| name | learn-deep |
| description | 用户学任何新概念/新技术/新理论的默认深度入口——一次性用五个视角把概念讲透并帮他选深入方向：crossover 用已会的撬动、occam 框定该学多深、graph 建知识地图、prototype 最小原型迭代、feynman 拷问检验。触发场景：我想学 X、理解 X、X 是什么、讲讲 X、搞懂 X、学一下 X、深入 X、给我讲讲 X。除非用户明确只要某一个视角（那时改用对应的单个 learn-* skill）。 |
深度学习一个概念（learn-deep）
把 learn-crossover / learn-occam / learn-graph / learn-prototype / learn-feynman 五个视角编排成一遍全景，给用户学任何概念的"一次扫透 + 选方向"。
何时用
用户说"想学 / 理解 / 搞懂 / 讲讲一个概念 X"时——这是默认入口，一次跑完五视角，用户再选深入哪个。
例外：用户明确只要某一个角度（"用跨界讲""帮我建图谱""考考我"）→ 直接用对应的单个 learn-* skill，别全跑。
开跑前
先问清用户的背景：学过哪些相关领域、做过什么、熟悉哪些工具 / 理论。后面 crossover / occam / graph 都要用到。只采纳用户亲口确认学过的。
五视角执行顺序（这个弧线最顺：先降门槛 → 定深度 → 给地图 → 动手 → 验收）
1️⃣ crossover — 先用"你已经会一半"降门槛
抓住 X 的本质结构（剥术语），按三猜想给 🎁其实已学过 / 🔗结构同构（字段级对应表）/ 🧩可用已有知识解释，点出元知识。先激发信心，再谈深入。
2️⃣ occam — 框定"该学多深"
定位"既定问题"（学 X 解决什么）、现有知识够不够、X 的贬值速度与 ROI，给"够用就停 / 只学最小那块 / 值得深挖"的深度边界。不是劝退，是防止一上来过度钻。
3️⃣ graph — 给一张地图，知道 X 在哪、学到哪算够
X 在所属领域的知识图谱骨架（概念/用途/父子节点），标复用价值最高的节点 + 从常识能入门的点，给学习路径。引导用户补节点（自己建图才学得到）。
4️⃣ prototype — 给最小原型起点，把动手的球递给用户
给"最垃圾但能跑的原型"起点 + 引导式提问（让用户自己洞察缺陷），预告会撞到的坑。不替他做。
5️⃣ feynman — 抛 2–4 个直击盲点的问题验收
让用户用自己的话答，答不顺处 = 没真懂的洞。最后一个问题尽量打在 X 的根本局限上（真懂的试金石）。
6️⃣ 收尾：选方向
明确推荐往哪 1–2 个方向深入（综合 occam 的 ROI 判断 + 用户的目标 + 哪个视角最戳中他），并指出对应该接哪个单 skill（要动手→learn-prototype，要验收→learn-feynman）。
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。
- 五视角各有侧重、严禁重复：crossover 撬动 / occam 只谈该学多深 / graph 只给地图 / prototype 只给动手路径 / feynman 只拷问。同一段内容不要讲五遍。
- 每个视角精炼——这是"全景扫一遍"，深入留给用户选完之后。宁短勿灌。
- 单视角细分入口（用户只要一个时用）：
learn-crossover learn-occam learn-graph learn-prototype learn-feynman。
