基于费曼学习法的个人知识教练，通过"以教代学"的方式帮助用户深度理解和巩固知识。 支持主动知识回顾、薄弱点诊断、个性化学习建议，并可通过配置实现每日自动触发知识回顾。 触发命令：/feynman（直接调用费曼学习功能）
费曼学习法由诺贝尔物理学奖得主理查德·费曼提出，核心原则是：如果你不能用简单的语言解释某件事，那你并没有真正理解它。
本 Skill 将 AI 作为你的"虚拟学生"和"个人教练"，通过四个步骤帮助你实现深度学习和长期记忆：
触发场景：
关键词触发：
当你想要回顾某个知识点时使用：
用户：用费曼技巧帮我回顾一下[[机器学习中的过拟合]]
执行流程：
针对已识别的薄弱环节进行强化：
用户：针对昨天的薄弱点进行专项训练
执行流程：
帮助你建立知识间的联系：
用户：帮我梳理一下深度学习的知识体系
执行流程：
步骤 1：选择要回顾的知识
用户：费曼教练，帮我回顾[[决策树算法]]
步骤 2：开始讲解
AI 会扮演一个好奇但完全不懂的学生，你需要用简单的语言向它解释。
步骤 3：回答问题
AI 会提出各种问题，从基础到深入：
步骤 4：查看诊断报告
讲解结束后，AI 会生成诊断报告：
配置每日自动回顾
在 .opencode/config.toml 中添加：
[feynman-coach]
enabled = true
review_time = "09:00" # 每天上午9点触发
days_between_reviews = 1 # 每隔1天回顾一次
review_scope = "recent_notes" # 可选：recent_notes, random, tagged
review_tags = ["#学习", "#重要"] # 如果 review_scope = "tagged"
max_daily_concepts = 3 # 每天最多回顾3个概念
手动触发每日回顾
用户：/feynman daily-review
查看学习统计
用户：/feynman stats
导出复习卡片
用户：/feynman export-cards [[决策树算法]]
# 费曼学习诊断报告
## 回顾主题：决策树算法
### 📊 理解度评估
**总体评分：75/100**
#### ✅ 理解良好的部分 (40%)
- 决策树的基本概念和结构
- 分类和回归的区别
- 树的构建过程
#### ⚠️ 需要加强的部分 (45%)
- **信息增益的计算原理**
- 建议：复习熵和信息增益的数学公式
- 资源：[[信息论基础]]
- **剪枝策略的选择**
- 建议：理解预剪枝和后剪枝的适用场景
- 资源：[[模型正则化方法]]
#### ❌ 理解有误的部分 (15%)
- **基尼指数 vs 信息增益**
- 误区：认为两者计算结果相同
- 纠正：基尼指数偏向多分类，信息增益更通用
- 建议：对比两者的数学定义和适用场景
### 🎯 个性化学习建议
1. **立即行动**
- 阅读 [[信息论基础]] 第3章
- 完成下方的针对性练习
2. **本周目标**
- 理解信息增益的数学推导
- 能够手动计算简单数据集的信息增益
3. **长期规划**
- 将决策树与其他模型对比（SVM、神经网络）
- 学习集成方法（随机森林、XGBoost）
### 📝 针对性练习题
**练习 1：计算题**
给定数据集...
请计算属性 A 的信息增益。
**练习 2：应用题**
在以下场景中，你会选择哪种剪枝策略？为什么？
...
**练习 3：对比分析**
比较决策树和逻辑回归在以下方面的异同：...
### 🔗 相关知识链接
- [[信息论基础]]
- [[模型评估指标]]
- [[集成学习方法]]
- [[特征工程技巧]]
### 📅 下次回顾建议
**建议时间**：3天后
**重点内容**：信息增益计算、剪枝策略
**预计时长**：20分钟
# 决策树算法 - 复习卡片
## 卡片 1：基础概念
**正面**：什么是决策树？
**背面**：决策树是一种...
## 卡片 2：核心算法
**正面**：ID3、C4.5、CART 的区别？
**背面**：...
## 卡片 3：常见问题
**正面**：决策树容易过拟合，如何解决？
**背面**：...
本 Skill 支持通过以下方式实现每日自动触发：
Windows (PowerShell)：
# 创建每日任务
$action = New-ScheduledTaskAction -Execute "opencode" -Argument "run /feynman daily-review"
$trigger = New-ScheduledTaskTrigger -Daily -At 9am
Register-ScheduledTask -Action $action -Trigger $trigger -TaskName "FeynmanDailyReview" -Description "每日费曼学习回顾"
macOS/Linux (cron)：
# 编辑 crontab
crontab -e
# 添加每日9点执行
0 9 * * * cd /path/to/your/project && opencode run /feynman daily-review
如果你使用 Obsidian，可以安装 Templater 或 Dataview 插件，结合本 Skill 实现：
如果你将笔记放在 GitHub 上，可以配置 GitHub Actions：
# .github/workflows/feynman-review.yml
name: Daily Feynman Review
on:
schedule:
- cron: '0 9 * * *' # 每天 UTC 9点
jobs:
review:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v2
- name: Run Feynman Coach
run: |
opencode run /feynman daily-review
当自动触发时，费曼教练会：
选择回顾内容
生成回顾任务
执行回顾流程
好的解释应该：
如果卡住了：
标记重要概念
#费曼回顾 标签NextReview: 2025-02-20 元数据建立知识链接
RelatedNotes:记录学习历程
Q: 自动触发没有工作？ A: 检查以下几点：
Q: AI 提出的问题太简单/太难？ A: 可以在提问时说明你的水平：
我是初学者，请从基础开始提问
或
我已经掌握基础，请深入提问
Q: 如何跳过某个知识点？
A: 在诊断报告中会提供跳过选项，或手动编辑笔记添加 #跳过回顾 标签。
Q: 回顾历史记录保存在哪里？
A: 默认保存在 Z_Utils/feynman-coach/history/ 目录下，按日期组织。
在 SKILL.md 同级目录创建 config.json：
{
"scoring": {
"clarity_weight": 0.3,
"accuracy_weight": 0.4,
"depth_weight": 0.2,
"examples_weight": 0.1
},
"difficulty_levels": {
"beginner": {"depth": "basic", "questions": 3},
"intermediate": {"depth": "medium", "questions": 5},
"advanced": {"depth": "deep", "questions": 7}
}
}
与 Anki 集成：
# 导出复习卡片到 Anki
opencode run /feynman export-anki [[决策树算法]]
与 Notion 集成：
# 同步学习记录到 Notion
opencode run /feynman sync-notion
提示：本 Skill 需要配合 Obsidian 或其他笔记软件使用，确保你的知识库有良好的结构和链接关系，这样费曼教练才能发挥最大效果。
ZIP package — ready to use