learning-helper

name	learning-helper
description	根据网页资料生成学习路线，从 URLs 提取内容并整理成结构化的学习路径。

learning-helper 技能

根据用户提供的网页资料链接，分析内容并生成结构化的学习路线。

使用场景

• 发现好的学习资源，想整理成系统的学习路径
• 需要根据多个资料制定学习计划

工作流程

步骤一：收集 URLs

用户提供 1-3 个学习资源 URL（每行一个，或空格分隔）。

示例：

https://example.com/python-tutorial
https://docs.python.org/3/tutorial/

防误触机制： 当用户提交输入后，不要立即开始获取内容，而是先询问：

"已收到 [X] 个网址：

• [URL 1]
• [URL 2] ... 是否还有其他的网址需要添加？没有的话回复"没有"或"否"，有的话继续输入。"

只有当用户明确表示没有更多网址后，才进入步骤二（获取内容）。

步骤二：获取内容

使用 WebFetch 工具获取每个 URL 的内容。

错误处理机制：

在获取内容时，可能会遇到以下错误情况：

• 404 错误（页面不存在）
• 403 错误（访问被拒绝）
• 网络连接失败
• 超时等

处理流程：

1. 尝试使用 WebFetch 获取每个 URL
2. 如果某个 URL 获取失败（返回错误），记录该 URL 和错误类型
3. 不要跳过失败的 URL，而是暂停并询问用户：

"获取以下网址时遇到问题：

• [失败的 URL 1] - 错误类型
• [失败的 URL 2] - 错误类型

这些网址可能输入有误或已失效。是否需要：

1. 重新输入正确的网址？
2. 跳过这些网址，继续处理其他网址？"

4. 如果用户选择重新输入，等待用户提供新的 URL，替换失败的 URL，然后重新获取
5. 如果用户选择跳过，从列表中移除这些失败的 URL，继续处理其他 URL

注意：

• 只有当所有 URL 都获取成功（或用户选择跳过失败的）后，才能进入下一步
• 不要在用户未确认的情况下自行决定跳过失败的 URL

步骤二点五：提取资源

如果是 GitHub 仓库链接：

1. 获取仓库的目录结构（访问 GitHub API 或仓库主页）
2. 查找所有可执行的代码文件，不限于特定语言：
   • Python: .py
   • Jupyter Notebook: .ipynb
   • JavaScript/TypeScript: .js, .ts, .jsx, .tsx
   • Go: .go
   • Rust: .rs
   • Java: .java
   • C/C++: .c, .cpp, .h
   • 其他语言按需添加
3. 记录文件路径、文件名、编程语言和简单用途
4. 生成完整的原始文件链接（如 https://raw.githubusercontent.com/USER/REPO/BRANCH/path/file.py）

如果是文档/教程类网站：

1. 提取文档结构（章节、小节）
2. 记录关键概念、定义、示例
3. 提取外部链接（如果有指向其他教程或文档的链接）

步骤三：分析内容

分析网页内容，提取：

• 主要主题和知识点
• 章节/模块结构
• 难度层级（入门/进阶/高级）
• 前置知识要求
• 代码资源：从 GitHub 仓库中查找代码文件，记录其路径和用途
• 文档资源：提取教程、文章、文档等学习资料

步骤三点五：补充资源搜索

每个知识点必须同时包含文档资源和代码资源！

在进入步骤四之前，必须检查每个知识点是否同时具备：

• 文档资源：用于文字学习（教程、文章、文档）
• 代码资源：用于实践学习（GitHub原始文件链接）

如果某个知识点缺少任何一种资源，必须使用 WebSearch 搜索补充！

搜索策略：

1. 针对每个缺少资源的知识点，搜索「知识点名 + tutorial/document/code example」
2. 优先选择权威来源：官方文档、GitHub 优质仓库、知名技术博客、Medium、Dev.to、CSDN、知乎等
3. 验证资源可用性：确保链接可访问、内容相关
4. 记录搜索到的资源：标题、URL、类型（文档/代码）、简介

搜索示例：

• "python decorators tutorial"
• "react hooks best practices documentation"
• "machine learning gradient descent code example github"
• "context compression LLM tutorial" (上下文压缩的文档资源)
• "context compression implementation github" (上下文压缩的代码资源)

强制要求：

• 如果原始资源中某个知识点没有代码资源 → 必须搜索代码实现
• 如果原始资源中某个知识点没有文档资源 → 必须搜索文档教程
• 如果某种语言没有代码资源 → 尝试搜索其他语言的实现
• 绝对不能跳过任何缺少资源的知识点

步骤四：生成学习路线

创建结构化的 Markdown 文件，使用 TODO List 格式，每个知识点后面附加文档资源和代码资源链接：

# [主题] 学习路线

## 概述
[简短的主题介绍]

## 学习前提
- [前置知识 1]
- [前置知识 2]

## 学习路径

### 阶段一：[入门]

- [ ] **[知识点 1]**
  - 描述：[简短说明]
  - 文档资源：
    - [文档标题](URL) - 来源/简介
  - 代码资源：
    - [文件名.py](完整GitHub链接) **Python** - 用途说明
    - [文件名.js](完整GitHub链接) **JavaScript** - 用途说明

- [ ] **[知识点 2]**
  - 描述：[简短说明]
  - 文档资源：
    - ...
  - 代码资源：
    - ...

### 阶段二：[进阶]

- [ ] **[知识点 X]**
  - 描述：[简短说明]
  - 文档资源：
    - [文档标题](URL) - 来源/简介
  - 代码资源：
    - [文件名.py](完整GitHub链接) - 用途说明

### 阶段三：[高级]

- [ ] **[知识点 Y]**
  - 描述：[简短说明]
  - 文档资源：
    - [文档标题](URL) - 来源/简介
  - 代码资源：
    - ...

### 阶段四：实践项目

**实践项目要求**：
- 基于用户提供的资源来构建
- 每个项目给出：
  - **项目名称**：基于资源的核心功能
  - **实现思路**：如何利用资源中的代码/概念实现
  - **实现方法**：具体的步骤和方法
  - **参考资料**：相关的文档和代码资源链接

**实践项目模板**：

```markdown
### 阶段四：实践项目

- [ ] **[项目名称]**
  - 基于资源：[资源名称]
  - 实现思路：[简述如何利用资源实现]
  - 实现方法：
    1. [步骤 1]
    2. [步骤 2]
    3. [步骤 3]
  - 参考资料：
    - 文档：[文档标题](URL) - 内容简介
    - 代码：[文件名.py](完整链接) **Python** - 用途说明

- [ ] **[项目名称]**
  - ...

注意：

• 实践项目主要基于用户提供的资源
• 如果资源不足，可使用 WebSearch 搜索相关的项目示例
• 优先选择资源中有完整实现的项目作为参考
• 实现方法要具体、可执行

---

推荐资源

实践建议

• [建议 1]
• [建议 2]

**注意**：
- 使用 `[ ]` 表示未完成，`[x]` 表示已完成
- **文档资源**：每个知识点必须包含至少一个文档资源（教程/文章），来源可以是：
  - 用户提供的原始资源
  - 通过网络搜索补充的权威文档（官方文档、知名博客、技术网站等）
- **代码资源**：代码资源需要完整的 GitHub 原始文件链接
- **支持所有编程语言**，根据仓库实际情况添加
- **【强制要求】每个知识点必须同时包含文档资源和代码资源**
  - 如果某个知识点只有文档没有代码 → 必须搜索代码资源
  - 如果某个知识点只有代码没有文档 → 必须搜索文档资源
  - 如果都没有 → 必须同时搜索文档和代码资源
- 当资源不足时，主动使用 WebSearch 工具搜索补充
- 标注来源：原始资源标注「原始」，搜索补充的标注网站名称

### 步骤五：保存文件

文件保存路径：`learning-roadmaps/[主题]/README.md`

例如：`learning-roadmaps/python-advanced/README.md`

## 注意事项

- 优先选择权威、有体系的学习资源（如官方文档、知名教程）
- URL 数量控制在 1-3 个，避免信息过载
- 学习路线需要与现有知识库主题对齐
- **必须确认用户没有更多 URL 后才能进入下一步**，避免用户误触 enter 导致输入不完整