Systematic Learning Engine

一个面向 Codex / Agent 的通用系统学习 Skill：把任意主题转化为能力地图、分阶段课程、逐课教学、练习测验、实战项目和 Obsidian 知识库。

适合这些场景：

• 从零系统学习一个领域或技能；
• 让 Agent 设计一套可执行课程；
• 每天推进一节课，并保留学习进度；
• 把课程笔记、知识卡片、作业和项目沉淀到 Obsidian；
• 围绕真实工作任务建立可验证的能力闭环。

快速开始

1. 克隆仓库

git clone https://github.com/Lupumbba/systematic-learning-engine.git
cd systematic-learning-engine

如果你是从压缩包安装，直接进入解压后的 systematic-learning-engine/ 目录即可。

2. 安装为 Codex Skill

对所有项目生效：

mkdir -p "$HOME/.agents/skills"
cp -R . "$HOME/.agents/skills/systematic-learning-engine"

只对某个仓库生效：

mkdir -p /path/to/your/repo/.agents/skills
cp -R . /path/to/your/repo/.agents/skills/systematic-learning-engine

安装后重启 Codex，或重新打开当前会话，让 Agent 重新发现 Skill。

3. 调用 Skill

在 Codex 中直接说明要使用 $systematic-learning-engine，并给出学习主题、目标、当前水平和输出方式：

使用 $systematic-learning-engine 帮我系统学习 WMS。
我的目标是独立写出仓储管理系统 PRD，共 10 节课，每天一课，并写入 Obsidian。

也可以先让它只生成课程规划：

使用 $systematic-learning-engine 帮我学习 LangGraph。
我会一点 Python，希望最终做出多 Agent Demo。
先输出能力地图和课程规划，然后开始第 1 课。

继续上次课程时：

使用 $systematic-learning-engine 继续上次的用户增长课程。
读取学习进度和 MOC，复习上一课后执行下一课。

初始化 Obsidian 学习目录

仓库内置脚本会在指定 Vault 下创建学习目录、MOC、配置文件和进度 JSON。脚本只创建缺失文件，不覆盖已有文件。

python3 scripts/init_learning_workspace.py \
  --root "/你的/Obsidian/Vault" \
  --project "WMS系统课程" \
  --topic "仓储管理系统产品设计" \
  --lessons 10

生成结构示例：

学习系统/
└── WMS系统课程/
    ├── 课程笔记/
    ├── 知识卡片/
    ├── 课程作业/
    ├── 案例分析/
    ├── 参考资料/
    ├── 项目实战/
    ├── WMS系统课程-MOC.md
    ├── 学习配置.yaml
    └── 学习进度.json

推荐首次调用模板

使用 $systematic-learning-engine 创建一个新的系统学习项目。

学习主题：
最终目标：
当前水平：
真实应用场景：
预计课程数：
单次学习时长：
希望使用的资料类型：
是否写入 Obsidian：
Obsidian Vault 路径：

先完成能力地图、课程规划和知识库初始化，然后执行第 1 课。无法确定但不影响方向的信息请采用合理默认值，并明确记录假设。

本地验证

运行单元测试：

python3 -m unittest discover -s tests -v

检查初始化脚本语法：

python3 -m py_compile scripts/init_learning_workspace.py

也可以手动试运行到临时目录：

mkdir -p /tmp/sle-demo-vault
python3 scripts/init_learning_workspace.py \
  --root /tmp/sle-demo-vault \
  --project "Demo课程" \
  --topic "系统学习 Demo" \
  --lessons 3

项目结构

systematic-learning-engine/
├── SKILL.md                         # Skill 主工作流
├── README.md                        # 使用说明
├── CHANGELOG.md                     # 变更记录
├── CONTRIBUTING.md                  # 贡献说明
├── agents/
│   └── openai.yaml                  # Agent 配置示例
├── docs/
│   └── architecture.md              # 架构说明
├── examples/
│   └── prompts.md                   # 调用示例
├── references/
│   ├── lesson-template.md           # 单课模板
│   ├── obsidian-templates.md        # Obsidian 模板
│   └── research-rubric.md           # 资料筛选标准
├── scripts/
│   └── init_learning_workspace.py   # 学习目录初始化脚本
└── tests/
    └── test_init_learning_workspace.py

工作方式

这个 Skill 默认遵循以下闭环：

1. 明确学习主题、目标、水平和应用场景；
2. 从最终任务倒推能力地图；
3. 筛选资料并设计课程；
4. 初始化或读取 Obsidian / Markdown 学习工作区；
5. 每次只执行一节课；
6. 生成练习、测验、作业和复盘；
7. 更新 MOC、课程笔记、知识卡片和学习进度。

常见问题

Codex 没识别到 Skill 怎么办？

确认目录名是：

$HOME/.agents/skills/systematic-learning-engine/

并且该目录下直接包含 SKILL.md，不是多套了一层目录。然后重启 Codex。

会覆盖已有 Obsidian 文件吗？

不会。初始化脚本只创建缺失文件；如果文件已经存在，会保留原内容。

一定要用 Obsidian 吗？

不一定。你也可以让 Agent 使用普通 Markdown 目录，或只输出课程规划不写文件。

需要联网吗？

生成课程和执行教学不一定需要联网；如果你要求资料研究、官方文档核验或最新技术版本，Agent 应该联网核验来源。

许可证

未声明许可证前，默认保留所有权利。公开复用前请先确认授权方式。