n| 回归 | 线性回归、GBDT | 数值预测 |\n\n### 无监督学习\n| 类型 | 算法 | 场景 |\n|------|------|------|\n| 聚类 | K-Means | 用户分群 |\n| 降维 | PCA | 可视化 |\n\n### 深度学习\n| 模型 | 应用场景 |\n|------|------|\n| CNN | 图像 |\n| Transformer | NLP |\n\"\"\",\n \n 'feynman': \"\"\"# 费曼检验\n\n## 核心概念检验\n\n### Q1: 什么是梯度下降？\nA: 像下山找最低点，每次往低处走一点\n\n### Q2: 过拟合是什么？\nA: 记住题库而不是学会做题\n\n## 递归追问链\n- 最根本的原因是什么？\n- 还有更基础的原因吗？\n\n## Aha Moment\n记录你的领悟时刻\n\"\"\",\n \n 'multi_perspective': \"\"\"# 多视角学习\n\n## 技术视角\n- 算法原理\n- 实现方法\n- 优缺点\n\n## 应用视角\n- CV、NLP、推荐系统\n- 行业案例\n\n## 历史视角\n- 发展历程\n- 关键里程碑\n\n## 哲学视角\n- 思维方式\n- 底层逻辑\n\"\"\",\n \n 'practice': \"\"\"# 实践应用\n\n## 最小可运行方案\n\n### 环境准备\n bash\npip install numpy pandas scikit-learn\n \n\n### 核心代码\n python\nimport numpy as np\nfrom sklearn.linear_model import LinearRegression\n\n# 示例代码\nmodel = LinearRegression()\nmodel.fit(X_train, y_train)\n \n\n## 实战项目\n- 项目1：入门级\n- 项目2：进阶级\n\"\"\",\n \n 'feedback': \"\"\"# 反馈与迭代\n\n## 常见问题\n\n### Q1: 数学不够怎么办？\nA: 够用即可：梯度、矩阵、概率\n\n### Q2: 调参玄学怎么办？\nA: 网格搜索→贝叶斯优化\n\n## 解决方案\n1. 制定计划\n2. 定期复盘\n\"\"\",\n \n 'review': \"\"\"# 复习计划\n\n## 艾宾浩斯复习表\n\n| 时间点 | 内容 |\n|--------|------|\n| 10分钟 | 核心概念 |\n| 1天 | 基础知识点 |\n| 3天 | 进阶知识 |\n| 7天 | 整体串联 |\n| 14天 | 重点强化 |\n| 30天 | 全面复盘 |\n\n## 记忆技巧\n- 联想记忆\n- 间隔重复\n\"\"\",\n \n 'mindmap': \"\"\"# 思维导图\n\n## 中心主题\n机器学习\n\n## 一级分支\n- 基础：数学、Python\n- 算法：监督、无监督、深度学习\n- 工程：数据处理、模型训练、部署\n- 应用：CV、NLP、推荐\n\n## 关键连接\n- 基础→算法→应用\n\"\"\"\n}\n \n ✅ 文件保存到 /root/.openclaw/workspace/study/{主题}/ ✅ 包含12个md文件 + anki_cards.csv ✅ 新增：08-exam.md（试卷文件） ⚠️ 重要 ：每次学习流程结束后，必须调用文件生成模块： import sys sys.path.insert( 0 , '/root/.openclaw/skills/rootcraft-learning-system/study_writer' ) from study_writer import generate_and_save, quality_check, print_quality_report, save_exam_paper # 1. 生成学习文件 result = generate_and_save( '主题名称' ) # 2. 手动生成试卷（可选） exam_path = save_exam_paper( '主题名称' ) # 3. 执行质检 qc_result = quality_check( '主题名称' ) print_quality_report(qc_result) 📋 质检模块 (Quality Check) - v1.1.1: 每次学习流程结束后，系统检查以下内容： 检查项 文件 说明 ✅ 学习目标 01-goals.md 1.设定目标&评估标准 ✅ 第一性原理 02-first-principles.md 2.第一性原理分析 ✅ 分类学拆解 03-taxonomy.md 3.MECE结构拆解 ✅ 费曼+追问 04-feynman.md 4.核心概念检验 ✅ 多视角学习 05-multi-perspective.md 5.多角度分析 ✅ 实践应用 06-practice.md 6.最小可运行示例 ✅ 反馈与迭代 07-feedback.md 7.常见问题+试卷 ✅ 持续复习 08-review.md 8.艾宾浩斯计划 ✅ 思维导图 09-mindmap.md 9.知识图谱 ✅ Aha Moment 10-aha-moment.md 啊哈时刻记录 ✅ Anki卡片 anki_cards.csv 可导入的记忆卡片 ⭐ 试卷文件 08-exam.md 选择题+填空题+简答题+操作题 质检函数 ： from study_writer import quality_check, print_quality_report qc = quality_check( '主题名称' ) print_quality_report(qc) 试卷生成函数 ： from study_writer import save_exam_paper exam_file = save_exam_paper( '主题名称' ) print ( f"试卷已保存: {exam_file} " ) 💡 特色产出： • Aha Moment 记录本（追踪每个"啊哈"时刻） • 知识分类树（系统化拆解） • ⭐ 自动试卷生成 （选择题+填空题+简答题+操作题） • ⭐ 新增：Anki 记忆卡片生成（基于艾宾浩斯遗忘曲线） • 递归追问链（问题链条） 📦 记忆卡片功能 (Memory Cards)： 说「生成【主题】的Anki卡片」→ 自动生成可导入 Anki 的卡片 说「查看我的复习计划」→ 显示基于记忆曲线的复习安排 说「导出生词卡片」→ 导出 CSV 文件，可在 Anki 中导入使用 支持中英文 ### English Guide 🎓 Welcome to RootCraft Learning System! An efficient learning methodology that transforms "learn and forget" into "learn and understand." ┌─────────────────────────────────────────────────────────────┐ │ 📚 Core Methods │ ├─────────────────────────────────────────────────────────────┤ │ 🔍 First Principles → Ask why until reaching essence │ │ 📊 Taxonomy → Systematically decompose (MECE) │ │ 🎤 Feynman Technique → Teach to find knowledge gaps │ │ ❓ Recursive Questioning → Dig deeper to find "aha!" │ └─────────────────────────────────────────────────────────────┘ 📋 9-Step Learning Flow: Define Goals & Evaluation Apply First Principles Taxonomy-Based Classification Feynman + Recursive Questioning (Core) Multi-Perspective Learning Practice & Application Feedback & Iteration Continuous Review Mind Mapping & Notes 🚀 Quick Start: • Just say "I want to learn【topic】" → Directly start full learning flow • Or "Help me learn【content】using this method" • Say "I want to create a study plan" for guidance ⚡ Direct Learning Mode : When user says "I want to learn XX", directly output the complete 9-step learning flow - NO QUESTIONS ASKED! Template: 🎓 Alright! Let's learn 【topic】! --- 9-Step Learning Flow --- 1. Goals & Evaluation 2. First Principles 3. Taxonomy (MECE) 4. Feynman + Recursive Questioning 5. Multi-Perspective 6. Practice Application 7. Feedback & Iteration 8. Continuous Review 9. Mind Map & Notes 💡 Aha Moment 📦 Anki Cards 💡 Key Outputs: • Aha Moment Log (track every "aha!" moment) • Knowledge Taxonomy Tree (systematic decomposition) • ⭐ NEW: Anki Memory Cards (Ebbinghaus forgetting curve based) • ⭐ NEW: Exam Paper Generation (Multiple Choice + Fill-in + Short Answer + Practice) • Recursive Question Chains (question chains) • 🤖 AI Question Chain Generator (Bilingual) 📋 Quality Check Module (v1.1.1): After learning completes, run quality check: import sys sys.path.insert( 0 , '/root/.openclaw/skills/rootcraft-learning-system/study_writer' ) from study_writer import generate_and_save, quality_check, print_quality_report, save_exam_paper # 1. Generate study files result = generate_and_save( 'topic' ) # 2. Generate exam paper (optional) exam_path = save_exam_paper( 'topic' ) # 3. Run quality check qc_result = quality_check( 'topic' ) print_quality_report(qc_result) Quality Check Files (12 total) : # Check Item File Description 1 Goals 01-goals.md Goal setting & evaluation 2 First Principles 02-first-principles.md Core axioms analysis 3 Taxonomy 03-taxonomy.md MECE decomposition 4 Feynman 04-feynman.md Concept validation 5 Multi-Perspective 05-multi-perspective.md Multi-angle analysis 6 Practice 06-practice.md Code examples 7 Feedback 07-feedback.md FAQ + exam 8 Review 08-review.md Ebbinghaus schedule 9 Mind Map 09-mindmap.md Knowledge graph 10 Aha Moment 10-aha-moment.md Aha records 11 Anki Cards anki_cards.csv Importable cards 12 ⭐ Exam Paper 08-exam.md MC+Fill+QA+Practice 📦 Memory Cards Feature : Say "Generate Anki cards for [topic]" → Auto-generate Anki-importable cards Say "Show my review schedule" → Display memory curve-based review plan Say "Export vocabulary cards" → Export CSV for Anki import Supports Chinese & English --- ## Core Principle A high-efficiency learning methodology that integrates **First Principles Thinking**, **Taxonomy-Based Classification**, **Feynman Technique**, and **Recursive Questioning** into a closed-loop system: 1. **First Principles** → Trace to fundamental facts and concepts 2. **Classification** → Systematically decompose and structure 3. **Feynman Technique** → Validate through output, identify gaps 4. **Recursive Questioning** → Chase "aha moments" through layered inquiry ## Learning Flow (9 Steps) When users mention learning, exam prep, or skill acquisition, guide them through this process: ### Step 1: Define Goals & Evaluation Criteria - Clarify learning objectives (target proficiency level) - Establish evaluation standards (how to measure mastery) - Set timelines and milestones ### Step 2: Apply First Principles - Break down problems to find fundamental facts - Keep asking "why" until reaching irreducible truths - Distinguish between assumptions and verified facts ### Step 3: Use Taxonomy-Based Classification - Divide topics into distinct subtopics/categories - Build classification systems (preferably MECE: Mutually Exclusive, Comprehensively Encompassing) - Clarify relationships between categories ### Step 4: Apply Feynman Technique with Recursive Questioning **Core Process (5 Sub-Steps)**: #### 4.1 Start with a Real Problem - Begin with concrete, practical challenge - Example: "Write a diffusion model code" or "Implement this algorithm" - Ground learning in tangible context #### 4.2 Generate Questions Through Practice - While working, note every confusion point - Ask: "Why does this work?" "What does this term mean?" - Record questions without immediately seeking answers #### 4.3 Recursive Downward Questioning - For each unclear concept, ask deeper questions - Pattern: "What do you mean by X?" → "Why is X necessary?" → "What happens without X?" - Continue until reaching intuitive understanding - Example chain: - "What is 'gradient descent'?" → - "Why do we need to minimize loss?" → - "What is 'loss' actually measuring?" → - "Why is measuring error useful?" →