Английский · 中文

Учиться на материалах

Превращать книги, PDF-файлы, слайды, документы Word, веб-страницы и многофайловые наборы материалов в отслеживаемые базы знаний, интерактивные обучающие страницы и Markdown, основанные на тех же материалах.

learn-from-materials — это навык обучения между агентами, построенный на открытой спецификации Agent Skills. Систематическое изучение делает упор на полное чтение; краткий обзор выделяет основной аргумент. Оба требуют проверяемых источников, строгого разделения между существенными фактами и контентом, добавленным моделем, работы офлайн и наименьшей привилегии.

Он работает в агентских средах, которые могут читать файлы, выполнять локальные команды и распознавать SKILL.md — такие как WorkBuddy, Codex, Claude Code и GitHub Copilot CLI. Чисто чат-среды без доступа к файловой системе или выполнения Python могут использовать только части рабочего процесса подсказок; они не могут выполнять извлечение материалов, проверку покрытия или рендеринг HTML.

1.1.0

Единый последовательный рабочий процесс извлекает материалы напрямую, без файла выбора или выбора режима выполнения. Записи с источником сначала выводят страницу и читаемые единицы из тех же данных.

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.