cheshiremew/100x-learning

100x Learning

把材料、主题和真实问题变成能理解、判断、使用或分享的结果。

中文 · English · 日本語 | 文档 | 贡献 | 反馈

100x-learning 是一个遵循 Agent Skills 开放格式的学习与文章写作 Skill。它能读取字幕、文章、链接、主题、项目、草稿和发布反馈，再按你要的最终结果选择合适的方法。

先告诉它你要什么

你不需要先理解内部流程，直接描述结果即可：

• 读懂材料：讲清这份访谈的主线、关键关系，并标出值得回看的片段。
• 整理字幕并讲解：去掉这份自动字幕里的广告和主题无关插入，校正并整理成保留原话的文章式全文，讲清材料并写入私人知识库。
• 研究与判断：研究 X，比较 A 和 B 哪个更适合我的目标，并保留未知项。
• 解释与实践：用真实场景讲清 X，再用它分析我遇到的 Y。
• 审查或写文章：只检查这篇稿子的事实、结构和 AI 味，不要改稿。 或 把这些材料写成一篇面向普通读者的中文文章。
• 连续学习与内容改进：围绕 X 连续学习，先完成当前最有用的一课，再根据我的反馈决定下一步。
• 沉淀知识：把确认后的结论保存到我的私人知识库，并更新同主题的现有真源。

Skill 会停在你指定的结果：审查不会自动改稿，候选不会自动扩写成文章，一次选题不会变成长线项目。保存文件、制作媒体、上传和发布也都是独立动作。

快速开始

把完整仓库放进兼容 Agent 读取的 Skills 目录。支持项目级 .agents/skills/ 的工具可以直接运行：

git clone https://github.com/CheshireMew/100x-learning.git .agents/skills/100x-learning

如果你的工具使用用户级目录或其它位置，把目标路径换成它自己的 Skills 目录。具体发现目录和显式调用语法由宿主决定；官方快速入门给出了项目级目录示例。

安装后可以直接描述目标：

读懂这份材料。先忠实讲清内容、主线和关键关系，
再告诉我哪些部分最值得继续深挖。

支持显式点名 Skill 的工具也可以使用 $100x-learning。第一次成功时，你拿到的应该是材料本身的清楚解释，而不是空泛的学习建议或内部流程说明。

它怎样保持结果对题

文章写作中的联网补充用于增加有用材料，不等于逐项事实核查；只有你明确要求研究、比较来源或核查事实时，才会把研究本身作为交付结果。普通模式在材料足够时直接完成文章；宿主提供 Plan 模式时，你可以用它进行深度访谈，Skill 会先补齐可查询的信息，再询问只有你能回答的经历、情绪、立场和表达边界。

一次性任务不需要建立长期系统。只有你明确要求连续学习、维护内容方向、保存结果或读取个人声音时，Skill 才会使用对应的持久资料。

可选：私人知识库与持续工作

私人知识库位于 Skill 目录之外，不随公开仓库分发。你可以让 Agent 初始化新库，或接入现有 Markdown 知识库：

使用 $100x-learning 初始化私人知识库，位置是 D:\Knowledge\100x-learning。
使用 $100x-learning 接入现有私人知识库，位置是 E:\Knowledge\Existing Library。

库根记录在当前用户的 ~/.100x-learning/config.json，配置只保存版本和路径，不保存私人正文。init 不会覆盖非空目录；adopt 只增加项目标识并更新本机路径，不移动或改写现有知识。

接入后，私人库可以保存来源、同主题知识真源、完整写作案例、独立钩子、确认后的作品、内容方向和持续选题状态。普通文章写作会先从活动原始来源中寻找同主题的字幕、访谈和文章，再按索引取得通用文章案例候选，最终只选一份最契合当前文章的完整原文作为写法范本；只有你明确要求专门设计或修改开头时，钩子才会进入候选。主题知识、作者声音和发布历史不会自动进入新稿，只有你明确要求对应结果时才使用。单次发布表现也不会自动改写长期策略或个人声音。

没有配置私人库时，材料理解、研究、审查和文章写作仍然可以直接使用当前输入完成。克隆公开仓库也不会带走任何私人资料。

能力边界

这个 Skill 负责理解材料、研究主题、解释概念、设计实践、审查内容和写作文章。短帖、Thread、GitHub 项目短介绍与清单、项目或产品短宣发文案，以及图片、GIF、视频、音频与播客制作、普通翻译、广告投放、销售页、邮件营销、品牌全案、完整营销策略和实际发布，不在它的交付范围内。

文件写入、媒体制作、上传和发布互不代替。没有明确授权时，结果只保留在当前回复或本地工作区。

项目结构与维护

100x-learning/
├── SKILL.md                   # 通用总路由、行为边界与交付规则
├── agents/openai.yaml         # OpenAI 宿主中的展示与默认提示信息
├── references/                # 学习、研究、文章写作和知识库方法
├── scripts/                   # 字幕、私人库、案例和写作记忆工具
├── assets/private-library/    # 初始化私人库所需的公开模板
├── assets/readme/             # GitHub 主页视觉素材
├── tests/                     # 行为、生产消费链和资源边界测试
└── archive/                   # 已退休资料，不参与当前运行

SKILL.md 是唯一总入口，references/ 保存专项方法，scripts/ 承担确定性维护操作。agents/openai.yaml 只提供一个宿主的展示适配，不改变项目作为通用 Agent Skill 的身份；archive/ 中的旧路径不会参与当前运行。

维护脚本使用 Python 标准库。完整行为测试：

python -m unittest discover -s tests -v

贡献前请阅读 CONTRIBUTING.md。行为细节、脚本入口和各条方法以 SKILL.md 及其活动 reference 为准，README 不维护第二套内部规则。

Star History

许可证

仓库原创的 Skill 指令、源码、测试、脚本和可复用模板采用 Mozilla Public License 2.0。archive/、output/、导入的案例、来源文章、社交帖子、截图及其它第三方或参考内容不在这项授权范围内；完整边界见 LICENSING.md。