vision-to-skill-mapping

name	vision-to-skill-mapping
description	当需要将抽象的人生或事业愿景转化为具体、可执行的日常学习与训练任务时

vision-to-skill-mapping

When to Use

当需要将抽象的人生或事业愿景转化为具体、可执行的日常学习与训练任务时description

Core Logic

执行步骤

1. 输入：一个清晰的长期愿景。 操作：基于该愿景，列出10-20个具体的技能、兴趣或知识主题。要求每个条目必须足够具体，能够直接指导行动或学习。 判断标准：每个条目都能被清晰地解释为“如何做某事”或“掌握某具体领域的知识”，而非宽泛的领域名称。例如，“如何创建高转化率的电商着陆页”优于“网页设计”。 常见误区：列出过于宽泛的领域（如“编程”、“健身”）；列出与愿景无直接关联的技能；数量不足10个，导致覆盖面不够。 关系：此模型是“愿景构建”模型的后续步骤，为“构建中学习”模型提供输入。

2. 输入：步骤1生成的技能/主题列表。 操作：逐一审视列表中的每个条目，评估其与核心愿景的直接关联性。 判断标准：对于每个条目，都能明确说出它将如何帮助推进愿景的实现。如果无法建立清晰联系，则移除该条目。 常见误区：因个人兴趣而非战略价值保留某些技能；舍不得删除已列出的条目，导致列表臃肿、焦点分散。 关系：此步骤是步骤1的校验和精炼环节。

3. 输入：精炼后的具体技能/主题列表。 操作：将列表中的每个条目，转化为一个或多个可立即开始的“微项目”或“学习周计划”。例如，“如何在6周内减掉10磅脂肪”可转化为“本周制定并执行减脂饮食计划”。 判断标准：每个技能点都至少对应一个本周可以启动的具体行动项。 常见误区：停留在列表阶段，没有转化为行动；设定的初始行动项过于庞大，难以启动。 关系：此步骤的输出将直接输入到“构建中学习”模型的每日执行环节。

Metadata

属性	值
领域	个人成长
类型	procedural (procedural)
置信度	90%
前置条件	已有一个清晰、明确的长期愿景
来源	《all》