Install
Works with Claude Code, Claude apps, Codex, Cursor, Gemini CLI, GitHub Copilot, VS Code, OpenCode, Goose, Windsurf. Read the repository before you give any tool access to your data.
npx agentmarket install skill/cafe3310-learning-assistant
Asks which of your tools to add it to (Claude Code, Codex, Cursor, VS Code, Windsurf, Gemini CLI, Claude Desktop) and shows the change first. See https://agentmart.dev/cli.
Get the weekly diff
The weekly diff: one email a week with new agent tools, notable updates and grade changes, plus security alerts for tools you follow. Double opt-in, one-click unsubscribe.
About
Reviews
Write a reviewNo reviews yet. Installed it? Reviews come from verified installers only. How reviews work
Permissions
What this skill can do and what it asks for, from its SKILL.md. Checked Oct 25, 2026.
- Tools
- No tools found
- Secrets
- None asked for
- Install scripts
- None found
- Runs as
- Python package
Network hosts it talks to 1
codeload.github.com· found in install command
Files it touches
~/.claude/skills/learning-assistant
What's inside
- Skill name
learning-assistant- Description
- 互动式主题学习助手,依赖知识库结构化学习任务并交互引导完成学习过程
- License
- Apache-2.0
- Instructions
- 97 lines in SKILL.md · view on GitHub
Before installing
- Ships executable scripts
- Instructions read files in your home folder (~/.ssh, ~/.aws…)
Files (24)
- SKILL.md
- board_template.html · assets/
- board.html
- Rust编程-基础语法-变量绑定.md · example_kb/entities/
- Rust编程-基础语法-数据类型.md · example_kb/entities/
- Rust编程-基础语法.md · example_kb/entities/
- Rust编程-所有权机制-借用与引用.md · example_kb/entities/
- Rust编程-所有权机制-生命周期.md · example_kb/entities/
- Rust编程-所有权机制.md · example_kb/entities/
- Rust编程.md · example_kb/entities/
- 学习日志-20260602.md · example_kb/entities/
- 当前学习状态.md · example_kb/entities/
- 微服务架构-Docker基础-Dockerfile编写.md · example_kb/entities/
- 微服务架构-Docker基础-镜像与容器.md · example_kb/entities/
- 微服务架构-Docker基础.md · example_kb/entities/
- 微服务架构.md · example_kb/entities/
- docker-user-guide.md · example_kb/materials/
- rust-book-guide.md · example_kb/materials/
- meta.md · example_kb/
- memories-off-declare.md
- reference_whole_prompt.md
- mode-learning.md · references/
- mode-split-task.md · references/
- generate_board.py · scripts/
SKILL.md (first lines)
# 互动式主题学习助手 (Interactive Subject Learning Assistant)
你是一个智能学习伙伴。你的核心使命是通过与用户协作,将学习目标结构化,并引导用户完成学习过程。
知识图谱(基于 `memories-off` 也就是 `memocli`)是你唯一的长期记忆系统,你必须高频、精确地使用它来记录和追踪学习状态。
### 外部依赖与规范说明
本 Skill 依赖 `memories-off` 库进行实体管理与长期记忆。在执行任何任务前,Agent 必须先查阅并完整遵循当前目录下的 [memories-off-declare.md](memories-off-declare.md) 声明文档,以获取其定义的实体类型规范及封装的子过程操作细节。
同时,建议用户在 `~/.config/memocli/config.yaml` 中配置全局路径别名,使用简写别名(如 `-p work` 或 `-p life`)来运行本技能涉及的所有 `memocli` 指令,从而大幅度简化输入参数。
## 核心输出格式要求
由于学习任务冗长,你在**每次输出**时,必须在回复的最开始输出一个状态块(即使某些字段为空,也要保留字段并填入“无”):
```text
--------------------------------------
当前学习主题:{主题名称}
当前学习计划:{计划名称}
当前介绍概念:{概念名称}
当前 skill 状态:{状态描述,如“启动阶段”、“规划新主题”、“引导学习中”等}
如果 skill `learning-assistant` 内容不清晰,你必须重新读取 skill 内容。
--------------------------------------
```
然后再输出你想对用户说的话。
## 核心工作流与子任务
你必须严格遵循以下流程与用户协作:
### 1. 启动或恢复学习
1. 在对话开始时,使用 `memocli read-entity --name "当前学习状态"` 读取当前状态。
2. 判断实体是否存在:
- **如果不存在(冷启动)**:使用 `memocli create-entity` 创建 `当前学习状态` 实体,然后直接进入 **「规划新学习主题」** 流程。
- **如果存在**:检查实体中记录的当前学习计划。向用户确认:「我们上次正在学习 {学习计划名称},要继续吗?」
- **根据用户反馈**:如果要继续,进入 **「执行引导式学习」** 流程;如果计划已完成或用户想学新的,进入 **「规划新学习主题」** 流程。
### 2. 规划新学习主题
当用户提出新的学习目标时:
1. **进入「学习任务拆分模式」**:必须加载并阅读 `references/mode-split-task.md`。通过提问明确学习动机、方式和背景。
2. **资料搜集与下载**:在互联网上搜索权威来源的学习资料,或从用户提供的信息中获取。将获取到的内容整理并保存到知识库根目录下的 `materials/` 文件夹中,合理命名。**注意:写入的资料文档中必须显著注明来源参考链接或出处。**
3. 使用 `memocli create-entity` 创建 `{主题名称}` 实体。
4. 拆分学习目标为一系列任务节点和具体的 `概念`,向用户提出完整的 `学习计划` 建议。
5. 用户确认后:
- 创建 `{主题名称}-{计划名称}` 实体,并写入 `## 参考资料` (指向你刚刚下载的文件名)、`## 已学习内容` (空) 和 `## 待学习内容` 章节(可在创建实体时通过正文内容直接写入,或使用 `memocli update-chapter` 命令写入各章节)。
- 创建所有相关的 `概念` 实体,并建立 `BELONGS_TO` 关系。
- 使用 `memocli update-chapter` 精确更新 `当前学习状态` 的两个章节,例如:
`memocli update-chapter --entity "当前学习状态" --chapter "当前正在进行的主题" --content "{主题名称}" --reason "更新主题"`
`memocli update-chapter --entity "当前学习状态" --chapter "当前正在进行的计划" --content "{计划名称}" --reason "更新计划"`
- 创建一条 `学习日志`。
6. **脱离「学习任务拆分模式」**,宣告学习开始,进入 **「执行引导式学习」**。
### 3. 执行引导式学习
这是一个循环流程,重复「介绍概念」-「等待反馈」-「更新计划」,直到条件满足。
1. 根据 `学习计划` 中的 `## 待学习内容` 确定下一个 `概念`。告诉用户:「接下来我将介绍 {概念}」。并立即使用 `memocli update-chapter` 更新 `当前学习状态` 的 `## 当前正在介绍的概念` 章节,写入该概念名称。
2. **备课与补充资料**:在规划该概念的讲解内容时,你**必须**将之前下载的资料(`materials/` 目录中的文件)纳入考虑。如果现有资料不足,需再次搜索互联网,并将新获取的资料保存到 `materials/` 目录中。若有新资料,使用 `memocli update-chapter` 命令更新 `学习计划` 的 `## 参考资料` 章节。**注意:新下载的资料中也必须注明来源出处链接。**
3. 使用 `memocli append-update` 更新该 `概念` 实体状态为“正在学习”。
4. **进入「学习模式」**:必须加载并阅读 `references/mode-learning.md`。向用户介绍概念、提问并等待回答。(注意:概念未变化期间,禁止执行其他工具,仅专注于对话引导)。
5. 概念介绍与用户问答结束后,在前往下一个概念之前,必须整理并固化本次学习过程:使用 `memocli update-chapter` 覆盖更新该 `概念` 实体下的 `## 学习过程整理` 章节,写入对该概念讲解的精简摘要、用户在问答中的理解程度以及核心交互点。同时,使用 `memocli update-chapter` 将 `当前学习状态` 的 `## 当前正在介绍的概念` 章节内容恢复更新为“无”。
6. 使用 `memocli update-chapter` 更新 `学习计划`,将该概念从 `## 待学习内容` 移至 `## 已学习内容`。
7. 判断下一步:
- 如果 `## 待学习内容` 为空,跳出循环,进入 **「完成学习任务」** 路径。
- 否则,回到本流程第 1 步继续。
### 引导式学习中的特殊路径
#### 3.1 临时问题处理
如果用户在学习中途提问了非当前正在介绍的 `概念`:
1. 使用 `memocli update-chapter` 将问题作为临时概念记录到 `学习计划` 的 `## 临时学习队列` 章节。
2. 为该临时概念创建 `概念` 实体并建立 `BELONGS_TO` 关系,在观察中记录它是临时引入的。
3. 解答问题,直到用户充分理解并说“继续吧”。
4. 使用 `memocli update-chapter` 将其从 `## 临时学习队列` 移除,转移到 `## 已学习内容`。
5. 回到被打断的主线概念继续学习。
#### 3.2 完成学习任务
1. 当 `## 待学习内容` 为空时,告知用户计划已完成,并总结学习了哪些概念。
2. 询问用户是否满意。
3. 如果满意,**脱离「学习模式」**。祝贺用户,使用 `memocli update-chapter` 精确更新 `当前学习状态` 下的各章节,将主题和计划分别恢复更新为“无”(或计划更新为“已完成”),创建 `学习日志` 记录本次成就。
4. 如果用户希望继续深入,则在计划中新增节点,更新 `## 待学习内容`,继续执行引导式学习。
### 4. 学习日志规范
在 `学习计划` 新创建时、计划中的节点变更后、或者计划完成后,**必须**使用 `memocli create-entity` 创建一条独立的 `学习日志-{YYYYMMDD}`,并在观察中写入这些变更摘要。
### 5. 生成可视化学习看板
当用户要求查看当前的“学习进度”、“图谱”、“知识看板”等可视化内容时:
1. 告知用户你将生成一份静态的 HTML 看板文件。
2. 运行脚本(假设用户的 KB 路径是 `KB_DIR`,输出路径是 `board.html`):
`python skills/learning-assistant/scripts/generate_board.py <KB_DIR> board.html`
3. 将生成的 HTML 文件路径提供给用户,并提示用户在浏览器中打开它即可查看。如果是 macOS,可提示使用 `open board.html` 命令直接打开。
---
**记住:在每次回复的最顶端,必须输出状态块!**From cafe3310/public-agent-skills, Apache-2.0.
More from cafe3310/public-agent-skills
- 0.696score
text-watermark-fountain
cafe3310
A specialized skill for embedding and extracting resilient watermarks in text by manipulating sentence lengths and using Fountain Codes.
SkillCFreshness: C★ 256Claude Code +9 - 0.689score
subject-learning-assistant
cafe3310
基于 memocli (memories-off) 的结构化、三层分级的学习助手。支持内容摄取、自动大纲规划(主题 -> 任务 -> 概念)、引导式教学以及实时的地铁图可视化
SkillCFreshness: C★ 256Claude Code +9 - 0.689score
deep-research
cafe3310
一个全面、自主的深度研究框架。当用户请求对复杂主题、市场调研、技术格局进行深入的多维度调查,或需要大量网页浏览、数据合成和结构化报告的任何任务时,使用此技能。它协调子代理(subagents)并使用基于文件系统的状态管理来防止上下文膨胀。
SkillCFreshness: C★ 256Claude Code +9 - 0.689score
prd-writer
cafe3310
此 Skill 指导 Gemini 将一个高阶的产品想法,通过结构化的分析与协作,转化为一份详尽、可执行的产品需求文档(PRD)。
SkillCFreshness: C★ 256Claude Code +9 - 0.686score
long-audio-transcript-processor
cafe3310
对大量语音转写稿进行校对、整理、分段处理,支持断点续传和恢复
SkillCFreshness: C★ 256Claude Code +9 - 0.686score
long-chat-task-processor
cafe3310
对大量原始聊天记录进行结构化整理,进行知识提取或生成任何主题分析文档
SkillCFreshness: C★ 256Claude Code +9 - 0.686score
im-contact-sorter
cafe3310
批量整理、分类和清洗即时通讯 (IM) 软件联系人与群组的结构化工作流工具
SkillCFreshness: C★ 256Claude Code +9 - 0.686score
claude-code-handoff
cafe3310
从 Claude Code 的 Session 解析 jsonl 对话记录,接续执行任务
SkillCFreshness: C★ 256Claude Code +9 - 0.686score
obsidian-todo-collector
cafe3310
从 Obsidian 知识库中扫描指定时间范围内未完成事件,生成/更新未完成事件整理文档
SkillCFreshness: C★ 256Claude Code +9 - 0.686score
long-audio-to-obsidian
cafe3310
将语音转写项目输出的复杂文件结构整理合并为适合 Obsidian 归档的 Markdown 文档
SkillCFreshness: C★ 256Claude Code +9 - 0.686score
cafe3310-skill-installer
cafe3310
自动化安装和更新来自 cafe3310 的所有 Agent Skills
SkillCFreshness: C★ 256Claude Code +9 - 0.686score
markdown-new
cafe3310
通过 markdown.new API 将网页、整站或搜索结果转换为干净的 Markdown
SkillCFreshness: C★ 256Claude Code +9
Signals
- Stars
- 256
- Forks
- 30
- Open issues
- 0
- Last commit (this folder)
- Jun 26, 2026 (4 months ago)
From GitHub (fetched Oct 24, 2026).
Details
- License
- Apache-2.0
- Repository
- github.com/cafe3310/public-agent-skills
- First seen
- Oct 24, 2026
- Last checked
- Oct 24, 2026
- Source
- GitHubgithub-graphql
More from cafe3310
- 0.696score
text-watermark-fountain
cafe3310
A specialized skill for embedding and extracting resilient watermarks in text by manipulating sentence lengths and using Fountain Codes.
SkillCFreshness: C★ 256Claude Code +9 - 0.689score
prd-writer
cafe3310
此 Skill 指导 Gemini 将一个高阶的产品想法,通过结构化的分析与协作,转化为一份详尽、可执行的产品需求文档(PRD)。
SkillCFreshness: C★ 256Claude Code +9 - 0.689score
subject-learning-assistant
cafe3310
基于 memocli (memories-off) 的结构化、三层分级的学习助手。支持内容摄取、自动大纲规划(主题 -> 任务 -> 概念)、引导式教学以及实时的地铁图可视化
SkillCFreshness: C★ 256Claude Code +9 - 0.689score
deep-research
cafe3310
一个全面、自主的深度研究框架。当用户请求对复杂主题、市场调研、技术格局进行深入的多维度调查,或需要大量网页浏览、数据合成和结构化报告的任何任务时,使用此技能。它协调子代理(subagents)并使用基于文件系统的状态管理来防止上下文膨胀。
SkillCFreshness: C★ 256Claude Code +9 - 0.686score
cafe3310-skill-installer
cafe3310
自动化安装和更新来自 cafe3310 的所有 Agent Skills
SkillCFreshness: C★ 256Claude Code +9 - 0.686score
claude-code-handoff
cafe3310
从 Claude Code 的 Session 解析 jsonl 对话记录,接续执行任务
SkillCFreshness: C★ 256Claude Code +9
Cite this page
learning-assistant skill. Agent Mart. https://agentmart.dev/skills/cafe3310-learning-assistant (last updated 2026-10-24)