Agent Skills
返回列表
🎓

主动回忆

教育学习 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_3c6cb52e/self-ent-edu-active-recall。

技能介绍

解决被动学习的认知盲区

在学习过程中,许多人习惯于被动接收信息,例如反复阅读或观看视频。这种“熟悉感”往往被误认为是“已掌握”,导致在真正需要提取知识时卡壳。主动回忆(Active Recall)技能旨在解决这一认知盲区,通过元认知引导,帮助用户从“学得多”转向“学得对”,打破虚假学习的幻觉。

核心机制与执行流程

该技能基于认知心理学与行为科学,将学习过程拆解为六个可操作的步骤:

  • 状态觉察:引导用户觉察当前的学习行为与情绪状态。
  • 原理解读:用心理学原理解释当前状态的形成机制,而非堆砌术语。
  • 策略提供:给出 2-3 个可操作的改善策略,并标注难度与预期效果。
  • 微行动设计:设计一个当天即可执行的微小行动,降低启动阻力。
  • 障碍预判:预判执行中可能遇到的阻力,并提供应对方案。
  • 复盘机制:提供自我复盘的框架与节奏建议。

此外,技能内置了进度系统(探索值)与轻量互动设计,通过 active-recall 指令或相关关键词触发,确保对话保持双向参与感,而非单向知识灌输。

适用边界与注意点

该技能完全依赖 LLM 自身知识库,严禁调用任何外部 API 或联网,因此不适用于需要实时检索最新论文或特定数据库的场景。在交互中,需避免将其变成考试或单向输出,互动问题应控制在 3 个以内。用户可通过“退出”等指令随时中断流程。它更适合用于个人学习策略的梳理与认知框架的构建,而非替代系统性的专业课程教学。

使用场景

  • 用户正在备考,看完复习资料觉得都懂了,但合上书就忘,需要引导其从被动输入转为主动提取知识。
  • 用户在学习编程或外语等新技能,反复看教程却无法独立写出代码或开口,需要排查无效重复的学习模式。
  • 用户读完一本书或长篇技术文章后感觉收获满满,过几天却什么都不记得,需要构建个人的阅读复盘框架。

适合人员

  • 准备考研或考证的在职人员,需要时间有限但希望告别死记硬背的高效复习方法。
  • 正在学习编程或设计等新技能的初学者,需要解决一看就会一写就废的知识提取障碍。
  • 喜欢阅读却总是忘记内容的终身学习者,需要建立一套科学的内化与记忆机制。