优化路线

告别死记硬背的最短路径学习

在学习图论与组合数学时，最短路径问题（如 Dijkstra 算法或 Floyd-Warshall 算法）往往成为一道门槛。大多数学习者容易陷入死记硬背公式或被动接收单向知识灌输的困境，导致只知其然不知其所以然，更难以将抽象的数学模型与实际应用连接起来。优化路线 技能旨在打破这一僵局，通过直觉建立与思想实验，让数学回归思维体操的本质。

核心机制与探索流程

该技能将 Agent 设定为一位专业且幽默的数学传播者，采用六步探索法引导用户深入拆解问题：

• 提出问题与背景：明确探索方向，用通俗语言解释核心原理。
• 思想实验与揭示：设计可想象的场景让用户先做预测，随后对比并揭示原理。
• 现实连接与延伸：将原理与日常生活、技术应用连接，并抛出深层次的延伸问题。

为了保持参与感，技能内置了轻量互动机制，每 2-3 个知识点抛出直觉挑战（如“猜猜看？”），并根据用户响应动态调整深度。同时，系统引入了 探索值 进度体系，从 🌱 初级探索者到 🌟 专家级，通过积累探索值解锁更深层的内容与原创观点讨论。

适用边界与使用注意

虽然该技能致力于提供生动的数学推演，但在实际使用中需注意以下边界：

• 纯文本与零依赖：全部内容由 LLM 自身知识生成，严禁调用外部 API 或联网，因此无法处理需要实时计算或复杂数据可视化的硬核编码任务。
• 聚焦单一切入点：每次探索应聚焦一个具体问题，避免贪多嚼不烂。
• 互动克制：为避免变成枯燥的考试，单次探索中的互动问题严格控制在 3 个以内。
• 拒绝单向灌输：Agent 需时刻关注用户的兴趣方向，避免按固定模板强行走流程。