paper-sense-making

name	paper-sense-making
description	通过三幕对话（理解、冲突、重构）引导用户完成论文意义建构，输出可视化认知轨迹 JSON。

SKILL.md — skill-paper-sensemaking

Skill 类型

Prompt-based conversational skill（非 tool-call 型）

核心执行体是 prompt/system-prompt.md，通过 system prompt 注入 AI 环境运行。Canvas 是只读展示界面，所有交互在 AI 对话中完成。

---

这个 Skill 做什么

大多数"AI 读论文"工具的流程是：

paper → summary

这个 skill 的流程是：

paper × 用户的认知假设 → 冲突 → 表态 → 重构 → 认知 delta 可视化

核心差异：sensemaking ≠ 理解，= 认知重构

---

使用方式

Step 1：注入 system prompt

将 prompt/system-prompt.md 的内容注入到：

• Claude Project 的 system prompt
• OpenClaw skill 配置
• 任何支持 system prompt 的 AI 环境

不作为工具动态加载，不需要 function calling。

Step 2：触发

/sensemaking
profile: 初中数学老师，正在设计几何 proof 的反馈工具

[粘贴论文全文]

Step 3：完成三幕对话

AI 引导用户走过三幕：理解 → 冲突 → 重构。所有交互在对话窗口完成。

Step 4：渲染 Canvas

对话结束后，AI 输出完整 JSON。 打开 artifact/sensemaking-canvas.html，粘贴 JSON，点"渲染认知轨迹"。

---

三幕结构

幕	名称	核心问题	AI 行为
一	理解 Comprehension	paper 说了什么？对你意味着什么？	输出理解，probe 确认
二	冲突 Collision	你原来的认知假设 vs paper 挑战	暴露摩擦，要求用户表态，追问
三	重构 Reconstruction	认知改变了什么？你打算做什么？	总结 delta，收集 one change，输出 JSON

---

组件清单

skill-paper-sensemaking/
│
├── SKILL.md                           ← 你在这里
│
├── prompt/
│   └── system-prompt.md               ← 注入 AI 环境的完整 system prompt
│
├── artifact/
│   └── sensemaking-canvas.html        ← 只读 canvas，粘贴 JSON 渲染认知轨迹
│
├── assets/
│   ├── pedagogy-reference.md          ← 教学法参考库（供 AI 内部参考）
│   └── paper-archetypes.md            ← 论文类型分类（供 AI 内部参考）
│
├── examples/
│   ├── example-input.md               ← 触发示例（多种 profile 场景）
│   └── example-output.json            ← 完整示例 JSON（真实对话结果）
│
├── docs/
│   ├── design-decisions.md            ← 设计决策记录
│   └── pipeline-interface.md          ← JSON schema + 上下游接口规范
│
└── README.md

---

JSON 输出契约

{
  "meta": {
    "paper_title": "string",
    "profile_read": "string",
    "session_date": "YYYY-MM-DD"
  },
  "act1_comprehension": {
    "core_claim": "string",
    "learning_mechanism": "string（箭头格式）",
    "user_perspective": "string"
  },
  "act2_collision": {
    "user_schema_before": "string",
    "paper_challenge": "string",
    "friction": "string",
    "user_stance": "agree | unsure | disagree",
    "user_reasoning": "string",
     
           
    
  
   
     
     
     
     
  

详见 docs/pipeline-interface.md。

---

Pipeline 位置

skill-user-profile ──→ skill-paper-discovery
                                ↓
                   skill-paper-sensemaking   ← 你在这里
                                ↓
              ┌─────────────────┴──────────────────┐
              ↓                                    ↓
skill-visual-knowledge-design          skill-paper-to-prd

前提条件：

• 用户 profile 已知（一句话即可，不需要结构化）
• Paper 已选定（用户 paste 全文或摘要）

---

L 等级

L2 — 多步骤 workflow，人在循环中

AI 引导 → 用户回应 → AI 追问 → 用户深入 → AI 总结输出

---

后续指令（JSON 输出后）

指令	作用
/深挖 [某个冲突点]	苏格拉底式继续追问
/prd	把 one_change 展开成 PRD 草稿
/对比 [另一篇 paper]	对比两次 sensemaking 的认知 delta

---

相关 Skill

Skill	关系
skill-paper-discovery	上游：找到并推荐这篇 paper
skill-user-profile	上游：建立用户 profile
skill-visual-knowledge-design	下游：learning mechanism → slides
skill-paper-to-prd	下游：one_change → PRD

---

作者：Yi · 爱思考的伊伊子 edu-ai-builders · 教育AI智造者