AI老师·知识成长树

问题背景

日常阅读技术文章、论文或产品文档时，常见难点不是内容太短，而是概念密度高：一个词连着几个新术语，继续追问容易偏离主线，停下来记录又增加成本。传统问答工具通常只返回一次解释，既不会沉淀上下文，也不会在遇到未知概念时形成稳定归档。对于希望建立通识框架的用户，缺少一个轻量、可追踪、低负担的知识入口。

工作方式

@user_5b1bdbdf/ai-teacher-skill 将问题拆解为 解释、收录、展示、推荐 四个环节。用户输入类似 什么是熵增定律？ 或 科普一下区块链 的短句后，技能先给出通俗且边界清晰的说明，避免直接进入公式推导或架构细节；随后将新概念标记为知识点，并写入可查询的知识树。查看我的知识树 会展示已经掌握或已收录的内容，减少未知内容堆积带来的压力。给我推荐新知识 则基于已有节点给出相邻领域建议，例如从区块链扩展到共识机制或链上存储。

该技能强调 跨平台运行 与 低系统依赖，可在 macOS、Linux、Windows 上使用，运行环境要求为 Python 3.6+。其价值不在于替代专业学习路径，而在于把零散概念变成可浏览的结构化条目。

适用边界

它适合通识科普、名词解释、初步学习和知识地图建立，不适合需要严格证明、可复现实验或行业深度决策的场景。若用户追问实现细节、性能边界、合规风险或源码级机制，应切换到专业资料或对应领域工具。知识树只反映已收录节点，不代表完整知识体系；自动推荐也可能偏向表面关联，因此需要用户主动筛选后续阅读方向。