AI4Learning

AI4Learning 是一个把学习过程规则化的 AI agent 项目。它不把 AI 当作“更会回答问题的老师”，而是把学习过程拆成一套可执行、可验证、可复盘的认知流程：

未知 -> 分类 -> 降阶 -> 拆解 -> 验证 -> 新 foundation

当前仓库的第一阶段目标是先做一个 skill MVP，验证下面这个命题是否成立：

如果 AI 不直接扮演讲解员，而是持续管理学习者的 1 / 2 / 3A / 3B 状态迁移，那么它能比普通问答更稳定地帮助人学会高密度文本材料。

核心理论

理论原文见 ai4learning.md。

这里采用四类学习信息状态：

• 1：已知信息。学习者能解释、能使用、能迁移。
• 2：可快速澄清信息。通常 3 轮内可补齐。
• 3A：看似复杂，但一次高质量解释就能降阶的问题。
• 3B：必须递归拆解的问题。AI 一解释就会引入新的复杂前置。

MVP 的核心不是“解释得更动听”，而是：

• 把阻塞点分类清楚
• 决定优先处理顺序
• 对每个知识点做显式状态迁移
• 用证据而不是感觉来判断“是否学会”

当前实现

仓库现在包含一套可直接使用的 skill MVP 包：

• skills/ai4learning-mvp/SKILL.md：Skill 本体
• skills/ai4learning-mvp/references/classification-rubric.md：1/2/3A/3B 分类与误判规则
• skills/ai4learning-mvp/references/session-contract.md：输入合同、状态模型、生命周期
• skills/ai4learning-mvp/references/output-templates.md：固定输出模板
• skills/ai4learning-mvp/references/evaluation-protocol.md：MVP 验收与基线对照方法
• evals/cases.yaml：24 个评测案例
• docs/example-session.md：一个完整的 AI4Learning session 示例
• docs/mvp-roadmap.md：从 MVP 到创业项目的里程碑路线图

快速开始

1. 安装或链接 skill

如果你希望让 Codex 自动发现这个 skill，推荐把它链接到 ~/.codex/skills：

mkdir -p ~/.codex/skills
ln -s /home/chen/agentku/ai4learning/skills/ai4learning-mvp ~/.codex/skills/ai4learning-mvp

如果已经存在同名目录，可以先删除旧链接再重新创建。

2. 推荐触发方式

Use $ai4learning-mvp to help me learn this paper.
Goal: understand the method section well enough to explain it and critique it.
Background: I know basic machine learning and probability.
Time budget: 45 minutes.
Desired outcome: be able to teach back the key idea and answer one transfer question.
Material: [paste paper excerpt here]

3. skill 会做什么

skill 会按固定流程工作：

1. 建立 LearnerProfile 与 LearningSource
2. 抽取知识节点与前置依赖
3. 将节点分类为 1 / 2 / 3A / 3B
4. 优先解决高杠杆 2
5. 将 3A 降阶
6. 拆解 3B
7. 用 teach-back + transfer 验证是否真正进入 1
8. 输出下一步最值得学习的路径

4. 评测 skill 是否真的有效

先不要只看“主观觉得解释不错”。请用同一材料同时跑：

• 普通 AI 问答
• $ai4learning-mvp

然后用 evals/README.md 里的协议对比：

• 首次看懂时间
• 剩余阻塞点数量
• 微测成绩
• 是否出现“以为懂了其实不会用”的伪掌握

仓库结构

ai4learning/
├── ai4learning.md
├── ai4learning-theory-flow.excalidraw
├── 1.excalidraw
├── README.md
├── docs/
│   ├── example-session.md
│   └── mvp-roadmap.md
├── evals/
│   ├── README.md
│   └── cases.yaml
└── skills/
    └── ai4learning-mvp/
        ├── SKILL.md
        ├── agents/
        │   └── openai.yaml
        └── references/
            ├── classification-rubric.md
            ├── evaluation-protocol.md
            ├── output-templates.md
            └── session-contract.md

这个 MVP 现在最重要的验证问题

在继续做产品壳之前，优先回答这 4 个问题：

1. 同一份材料多次运行，1/2/3A/3B 分类是否稳定？
2. skill 是否比普通问答更快减少用户的主要阻塞点？
3. skill 是否能压住“用户觉得懂了，但讲不出来也不会用”的假阳性？
4. 用户是否愿意重复使用这种“结构化学习流程”，而不是只把它当一次性解释工具？

产品方向

这套系统更适合被定义为：

一个把复杂学习过程结构化、可追踪、可验证的学习操作系统

而不是：

一个会教学的聊天机器人

如果 MVP 验证成立，下一步最值得做的是长期记忆、间隔复习、导师视图和学习轨迹分享，而不是立刻做一个内容平台。