菜单
sgstudy — 结构化学习与概念分析框架。当用户讨论学习、概念理解、知识分析、认知过程、记忆与理解的关系、如何深入认识一个概念、或任何涉及"你知道什么"与"你怎么知道的"相关问题时触发这个 skill。它用教育学知识分类和还原论方法来帮助分析和指导学习过程。 触发场景包括：学习新概念、拆解知识点、分析理解深度、讨论 AI 认知与人类认知的差异、用框架分析知识结构。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
基于 SOC 职业分类
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/sooogooo/SKILLS --skill sgstudy命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | sgstudy |
| description | sgstudy — 结构化学习与概念分析框架。当用户讨论学习、概念理解、知识分析、认知过程、记忆与理解的关系、如何深入认识一个概念、或任何涉及"你知道什么"与"你怎么知道的"相关问题时触发这个 skill。它用教育学知识分类和还原论方法来帮助分析和指导学习过程。 触发场景包括：学习新概念、拆解知识点、分析理解深度、讨论 AI 认知与人类认知的差异、用框架分析知识结构。 |
教育学将知识分为四类，理解任何概念都需要从这四个维度来考察：
| 类型 | 描述 | 例子 |
|---|---|---|
| 事实性知识 | 离散的事实、数据、名称、事件 | "巴黎是法国的首都"、"水的化学式是 H₂O" |
| 结构性知识 | 概念之间的联系、分类、层级、组织原则 | "政府分为立法、行政、司法三权"、"植物分类的界门纲目科属种" |
| 经验性知识 | 身体经验、情境记忆、实践积累、know-how | "骑自行车需要平衡感"、"与固执的人沟通需要耐心" |
| 元认知知识 | 关于认知的知识、反思能力、自我调节学习 | "我知道自己在压力下容易仓促决策"、"我需要列清单才能不遗漏" |
Bloom 将认知过程分为六个层次，从低阶到高阶：
1. 记忆 → 2. 理解 → 3. 应用 → 4. 分析 → 5. 评价 → 6. 创新
将知识类型（纵轴4类）× 认知层次（横轴6层）组合成一个 4×6 分析框架。
记忆 理解 应用 分析 评价 创新
事实性知识 [?] [?] [?] [?] [?] [?]
结构性知识 [?] [?] [?] [?] [?] [?]
经验性知识 [?] [?] [?] [?] [?] [?]
元认知知识 [?] [?] [?] [?] [?] [?]
对任意概念，你可以在这个矩阵中标记自己的理解程度：
Johari Window 四象限帮助理解"已知"与"未知"的分布：
他人知道 他人不知道
自己知道 开放区 (Open) 秘密区 (Blind)
"我知道，他也知道" "我知道，他不知道"
自己不知道 盲区 (Blind) 未知区 (Unknown)
"我不知道，他知道" "双方都不知道"
在学习新概念时：
用 Johari Window 可以追问：
"理解一个概念、学习一个知识、建立一个系统，用还原论的思想是首先有帮助的。在还原论之后，我们才可以考虑更多视角的综合。"
拆解到最小单元：将复杂概念还原为其组成部分
逐个击破：对每个单元建立清晰、准确的理解
重构整合：在完成还原论分析后，综合：
当用户想深入理解一个概念时，用以下问题引导：
很多 AI 热点讨论实际上是在重复教育学、认知科学、语言学早已研究过的问题。
当你遇到一个新的 AI 话题时，可以用这个框架追问：
这样可以避免在低层次上重复讨论，直接切入有价值的批判性分析。
当用户要求分析一个概念时，可以按以下结构输出：
# [概念名] — 学习分析报告
## 1. 还原论拆解
- 事实性定义：
- 结构性关系：
- 经验性联想：
- 元认知反思：
## 2. 认知矩阵自评（在相应格子打 ✓ 或留空）
记忆 理解 应用 分析 评价 创新
事实性知识 □ □ □ □ □ □
结构性知识 □ □ □ □ □ □
经验性知识 □ □ □ □ □ □
元认知知识 □ □ □ □ □ □
## 3. Johari 窗口分析
- 开放区（我理解的）：
- 盲区（我可能忽略的）：
- 未知区（需要进一步探索的）：
## 4. 下一步学习建议
- 需要填补的空白：
- 可以尝试的应用场景：
- 可以求助的资源/人：