学完不等于学会:间隔复习与转授他人的最后一公里(7/7)

最后一课:用检索串烧固化六课内容,再附一份可以直接拿去教别人的教学大纲

怎么写 Skill 系列课程第 7 课封面:结课:间隔复习 + 转授他人

最后一课:用检索串烧固化六课内容,再附一份可以直接拿去教别人的教学大纲

第一部分:间隔复习串烧

第 1 课我们讲过:流利度是幻觉,存储强度(storage strength)才是目标。现在距离开课已经过去一段时间,正好做一次间隔检索(spaced retrieval)——不翻前面的课件,凭记忆回答下面六道题。每道题对应一课的核心判断点。答错的题,对应的课件编号会指出来,建议再回去复习一遍。

串烧 1/6 · 对应第 1 课
skill 启动时,agent 系统提示词里立即加载的是哪一层?

串烧 2/6 · 对应第 2 课
description 三个要点公式是?
心里默写再点开。

串烧 3/6 · 对应第 3 课
一条内容该不该写进正文 Gotchas,判断标准是?

串烧 4/6 · 对应第 4 课
正文里引用还不存在的 references/wechat-rules.md,这个动作叫什么,为什么对?
心里组织答案再点开。

串烧 5/6 · 对应第 5 课
实跑时发现规则写了但 agent 没执行,该修哪一层?

串烧 6/6 · 对应第 6 课
评审 skill 的第一步是看什么?最高阶的一格问什么?
心里组织答案再点开。

第二部分:课件质量要有确定性检查

这套课件仓库里有一个值得借鉴的组件:assets/check_lessons.py——课件自检脚本。它源于两个真实发生过的缺陷:HTML 属性引号错位导致测验失效、DOM 层级连锁崩塌导致题目串扰。这两个缺陷被固化成了四条确定性检查:

  • class 属性引号未闭合
  • 正确性标记误写为带值属性
  • 每题正确答案数必须恰好为 1,题目数与反馈数必须一致
  • 课件内部链接(../../assets/、../reference/)必须可达

每次出新课件跑一次 python assets/check_lessons.py,退出码为 0 才能交付(沈剑在 review 课件的过程中,犯过的一些错让AI写成了检查程序,每次新出的内容都要进行检查)。这就是第 3 课说的”确定性的事写成脚本”——把课件质量约束变成机制,而不是文字。

第三部分:转授他人的教学大纲

大伙如果想掌握得更加牢固,把这七课转授给更多人,可以直接用这份大纲(请相信,沈剑在写这个简易课程的过程中,一定是那个收获最大的人)。每部分对应一课的内容,附学员最容易踩的坑和纠偏话术:

学员版教学路径(7 次课 × 15 分钟)

第 1 课 · Skill 是文件夹,而不是提示词
  ├ 要点:渐进式披露三层加载(元数据层启动即载 /
  │  正文触发才载 / 资源层链接才载)
  ├ 关键认知:写的每个字都不是平等的——description
  │  永远在线,正文触发才占,references 按需才占
  └ 学员必踩的坑:把 skill 理解成"一条保存的提示词"
    → 纠偏话术:"skill 是文件夹,文件夹本身就是
      上下文工程"

第 2 课 · Description 是触发器,而不是摘要
  ├ 要点:三个要点公式(能力清单 + 触发场景 +
  │  用户关键词);description 写给模型看,而不是人
  ├ 关键认知:写砸了 description,正文再精彩也
  │  不会被触发
  └ 学员必踩的坑:把 description 写成给人看的摘要
    → 纠偏话术:"这段话的读者是模型,而不是人"

第 3 课 · 正文是路由器,而不是知识仓库
  ├ 要点:正文 >500 行就拆;祈使句语气;Gotchas
  │  判断标准(不写默认会错吗);Don't railroad
  ├ 关键认知:查阅型资料住第三层,正文只放指针
  └ 学员必踩的坑:把查阅型资料堆进正文
    → 纠偏话术:"正文是路由器,而不是仓库"

第 4 课 · 动手写出你的第一个 Skill 骨架
  ├ 要点:frontmatter 写法 + 正文四段式骨架 +
  │  第一条 Gotcha 的挖掘
  ├ 关键认知:先把指针立起来,细节后填
  └ 学员必踩的坑:Gotcha 写成"重要提示"
    → 纠偏话术:"不写这条,默认行为会错吗?"

第 5 课 · 填充第三层 + 实跑迭代
  ├ 要点:references 按主题分文件、规则自成一体;
  │  实跑迭代循环(翻车三分法);停止标准双条件
  ├ 关键认知:Gotchas 跑出来的才是真锋利
  └ 学员必踩的坑:规则没执行就把规则挪进正文
    → 纠偏话术:"问题在正文的引导,不在规则本身"

第 6 课 · 综合评审:用标准解剖一个真实 Skill
  ├ 要点:评审五格清单;评审顺序(先触发策略再
  │  description);一致性是最高阶
  ├ 关键认知:用自己的标准过一遍,官方也不免检
  └ 学员必踩的坑:只说好话,挑不出真问题
    → 纠偏话术:"评审的价值在挑出的那个瑕疵"

第 7 课 · 结课:间隔复习 + 转授他人
  ├ 要点:间隔检索串烧六课核心判断点;课件质量
  │  确定性检查(check_lessons.py)
  ├ 关键认知:把质量约束变成机制,而不是文字
  └ 课后实践:实跑 md-to-wechat-format,带一个
    "跑出来的坑"回来
一个教学建议“引号错位、DOM 连锁崩塌”这两个发生在沈剑身上的真实 bug,大伙可以当作教学素材讲给学员。它们是”为什么需要确定性检查”的最好案例——比任何抽象讲解都有说服力。学员看到亲手维护的课件都会撞这种坑,对自检脚本的价值会立刻有体感。

结课清单

学完这七课,我们应该能:

  • ✅ 独立设计并写出一个面向他人的高质量 skill——机制、写法、迭代、评审四个环节全部走完
  • ✅ 讲清 skill 好坏的判断标准并评审别人的 skill——第 6 课已实战演练
  • ⏳ 产出一个可发布的成品 skill——这是结课后的实践,路径已经在第 4、5 课铺好
结课之后去哪

官方示例仓库常备案头:GitHub · anthropics/skills——读别人写的 skill 是最好的复习,挑一个用第 6 课的标准评审一遍,就是最实的练习。

这也是转授他人时最顺手的素材库:让学员人手挑一个官方示例来评审,比出题讲题都有效。

结课不等于结束。实跑撞出来的坑、转授他人时收集的新问题,都是继续迭代这门课的素材。

《学完不等于学会:间隔复习与转授他人的最后一公里(7/7)》有2个想法

  1. 请问老师这个课程也是skill生成的吧,这是一个非常鲜活的示例啊

    1. 是星球私域直播内容通过AI转成的在线文字版,过程大致是这样的:
      1. 将我的直播回放 + 直播PPT喂给AI;
      2. 要求按照每天10-15分钟,3-5个知识点进行切分;
      3. 要求加一些习题,方便练习和巩固;
      4. 要求传到在线服务器;
      如果觉得在线看文字不习惯,也可以看直播回放和PPT。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

京ICP备2025137728号-3