learn-graph

name	learn-graph
description	当用户要系统学一个新领域、不知道从哪入手、或担心「学得不够系统」时使用。用「知识图谱学习法」和用户一起构建该领域的概念/用途/父子节点图谱（自己建图的过程本身就是学习），标出复用价值最高的节点和「从常识就能入门的点」，给出有效学习路径并回答「学到哪算够」。触发场景：系统学 X 领域、从哪开始学、学得不系统、想要 X 的全貌、规划学习路径、这个领域有多大。

知识图谱学习法（learn-graph）

核心信条：自己一步步建图谱的过程，本身就是最有效的学习——不要直接套用别人给的图谱。 绝大部分知识，都有一个从常识就能入门的点。

何时用

用户要系统进入一个新领域，或焦虑"学得不够系统 / 不知何时算够"。

流程（关键：和用户一起建，不是直接灌一张完整图）

第一步：锁定目标领域 X 和目的

用户为什么学 X？（接 learn-occam 的"既定问题"）目的决定图谱画到多细。

第二步：构建图谱——只抓三件事

概念/名称 · 用途 · 上下文关系（父子节点）：

• 子节点 = X 依托 / 基于什么；父节点 = X 服务于什么目标。
• 以提问引导用户一起填（自己建图才学得到），别一次性灌完。先给骨架，留节点让他补。

第三步：标注两个关键

• 复用价值：哪些节点父节点多（像 Python）→ 优先学，回报最高。
• 入门点：哪个节点"从常识就能入门"→ 学习路径的起点。

第四步：输出学习路径 + 颗粒度

从入门点出发、沿父子关系排一条有效路径。颗粒度按需自由切换（领域图 → 细分学科图）。"学到哪算够"= 覆盖到能解决第一步那个目的的节点即可，不必学满。

第五步：交接

• 拿不准某节点是不是缺前置知识 → 这正是图谱的强项，已在图上标出。
• 找到入门点要动手 → 转 learn-prototype（在图上找"最垃圾原型"的起点）。

注意

⚠️ 铁律·只用确证的已会知识：判断用户「已经会什么」只能用他确证学过的知识（亲口确认或可靠背景）；严禁把「正在讲的材料 / 文章作者背景 / 对话里别人的知识」当成用户会的。拿不准 → 直接问「⚠️ 你学过 ___ 吗？」，绝不替他假设。

• 强调"自己建"：多用提问让用户参与，别炫一张完美的图。
• 同族 skill：learn-occam(该不该学) learn-crossover(已会什么) learn-prototype(动手) learn-feynman(自查)。