一種高階學習技能，透過編排 crossover、occam、graph、prototype 和 feynman 五種認知視角，快速而深入地拆解任何概念。
安裝與下載
1. ClawHub CLI
從來源直接安裝技能的最快方式。
npx clawhub@latest install learn-deep
2. 手動安裝
將技能資料夾複製到以下位置之一
~/.openclaw/skills/ <project>/skills/ 優先級：工作區 > 本地 > 內建
3. 提示詞安裝
將此提示詞複製到 OpenClaw 即可自動安裝。
請幫我使用 Clawhub 安裝 learn-deep。如果尚未安裝 Clawhub，請先安裝（npm i -g clawhub）。
想要直接下載？
取得包含原生技能檔案的ZIP壓縮檔。
什麼是 learn-deep？
learn-deep 工具是專為 Openclaw Skills 設計的首要認知編排框架。它作為向使用者教授複雜想法、技術概念或完整知識領域的預設入口。透過依序排列五個不同的教育框架，該技能為使用者提供任何主題的全面概述，同時確定進行實踐性、更深層次專業化的最佳路徑。
與傳統的線性解釋不同，這種認知代理技能會根據使用者驗證過的背景進行動態調整。它透過嚴格聚焦於高收益概念、映射結構類比、設定實際邊界、展示最低可行原型以及透過目標問題驗證學習成果，從而防止學習疲勞。它代表了 Openclaw Skills 中技術技能習得的系統性方法。
learn-deep 應用場景
- 當開發者或學生發起查詢如「我想學習 X」、「幫我理解 X」或「給我解釋 X」時。
- 當根據使用者已驗證的先驗知識動態設計客製化教育工作流時。
- 用於定義學習的最佳深度邊界和投資報酬率（ROI），以防止在複雜專案中鑽牛角尖。
- 在進入生產階段前，使用有針對性的盲點檢查來評估概念掌握程度時。
learn-deep 運作原理
- Context Discovery：該技能首先透過訪談使用者來驗證其先驗技術背景，建立一個經過驗證的知識絕對基準。
- Crossover Analogy：它利用直接的結構映射和類比將新概念與使用者已驗證的知識架起橋樑，極大地降低了初始認知門檻。
- Occam Boundary Mapping：它建立嚴格的深度邊界，根據現實世界的效用和 ROI 定義具體的學習深度，使學習者避免過早優化。
- Knowledge Graphing：它顯示概念在其更廣泛領域中位置的結構概覽，勾勒關鍵節點並指導使用者的進度路徑。
- Prototype Initialization：它提供一個最小化的、可執行的模擬或設計模板，使主動學習循環集中在使用者的動手修改上。
- Feynman Validation：它生成 2 到 4 個專注於系統核心侷限性的自訂認知問題，以檢查是否真正理解。
- Strategic Wrap-up：根據表現，推薦後續需要執行的細化 Openclaw Skills 以進行專項練習。
learn-deep 設定指南
要在您的代理生態系統中配置並執行 learn-deep 框架，請將技能定義直接載入到您的設定檔中。
# 透過命令列介面安裝認知包
claw skill install learn-deep
安裝後，請驗證您的 AI 代理是否已配置為將所有探索性概念學習查詢預設直接導向此技能。
learn-deep 資料結構與分類體系
learn-deep 框架在結構化的認知指標上組織其教學序列：
| 維度 | 結構目標 | 操作輸出 |
|---|---|---|
| Crossover | 知識錨點 | 同構結構映射與領域類比 |
| Occam | 深度邊界 | 投資報酬率閾值與學習限制 |
| Graph | 概念層級 | 突出關鍵節點的導航地圖 |
| Prototype | 最小可行沙盒 | 最低限度的可執行模板與結構警告 |
| Feynman | 驗證探針 | 突出邊界情況的盲點問題 |
learn-deep 進階特性
- Dynamic Verification Lock：嚴格將教學類比限制在使用者確認的先驗知識內，防止產生幻覺的學習捷徑。
- Grammar-Specific Routing：自動偵測對孤立學習角度的請求，並將使用者重新導向到各個獨立的 Openclaw Skills，如 learn-prototype 或 learn-feynman。
- Adaptive Cognitive Boundaries：透過建立明確的限制標記（即學習停止而實際生產程式碼開始的點）來防止開發者倦怠。
SKILL.md
加載中
Openclaw 相關技能
Thunder Download Core
Thunder Core 透過 COM 介面實現對 Windows Thunder (迅雷) 下載客戶端的程式化控制，以自動化和管理複雜的下載工作流。
精選*
