知识点关联图
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_70c2f807/knowledge-connection-map。
技能介绍
问题
学习材料经常按章节、视频或论文被拆成碎片:概念能单独记住,却说不清它们为什么相连、谁派生谁、哪些是并列分支。尤其复习时,用户需要的不是更多条目,而是一张能暴露层级、因果、对比关系的 知识点关联图,帮助判断自己是否形成了体系。
工作方式与边界
该技能面向学科主题或一组概念,先确认知识范围和目标,再识别核心概念与边缘概念,输出纯文本图谱。典型流程包括:
- 明确主题、知识点列表和梳理目标,例如理解关系、备考复习或查缺补漏
- 分析关系类型:层级、因果、并列、对比
- 用缩进和符号生成文字版结构,并附加关系说明
- 根据已有概念扩展相关节点,给出从主干到细节的学习顺序
它适合把机器学习、力学、概率论等主题整理成可复习的结构,也适合用 先列后连 和分层展开。注意它是文本辅助工具,不生成可视化图片;专业领域的深层关系需要用户确认,也不能替代教材或课程。
使用场景
- 备考机器学习前,把监督、无监督、强化学习等概念整理成文字图谱,并标出层级与对比关系。
- 梳理高中物理力学核心公式与概念关系,生成可复习的主干图谱和学习顺序。
- 拿到一组陌生学科名词后,请技能识别核心概念,并扩展出相关概念网络。
- 复习时遮住文字图谱,尝试自画一级核心概念,用来检验是否能解释各连接关系。
适合人员
- 准备机器学习考试的学生,需要把分散算法概念整理成层级、对比和可复述的关系。
- 自学跨学科知识的工程师,需要把一组概念扩展成可主动回忆的知识网络。
- 带学生复习的教师,需要给学生一份文字版主干图谱和从入门到深入的学习顺序。
- 备考研究生入学考试的考生,需要识别核心公式与概念之间的因果推导路径。