英語 ·中文

教材から学ぶ

書籍、PDF、スライド、Word文書、ウェブページ、複数ファイルの資料セットを、同じコンテンツデータから派生したトレーサブルナレッジベース、インタラクティブな学習ページ、Markdownに変換します。

learn-from-materials はオープンなエージェントスキル仕様に基づくクロスエージェント学習スキルです。体系的な学習は完全な読解を重視します。簡単な概要で核心的な議論が導かれます。どちらも検証可能な情報源、重要な事実とモデル追加コンテンツの厳格な分離、オフライン優先の操作、そして最小特権を必要とします。

ファイルを読み込み、ローカルコマンドを実行し、SKILL.mdを認識できるエージェント環境(WorkBuddy、Codex、Claude Code、GitHub Copilot CLIなど)で動作します。ファイルシステムアクセスやPython実行がない純粋なチャット環境は、プロンプトワークフローの一部のみを利用できます。マテリアル抽出、カバレッジ検証、HTMLレンダリングはできません。

1.1.0

単一の逐次ワークフローで、実行モードの選択ファイルや選択ファイルなしで直接素材を抽出します。ソースファーストユニットレコードは、同じデータからページと読み取り可能なユニットを導出します。

English · 中文

learn-from-materials

Turn books, PDFs, slides, Word documents, web pages, and multi-file material sets into traceable knowledge bases, interactive learning pages, and Markdown derived from the same content data.

learn-from-materials is a cross-agent learning skill built on the open Agent Skills specification. Systematic study emphasizes complete reading; a quick overview extracts the core argument. Both require verifiable sources, a strict separation between material facts and model-added content, offline-first operation, and least privilege.

It works in agent environments that can read files, run local commands, and recognize SKILL.md — such as WorkBuddy, Codex, Claude Code, and GitHub Copilot CLI. Pure chat environments without file-system access or Python execution can only use parts of the prompting workflow; they cannot perform material extraction, coverage validation, or HTML rendering.

1.1.0

A single sequential workflow extracts materials directly, without an execution-mode choice or choice file. Source-first unit records derive the page and readable units from the same data. Unit rereads and final correctness and omission/application passes retain actual evidence and dependency fingerprints.

This release adds relationship inventories, resumable checkpoints, acceptance snapshots and phase timing; improves framework curves, outside lists for unlinked cards, direction cues and source tooltips; and exports a standalone methodology Markdown at the delivery root. See CHANGELOG.md for cumulative changes and migration from the local 1.06 package.

Key Features

A Methodology That Spans the Whole Material

It starts by extracting the material’s central question and its goal, then organizes the argument, frameworks and action rules into one complete structure. It supports the main flow, decision branches, causal and hierarchical relations, and evidence-backed feedback loops; it does not fix a step count and does not force every material into an eight-step process. The overview is not split into groups by node count, and selecting a node shows its inputs, actions, outputs, check conditions, related learning units and sources.