全自动学习系统

它解决什么问题

学习类工作流最常见的失败模式不是"没资源"，而是三件事各自断裂：找资料靠手动刷信息源，提炼知识停留在"看过了"，复习强化因为没有结构化产出而无法排期。结果是输入速度远大于沉淀速度，notes/ 目录里堆满没整理的截图和链接，过两周连当时为什么收藏都忘了。

这个技能把三个环节串成一条可重复执行的流水线，而不是三个孤立的动作。

技能如何工作

核心链路是 找资源 → 提炼知识 → 复习强化，每一环由可替换的外部工具承担：

• 资源发现：github-trending、course-finder、paper-search，拉取项目、教程、文章等候选输入
• 内容提取与笔记整理：pdf-reader、video-transcriber、note-taker，把长内容压成结构化笔记
• 记忆强化：flashcard-generator、mind-map-creator、spaced-repetition，生成闪卡并按间隔重复排期

工作流的触发与执行依赖内置的 ai-workflow workflow 与 ai-workflow agent。

运行模式分两层：

• 试跑模式：对话里给一个主题，走完"搜索资源 → 提取知识点 → 生成笔记 → 生成复习卡片 → 推荐实践项目"的完整一轮，先验证链路可用
• 长期模式：把主题、资料来源、笔记格式固化进工作流配置，之后按计划重复执行

落地时建议先固定三件事：主题范围、资料来源白名单、笔记与卡片的输出格式。同时保留运行日志、输入样例和最终产出，便于复盘和验收。

适用边界

• 正式接入账号、数据源或开启自动操作前，先确认权限边界
• 学术、医疗、法律、金融类内容必须保留资料入口并做人工复核
• 高风险动作默认只生成建议或草稿，不直接执行

验收口径很直接：用真实或模拟数据完整跑通一次，输出结构清晰，每次都能给出资料入口、摘要、关键问题、下一步学习动作这四样东西。