1实现原理 · 为什么它能做到

纯 prompt 编排的「自适应课程引擎」：状态全部落在用户本地的固定文件里（00-学习计划.md + 两位序号文章 + assets/ + 可选 INDEX.md），模型每轮读回这些文件即可续上

skills/dbs-learning/SKILL.md

你维护的是一个自适应学习梯度。

目录优先级：用户指定目录 > 当前项目目录 /学习课题/{课题名}/ > 兜底 ~/Documents/dbskill-learning/{课题名}/。

闭环的关键在「反馈提取规则」：文章末尾预置 4 个提示问题，生成下一篇时必须过滤掉模板行，只把用户手写的新增文字当反馈

skills/dbs-learning/SKILL.md

只有用户在提示问题下面新增的文字，才算真实反馈。

配套一句「如果过滤模板行后没有内容，视为没有反馈」——防模型把模板当用户回答、幻觉出反馈。

把反馈信号映射成难度/角度的六种调整策略（表驱动），实现「自适应」而非固定课程大纲

skills/dbs-learning/SKILL.md

| 没看懂、概念混乱、问题很多 | 降低抽象度，补例子，放慢节奏 |

表中还包括「看懂了但觉得没意思→换切入角度」「明显掌握→提高概念密度」等分支。

知识基础确认是独立阶段（Phase 1.5），只对新课题生效；会先对当前项目做受范围约束的轻量检索，再问用户「基于项目/从零/指定材料」

skills/dbs-learning/SKILL.md

本阶段只用于新课题。

检索范围被明确限制：优先读 AGENTS.md/CLAUDE.md/README.md/SOURCE_OF_TRUTH.md 与目录索引，「不要遍历和通读整个项目」。

证据分级被写进流程：用户亲写/确认的正式内容算较强证据，AI 草稿算弱证据，第三方材料不算用户知识基础

skills/dbs-learning/SKILL.md

AI 生成的草稿、分析报告和未确认内容：只能作为弱证据。

还有两条更细的推论规则：「文件中出现过某个概念：只能证明用户可能接触过」、「多个独立场景反复调用」才可推测理解。

检索阶段带硬性敏感排除与项目规则优先：默认跳过 .git/.env/.private/密钥/凭证/身份信息/财务原件/客户私密资料，项目规则规定的禁读范围优先遵守

skills/dbs-learning/SKILL.md

默认跳过 `.git/`、`.env`、`.private/`、密钥、密码、凭证、身份信息、财务原件、客户私密资料和其他明确标记为敏感的内容。

并规定敏感内容「即使与课题相关，也只有在用户明确指定后才能读取」。

写作风格由「禁用句式清单」约束，明确禁掉「不是……而是……」等 6 类句式及其变体，并要求中文全角标点、中英文间加空格

skills/dbs-learning/SKILL.md

默认禁止使用以下句式及其近似变体：

替代方式被给定为：直接说结论/因果句/条件句/动作句/具体例子；例外仅限用户要求模仿原文、引用原文、分析句式本身。

文件命名与序号推进有机械规则：学习计划固定 00-学习计划.md，文章两位数字序号，下一篇 = 当前最大序号 + 1，禁止跳号与中文文件名

skills/dbs-learning/SKILL.md

下一篇序号 = 当前课题目录中最大文章序号 + 1

文章正文结构固定为「这一篇要解决的问题 / 正文 / 小结 / 下一篇预告 / 学习反馈」，反馈区是下一轮的输入。

2核心能力

01课题初始化：建课题目录、00-学习计划.md、01.md、assets/ 与索引记录

02知识基础确认（项目检索 + 三选一模式询问），确认后写进学习计划并继承，不每篇重问

03进度续接：读学习计划 → 找最大序号文章 → 提取真实反馈 → 3-5 条概括当前理解状态

04自适应调整：按反馈信号改变下一篇的抽象度、角度与信息密度

05文章生成：固定四段结构 + 末尾学习反馈区（含 4 个提示问题与填写位置）

06计划与索引维护：更新当前进度/本篇主题/上轮反馈摘要/下一篇方向/更新时间，并同步 INDEX.md 表格

07兜底落盘：泛目录/系统目录下不污染当前目录，改写 ~/Documents/dbskill-learning/ 并明确告知用户

08风格纪律：禁用「不是……而是……」等句式，中文排版规范，永不输出英文正文

4管控建议与判定依据

建议配套管控措施

面向 Agent

限定工作目录

面向管理者

保留操作记录

判定依据（文件路径与关键语句摘要）

本地工作目录: 文件读写与工件输出: {课题目录}/00-学习计划.md、{序号}.md（01.md 起，两位序号）、assets/

审计说明： 。判级对象是本 skill 自身目录：无脚本、无网络端点、无凭证读取，但 SKILL.md 明确要求 agent 创建并持续写入本地文件（课题目录、00-学习计划.md、连载文章、assets/、INDEX.md），属「仅本地读写、无外发」档。隐私方面的注意点是它需要读项目文件来判断知识基础——skill 已默认排除 .git/.env/.private/密钥/凭证/身份/财务/客户私密资料并要求项目规则优先，但读取范围最终由宿主权限与模型遵守程度决定。

5第二遍独立确认

[ok] 外部资源/工具：是否存在未声明的依赖 — 目录内仅 SKILL.md + agents/openai.yaml；无 URL、无包、无 CLI。external_deps 空数组成立。
[ok] 安全结论：敏感文件排除是否为可执行规则 — 排除项以编号 4 的形式写进「任何项目检索都必须遵循以下范围」，并给出 5（敏感内容需明确指定）、6（项目规则优先）两条兜底；验收用例 4 要求「不在知识基础摘要中暴露敏感文件名、内容或路径」。规则可判定、有对应场景，非泛泛声明。
[ok] 实现原理是否成立：反馈驱动是否真能改变后续深度 — Phase 3 给出六行映射表（反馈信号→处理方式），Phase 2 要求先读上一篇文章末尾反馈并概括为 3-5 条理解状态，Phase 5 要求把「用户上一轮反馈摘要」写回学习计划——形成读反馈→判断→写文→回填计划的闭环。用例 2/3 给出了两种典型反馈下的期望输出，可验证。
[ok] 功能声明 vs 实际能力：「系统学习一个主题」是否被夸大 — skill 不承诺教学效果、不做外部资料检索（不抓网页、不引第三方教材），只做「连续文章编排 + 反馈调整」；这与 description 一致，无越界承诺。
[unlocatable] 证据定位：仓库级元数据（stars/last_push）与 installs — stars=10121、last_push=2026-09-07 取自站点池 data/pool.json（GitHub API 采集），pin 源码内无法逐字定位；installs 未采集记 null。license 可在仓库根 LICENSE 逐字命中。

6结论

把「课程连载」变成状态机：计划文件 + 序号文章 + 反馈区，跨会话可续，且每篇都继承已确认的知识基础而不重复询问

反馈提取明确防幻觉（只认提示问题下方新增文字），使「自适应」有真实依据而非模型自说自话

知识基础确认慎用本地材料：分证据强弱、区分「接触过」与「掌握」、敏感文件默认不读并让项目规则优先

写作风格可判定：禁用句式清单 + 替代方式 + 三条例外，避免生成「AI 腔」教学文章

测试意识：内置 6 个验收用例，把新课题/敏感材料/反馈类型等关键分支写成可核对场景

适合： 适合想把一个主题持续推进成系列材料的人：自学一门学科、把方法论拆成课程、给团队做系列培训素材，尤其是「需要按自己理解状态调整难度」的场景。与 dbs-knowledge 搭配（把课题目录纳入知识库导航）效果更完整。

不适合： 不适合单篇内容代写（skill 明确「你负责教学序列，不负责单篇内容代写」）；不适合商业诊断与执行问题（应转对应 dbs-* skill）；不适合需要外部资料检索/引用的研究型学习——它不抓取、不引用外部来源，只做序列编排；不适合不希望在工作目录产生新文件的场景。

Install Agent-Ready

① Verified Mirror 2026-09-15

Option A · Direct DownloadDownload dbs-learning.tar.gz

sha256: 1f686116522fc75b…

Option B · Copy Guide for Agent

install.json

agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。

② Upstream GitHub

GitHub Repo ↗

Pinned to commit 8b8e33f1ec.