学习主题白板地图
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_15292d5a/yjkj-learning-topic-whiteboard-map。
技能介绍
适合解决的问题
当你面对 线性代数、项目管理体系 或分散在笔记里的 气候科学 时,常见瓶颈不是资料不够,而是缺少一张能直接贴到白板上的路径图。你很难一眼看出:模块之间如何连接,哪些概念是后续内容的瓶颈,哪些例子能验证理解,哪些说法还缺少来源,下一步应该先练习哪一块。这个技能把主题整理成可视化学习地图,而不是泛泛的学习计划。
核心工作流
- 明确目标:先写出题目和目标结果,区分“想理解什么”与“要产出什么”。
- 拆分模块:默认生成
4~8个主模块,使用可写在便签上的短句标签,并标出前置关系。 - 建立概念链接:用
depends on、example of、contrasts with、common mistake等关系,把模块之间的因果、依赖和易错点画出来。 - 加入示例与练习:为关键模块补例子、反例、工作样例、复述提示、重画图解或教别人任务,让理解可被检验。
- 标记置信度:用
green/yellow/red/gray表示能解释、部分清晰、混乱和待补来源,避免把未核实内容当成已掌握。 - 生成下一步:给出 3 个可执行动作,例如复习、找来源、做练习、提问老师或修订地图,并附上每轮学习后的更新规则。
边界
它不输出资格认定、执业判断,也不提供医疗、法律、财务或安全关键建议。对监管类主题,只组织概念学习,并提示用户寻求合格专业人士。来源缺失或未核实时,会标记 needs source 或 uncertain,不会编造引用。
使用场景
- 准备机器学习面试时,把线性代数笔记拆成模块、概念链接和练习任务。
- 备考项目管理时,将知识域整理为可贴墙学习地图并标记薄弱来源。
- 整理气候科学笔记时,给分散资料标注模块、例子和待核实状态。
- 做教学准备时,把课程主题拆成便签模块、概念箭头和复习任务。
适合人员
- 自学机器学习的工程师,想看清线性代数模块间的依赖和薄弱点。
- 备考项目管理认证的学员,需要把知识域整理成可张贴复习地图。
- 整理课程笔记的大学生,想把分散资料标注来源状态和练习任务。
- 准备公开课堂的教师,需要把主题拆成便签模块、概念链接和复习路径。