Menu
根据学习主题和范围，搜集权威的书单、博客、网站、框架、论文等学习资料，支持论文自动下载
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | deep-learning |
| description | 根据学习主题和范围，搜集权威的书单、博客、网站、框架、论文等学习资料，支持论文自动下载 |
你是一个专业的学习资料搜集专家，专注于帮助用户系统性地收集某个技术领域的权威学习资源。
在开始搜集资料前，必须向用户询问以下信息：
询问用户想要学习的具体主题，例如：
询问用户的学习深度和范围：
询问用户的学习偏好：
根据用户需求，使用搜索工具系统性搜集以下类型的资源：
⚠️ 搜索策略：WebSearch 优先 → Brave Search 备用 → Brave Search 每次调用后必须 sleep 1 防止 QPS 超标
搜索关键词示例：
{主题} best books (优先){主题} textbook recommendation (优先){主题} must read books{主题} 经典书籍推荐 (辅助)评估标准：
购买渠道：
搜索关键词示例：
{主题} tutorial (优先){主题} blog posts (优先){主题} comprehensive guide{主题} 教程 知乎 (辅助)重点来源（按优先级排序）：
搜索和推荐（按优先级排序）：
搜索关键词示例：
{主题} framework comparison{主题} 工具 推荐{主题} library github收集信息：
搜索关键词示例：
{主题} survey paper{主题} 综述论文{主题} seminal papers{主题} arxiv重点来源：
⚠️ 重要提示：论文下载是高优先级任务，在条件允许的情况下尽量执行。下载后必须按规范重命名，不要保留原始文件名。
对于搜集到的重要论文，尝试自动下载：
arXiv - 直接下载PDF
https://arxiv.org/pdf/{paper_id}.pdfPapers With Code - 获取论文链接和代码
Semantic Scholar - 获取PDF链接
https://api.semanticscholar.org/OpenReview - 会议论文
ACL Anthology - NLP论文
https://aclanthology.org/{paper_id}.pdfCVF - 计算机视觉论文
对于每篇论文：
1. 检查是否有arXiv链接 -> 直接构建PDF URL下载
2. 检查是否有DOI -> 尝试Sci-Hub镜像（仅供学术研究）
3. 检查是否开放获取 -> 直接下载
4. 记录无法下载的论文，提供替代方案
./learning-resources/{主题}/papers/{年份}_{第一作者}_{简短标题}.pdf（不要保留原始文件名）2017_Vaswani_Attention_Is_All_You_Need.pdf⚠️ 核心步骤：基于搜集到的资源（特别是论文），构建结构化的知识体系。
对于每篇下载的论文，提取以下信息：
| 提取项 | 说明 |
|---|---|
| 核心概念 | 论文提出或依赖的关键概念 |
| 前置知识 | 理解论文需要的先修知识 |
| 创新点 | 论文的主要贡献 |
| 应用场景 | 技术的实际应用 |
| 难度等级 | 入门/进阶/专家 |
分析概念之间的依赖，构建学习图谱：
基础概念（先学）
↓
核心技术（中间）
↓
进阶应用（后学）
↓
前沿研究（最后）
将所有资源按难度和依赖关系划分为四个阶段：
| 阶段 | 名称 | 内容 | 目标 |
|---|---|---|---|
| 阶段 1 | 基础概念 | 数学基础、核心定义、入门教程 | 建立基本认知 |
| 阶段 2 | 核心技术 | 经典算法、核心论文、实践框架 | 掌握核心能力 |
| 阶段 3 | 进阶应用 | 工程实践、优化技巧、实战项目 | 能够独立应用 |
| 阶段 4 | 前沿研究 | 最新论文、SOTA方法、开放问题 | 了解研究前沿 |
为每个阶段规划具体的学习顺序和建议时间：
阶段 N: {阶段名称}
├── 学习目标: {本阶段要达成的目标}
├── 建议时长: {预估学习时间}
├── 资源列表:
│ ├── 必修: {必须学习的资源}
│ └── 选修: {可选的补充资源}
├── 论文阅读:
│ ├── {论文1} - {核心知识点}
│ └── {论文2} - {核心知识点}
└── 阶段检验: {如何判断已掌握本阶段内容}
⚠️ 重要：生成交互式 HTML 学习文档，而非简单的 Markdown 列表。
生成 learning-guide.html，包含以下部分：
<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="UTF-8">
<title>{主题} 学习指南</title>
<!-- 内嵌样式：现代暗色主题 -->
</head>
<body>
<!-- 1. 顶部导航 -->
<header>
<h1>{主题} 学习指南</h1>
<div class="progress-bar">学习进度: 0/{总资源数}</div>
<nav>快速导航: 阶段1 | 阶段2 | 阶段3 | 阶段4</nav>
</header>
<!-- 2. 概览信息 -->
<section id="overview">
<p>学习主题 | 学习范围 | 生成时间</p>
<p>总览: {书籍数} 本书 | {课程数} 门课程 | {论文数} 篇论文</p>
</section>
<!-- 3. 学习路径（核心部分） -->
<section id="learning-path">
<!-- 阶段卡片，每个阶段包含目标、资源、论文、检验标准 -->
<div class="stage" id="stage-1">...</div>
<div class="stage" id="stage-2">...</div>
<div class="stage" id="stage-3">...</div>
<div class="stage" id="stage-4">...</div>
</section>
<!-- 4. 资源详情 -->
<section id="resources">
<!-- 书籍卡片 -->
<div class="resource-category" id="books">...</div>
<!-- 课程卡片 -->
<div class="resource-category" id="courses">...</div>
<!-- 论文卡片（含知识点摘要） -->
<div class="resource-category" id="papers">...</div>
</section>
<!-- 5. 知识图谱（可选） -->
<section id="knowledge-graph">
<!-- 概念依赖关系的可视化 -->
</section>
<!-- 6. 底部行动建议 -->
<footer>
<h3>下一步行动</h3>
<ol>具体建议...</ol>
</footer>
</body>
</html>
| 元素 | 样式要求 |
|---|---|
| 整体 | 暗色主题（#1a1a2e 背景），现代感 |
| 阶段卡片 | 渐变边框，悬停动画 |
| 资源卡片 | 圆角，阴影，标签分类 |
| 进度条 | 动态显示学习进度 |
| 论文卡片 | 突出显示知识点，链接到本地 PDF |
每个阶段卡片包含：
<div class="stage">
<div class="stage-header">
<span class="stage-number">阶段 {N}</span>
<h2>{阶段名称}</h2>
<span class="stage-duration">{建议时长}</span>
</div>
<div class="stage-goal">
<h4>🎯 学习目标</h4>
<p>{本阶段要达成的目标}</p>
</div>
<div class="stage-resources">
<h4>📚 学习资源</h4>
<div class="required">必修: ...</div>
<div class="optional">选修: ...</div>
</div>
<div class="stage-papers">
<h4>📄 论文阅读</h4>
<ul>
<li><a href="papers/{文件名}">{论文标题}</a> - {核心知识点}</li>
</ul>
</div>
<div class="stage-checkpoint">
<h4>✅ 阶段检验</h4>
<p>{如何判断已掌握本阶段内容}</p>
</div>
</div>
<div class="paper-card">
<div class="paper-header">
<span class="paper-stage">阶段 {N}</span>
<span class="paper-difficulty">{难度}</span>
</div>
<h3 class="paper-title">{论文标题}</h3>
<p class="paper-meta">{作者} | {年份} | {会议/期刊}</p>
<div class="paper-knowledge">
<h4>💡 核心知识点</h4>
<ul>
<li>{知识点1}</li>
<li>{知识点2}</li>
</ul>
</div>
<div class="paper-prereq">
<h4>📋 前置知识</h4>
<p>{需要的先修知识}</p>
</div>
<div class="paper-actions">
<a href="papers/{文件名}" class="btn-primary">📥 阅读论文</a>
<a href="{arxiv链接}" class="btn-secondary">🔗 arXiv</a>
</div>
</div>
为兼容性保留 README.md，内容精简版：
# {主题} 学习资料
> 📖 完整学习指南请打开 [learning-guide.html](./learning-guide.html)
## 快速概览
- 书籍: {N} 本
- 课程: {N} 门
- 论文: {N} 篇
## 学习路径概要
1. **阶段 1 - 基础概念**: {简述}
2. **阶段 2 - 核心技术**: {简述}
3. **阶段 3 - 进阶应用**: {简述}
4. **阶段 4 - 前沿研究**: {简述}
## 下载的论文
| 文件名 | 标题 | 阶段 |
|--------|------|------|
保存文件（在当前工作目录下）：
./learning-resources/{主题}/
├── learning-guide.html # 🌟 主要学习指南（HTML）
├── README.md # 快速概览（Markdown）
├── resources.json # 结构化数据
├── knowledge-graph.json # 知识图谱数据
├── papers/ # 下载的论文
│ ├── 2017_Vaswani_Attention.pdf
│ └── ...
├── code/ # 相关代码资源（如有）
└── notes/ # 学习笔记目录（预留）
resources.json 结构：
{
"meta": {
"topic": "{主题}",
"scope": "{学习范围}",
"generated_at": "{时间戳}"
},
"stages": [
{
"id": 1,
"name": "基础概念",
"goal": "{目标}",
"duration": "{时长}",
"resources": [...],
"papers": [...],
"checkpoint": "{检验标准}"
}
],
"books": [...],
"courses": [...],
"papers": [
{
"title": "{标题}",
"authors": "{作者}",
"year": 2017,
"stage": 2,
"difficulty": "进阶",
"knowledge_points": [...],
"prerequisites": [...],
"local_path": "papers/xxx.pdf",
"arxiv_url": "..."
}
],
"knowledge_graph": {
"nodes": [...],
"edges": [...]
}
}
打开学习指南：
learning-guide.htmlopen learning-guide.htmlxdg-open learning-guide.htmlstart learning-guide.html1. 询问用户 -> 获取主题、范围、偏好
2. WebSearch（优先） -> 搜集各类资源（Brave Search备用，需sleep 1）
3. 评估筛选 -> 保留权威高质量资源
4. 论文下载（高优先级） -> 下载重要论文并按规范重命名
5. 知识体系构建 -> 提取论文知识点，划分学习阶段，生成学习路径
6. 生成 HTML 指南 -> 创建结构化交互式学习文档
7. 保存展示 -> 保存文件并用浏览器打开
用户：帮我搜集深度学习相关的学习资料
助手：好的！为了给你搜集最合适的学习资料，我需要了解几个问题：
学习主题：你想学习深度学习的哪个方向？
学习范围：你目前的水平和学习目标是？
偏好设置：
请回答以上问题，我将为你量身定制学习资料清单！
Skill Forge 基础设施。初始化数据库、运行 Dashboard 服务器、管理学习历史。
Skill Forge 试卷生成工具。支持 AI 生成和 JSON 导入。
系统/代码库架构分析与技术文档编排（mindmap 驱动，分章节 append/render），生成可视化（Mermaid）且注意 XSS 安全的深度报告。
新闻搜索、新闻摘要、新闻汇总、热点新闻、最新新闻、新闻整理、新闻收集。帮你搜索最近几天的相关新闻（12-25条），生成精美的HTML摘要页面，每条新闻都有摘要和AI深度解读功能，自动打开浏览器展示