学习日志 Skill Pack

这是什么

前面几篇方法论讲了“学习管理系统”的设计思想：工件选择、知识捕获管线、文件系统哲学。但从“理解原理”到“自己搭一套”之间还有不少工程量——要写协议文件、要配模板、要写 lint 脚本、要适配不同的 AI 工具。

Skill Pack 把这些全部打包好了。 你只需要下载一个 ZIP，解压，复制一个适配文件，就能立刻开始用。

它从作者的私有学习工作流中提炼而来。原作者工作流有 50+ 天实践记录；这不能自动证明压缩包在所有平台都可迁移，平台状态见下方兼容性矩阵。

诚实边界

Claude Code：结构与初始化 smoke 已验证，账户内触发仍需你本地验收。Codex：AGENTS.md 适配器存在，真实触发与官方文档对齐仍在推进。Cursor / CatDesk：适配器在，真实环境未充分验证。换工具前先看兼容性表，不要假设「解压即全功能」。

下载

skill-pack.zip

快速上手

1. 解压 ZIP，把 skill-pack/ 文件夹放到你的项目根目录（或任意空文件夹）
2. 根据你用的 AI 工具，把对应的适配文件复制到根目录：
   • Claude Code → adapters/claude-code/CLAUDE.md
   • Codex → adapters/codex/AGENTS.md
   • CatDesk → adapters/catdesk/CATDESK.md
   • Cursor → adapters/cursor/.cursorrules
3. 复制 config.yaml.example 为 config.yaml，填入你的名字和学习方向
4. 打开 AI 助手，说：“帮我初始化学习空间”
5. 回答几个问题，开始使用

它能做什么

装好之后，你的 AI 助手会自动获得以下能力：

日终回顾 — 每天下班前引导你回顾今天做了什么、学了什么，生成结构化日报。

知识捕获 — 聊天中提到新概念时，AI 帮你结构化记录成学习笔记，自动选择正确的工件类型。

六步讲解 — 解释新概念时遵循“定位 → 类比 → 机制 → 代码 → 误区 → 验证”的教学结构，确保你真正理解而不是死记硬背。

交叉引用 — 新笔记自动关联已有知识，形成知识网络。写之前先搜索已有内容，避免重复。

自然复用 — 不用专门安排“复习时间”。AI 在工作中遇到相关问题时自动引用旧笔记、写新笔记时发现关联并建议交叉引用。知识巩固融入日常工作流，而非依赖算法调度。

质量门禁 — lint 脚本检查笔记格式（来源字段、死链等），确保知识库不会随时间腐烂。

文件结构

skill-pack/
├── protocols/              ← 核心方法论（AI 遵循的规则）
│   ├── artifact-routing.md ← 工件选择路由
│   ├── daily-rhythm.md     ← 日终回顾节奏
│   ├── explain-protocol.md ← 六步讲解协议
│   ├── quality-gates.md    ← 质量门禁规则
│   └── review-system.md    ← 自然复用策略
├── templates/          ← 工件模板（日报、笔记等的格式）
├── skills/             ← 每个 Skill 一个目录，入口为 SKILL.md
├── adapters/           ← 平台适配（不同 AI 工具的入口文件）
├── scripts/            ← lint 和初始化脚本
└── config.yaml.example ← 配置模板

初始化后你的学习空间

my-learning/
├── config.yaml         ← 你的配置（名字、方向、复习偏好）
├── CLAUDE.md           ← （或 AGENTS.md / .cursorrules）
├── daily/              ← 每天的工作日志
├── learnings/          ← 学到的新知识
├── problems/           ← 解决过的问题
└── sources/            ← 学习材料收藏

所有内容都是普通 markdown 文件，用 Git 追踪，任何编辑器都能打开。

兼容性

AI 工具	支持状态
Claude Code	结构、ZIP 与初始化 smoke 已验证；账户内触发需人工验收
OpenAI Codex	规则适配器存在；官方文档复核与真实触发待 2.0 完成
CatDesk	规则适配器存在；真实环境未验证
Cursor	规则适配器存在；真实环境未验证
Windsurf	未测试（理论兼容）
GitHub Copilot	未测试

设计哲学

这个 skill pack 的核心设计决策：

协议驱动 — AI 的行为不是硬编码的，而是通过 markdown 协议文件定义的。你可以随时修改协议来调整 AI 的行为，不需要写代码。

具体例子：想把「日终回顾」从三问改成五问？打开 protocols/daily-rhythm.md 改条目，不必改适配器或脚本。下次会话助手按新协议走。

无状态 — 文件系统就是状态。没有数据库、没有后端、没有账号。Git 提供版本控制，markdown 提供可读性。

平台无关 — 同一套协议通过不同的适配器文件支持多个 AI 工具。换工具不需要重新学习。Claude 复制 CLAUDE.md，Codex 复制 AGENTS.md，协议目录共用。

渐进式 — 第一天只需要写 daily，熟悉后逐步引入知识捕获和交叉引用。不会一上来就用复杂度压垮你。

具体例子：Day 1 只建 daily/2026-07-10.md 写三行；Day 7 再开第一条 learnings/；等笔记超过 10 篇再认真跑 lint。复杂度跟着你的使用量长，而不是反过来。

和本站其他内容的关系

• 学习管理系统 讲的是“为什么这样设计”——原理和思想
• 本页的 Skill Pack 是“拿来就用”——打包好的实现
• 日常节奏 讲的是“每天怎么用”——具体的工作流

三者互补：先理解原理，再下载工具，最后按节奏使用。

常见坑

• Skill 文件路径写错：Claude Code 的项目 Skill 必须是 .claude/skills/<skill-name>/SKILL.md。ZIP 中的 skills/ 是分发源码，安装时还要按 SETUP.md 复制到 .claude/skills/。
• Skill 内容过长撑爆上下文窗口：一个 Skill 文件写了上千行，Claude 把它全部读进来，留给实际工作的 context 空间就不够了。Skill 应该精瘦——只写“什么时候触发”和“触发后做什么”，详细的参考文档放在单独文件里按需读取。
• 多个 Skill 定义冲突：两个 Skill 都声称自己处理“用户说写完了”这个触发词，Claude 不知道该听谁的。解决方法是让触发条件互斥——比如一个管“写完代码”，另一个管“写完笔记”，不要用模糊的“写完了”同时匹配两个。

动手试一试

约 10 分钟，完成一次「最小安装验收」（不必一次用完全部能力）：

1. 下载并解压 skill-pack.zip
2. 按你的工具复制适配器（Claude → CLAUDE.md；Codex → AGENTS.md）
3. 复制 config.yaml.example → config.yaml，填名字与学习方向
4. 对助手说：「帮我初始化学习空间」，确认生成了 daily/（或等价目录）
5. 写一条最短 daily（三行即可），保存后用编辑器打开确认是普通 markdown

成功标准： 适配文件在仓库根目录；至少有一个 daily/ 文件可读；你知道下一步该读 ZIP 内 SETUP.md 还是本站 Learn Journal quickstart。

Checkpoint

• □ 我能说出 Skill Pack 与「学习管理系统」原理篇的分工（实现 vs 思想）
• □ 我知道 Claude / Codex 各自该复制哪个适配器，且兼容性并非全部「已验证」
• □ 我完成了上面的「动手试一试」，或至少打开过 ZIP 结构与 SETUP.md
• □ 我理解协议可改、状态在文件里、应渐进启用能力
• □ （Claude）我知道分发用的 skills/ 还需按 SETUP.md 装到 .claude/skills/

下一步

• Learn Journal 产品介绍——完整产品视角
• 快速上手——从下载到第一次使用
• 设计哲学——协议驱动与渐进增强
• Skill 工程化设计——如何把协议做成可版本化资产

下载后如果遇到问题，查看 ZIP 内的 SETUP.md 获取详细安装说明和常见问题解答。