CommunityRédaction et éditiongithub.com

adamaiken89/learn-something

Une compétence d'agent qui génère du bon matériel pour apprendre n'importe quoi.

Qu'est-ce que learn-something ?

Cette compétence d'agent, nommée `learn-something`, transforme n'importe quel sujet en un programme d'apprentissage structuré et interactif. Elle s'adresse aux développeurs, aux étudiants ou à toute personne souhaitant acquérir de nouvelles connaissances de manière autonome et efficace. Le système fusionne trois théories pédagogiques éprouvées : la méthode Socratique de Marva Collins, la technique Feynman (expliquer simplement pour révéler les lacunes), et les difficultés désirables avec un système de répétition espacée FSRS. Le contenu est organisé en modules (leçons, quiz, questions à trous) et est suivi via une interface en ligne de commande. L'agent génère des syllabus, des diagrammes Mermaid et assure une progression logique, de l'initiation à la pratique avancée. Il prend en charge plusieurs langues (anglais, chinois, cantonais) et s'intègre parfaitement dans un environnement de terminal, permettant des sessions d'étude, d'explication, de drill et de révision actives. Idéal pour une utilisation avec Claude Code, Cursor ou Codex, ce framework offre une expérience d'apprentissage complète et personnalisée.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add adamaiken89/learn-something

Installed? Explore more Rédaction et édition skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Cadre Apprendre Quelque Chose

Transformez un sujet en un programme structuré via une session interactive avec un LLM. Étudiez via la ligne de commande : lisez les leçons, expliquez, faites des QCM, répétez avec espacement.

1. Pédagogie

Trois théories fusionnées :

ThéorieRôle de l'IAProblème résolu
Marva CollinsTuteur socratique. Q&R rigoureuses, grandes attentes, patience infinieNécessite un bon professeur. L'IA ne se lasse jamais.
Technique FeynmanDétecteur de lacunes. L'apprenant explique simplement → l'IA trouve les trousIllusion de compréhension
Difficultés désirablesPlanificateur d'espacement. Récupération FSRS + pratique entrelacéeRelecture passive

Phase de session → correspondance théorique

PhaseThéorieApprenantIA/CLI
LireMarvaÉtudier la leçonRédiger un contenu clair
ExpliquerFeynmanExpliquer le concept simplementSonder : "tu as dit X, mais Y — réconcilie"
S'entraînerMarva + DésirableRépondre aux QCM, justifierNoter, expliquer les distracteurs
JugerMarvaCritiquer, se faire une opinionSuivi socratique
RéviserDésirableRappel actif via FSRSPlanifier les intervalles optimaux

Budget de temps

  • Sujet : 40h max (13 sem × 3h/sem)
  • Module : 1.5-3h, ~15-20 par sujet
  • Révision SRS : ~10-15 min par jour

2. Structure du contenu

<sujet>/
├── syllabus.yaml             # Spécification du cours
├── modules/
│   ├── NN-nom/
│   │   ├── lesson.md         # Contenu principal + exercices
│   │   ├── quiz.yaml         # 8-10 QCM
│   │   └── cloze.yaml        # 8-10 questions à trous
│   └── ...
└── srs/
    ├── deck.json             # Cartes FSRS-5
    └── stats.json            # Historique

Modèles complets dans templates/. Clés : syllabus.yaml (squelette de 20 modules), module.md (structure de leçon), quiz.yaml (format QCM à 4 options).

3. Protocole de création de contenu

Flux de travail

  1. Cadrage (5 min) : Demander domaine/niveau/budget de temps/langue/cas d'utilisation. Proposer un syllabus.
  2. Phase de planification : Vérifier le DAG des modules + la chaîne de prérequis. Vérifier le budget de temps. 3. Par module (10 min) : Créer un module avec learn.sh create-module <sujet> NN-nom. Nom en kebab-case avec deux chiffres zéro-padding (ex. 01-intro, 02-concepts-fondamentaux). Rédiger lesson.md + quiz.yaml. Appliquer 16 règles de qualité en ligne. Garder lesson.md ≤12 000 caractères. Si le contenu déborde, diviser en modules supplémentaires et mettre à jour le syllabus. L'utilisateur révise. Continuer. 3.5. Valider la syntaxe : Exécuter learn.sh validate-content <sujet> [module]. Corriger toutes les erreurs markdown + mermaid avant de continuer.
  3. Pré-publication : Charger content-verify.md. Exécuter la liste de contrôle. Corriger les violations.
  4. Compiler le SRS (2 min) : Extraire les QCM → deck FSRS-5.
  5. Quiz cumulatifs : Après chaque 3-5 modules, générer cumulative_quiz.yaml à la racine du sujet. 8-10 questions mélangeant QCM à trous, QCM, V/F. Chacune étiquetée avec source_modules. Réponses réparties sur A-D.

Principes de contenu

  • Alignement CILO : Chaque module sert ≥1 objectif d'apprentissage. Pas de remplissage.
  • Langue : Tout le contenu dans la langue du syllabus.yaml (en/zh/yue).
  • Pratique d'abord : Commencer par un exemple concret avant la définition abstraite.
  • Pertinent pour le domaine : Scénarios issus du secteur de l'apprenant.
  • Suppressions à trous : Chaque module reçoit 3-5 blancs à trous ({terme}). L'apprenant remplit avant de continuer. Force la récupération pendant la lecture.
  • Prédire la suite : Chaque chaîne causale reçoit 2-3 blocs de prédiction. L'apprenant s'engage sur le résultat avant la révélation.
  • Repérer les erreurs : Chaque module reçoit 1-2 exercices "Repérez l'erreur". L'apprentissage par l'erreur développe les compétences de diagnostic.
  • Double codage : Chaque concept reçoit un diagramme (Mermaid, ascii, ou hiérarchie structurée).
  • Diversité des QCM : 40% de mémorisation, 40% d'application, 20% en plusieurs étapes.
  • Invite Feynman : Chaque leçon se termine par une tâche d'explication + une sonde IA pour les lacunes.
  • Difficulté désirable : Le même concept est testé sous différents angles dans tous les modules.
  • Budget de temps : Module ≤3h. Sujet ≤40h.
  • Limite de taille du module : Chaque lesson.md de module ≤12 000 caractères. Dépassement ? Diviser le sujet en plus de modules. Ajuster le nombre de modules du syllabus en conséquence.
  • Progression : Se baser sur les prérequis. Les premiers modules sont fondamentaux.
  • Saut autorisé : L'apprenant donne des informations éparses ? Générer le contenu avec des valeurs par défaut raisonnables. Ne pas bloquer.
  • Socratique tout au long : Chaque concept majeur est suivi d'une question qui fait réfléchir l'apprenant — pas seulement à la fin du module, mais en ligne après chaque nouvelle idée. Question → brève réponse/explication juste après pour que l'apprenant puisse s'auto-vérifier. Modèle : énoncer le concept → demander "pourquoi ?" ou "et si ?" → répondre.
  • Diagrammes Mermaid : Pour les concepts avec logique de branchement, machines d'état, flux de travail ou chaînes causales : générer un diagramme Mermaid (organigramme, séquence, état). Le thème injecte automatiquement neutral pour la compatibilité sombre/clair. Utiliser une palette de couleurs terreuses douces pour les remplissages style — visibles dans les thèmes sombre et clair. Palette : bleu #5c7a99, vert #5c8a6a, orange #b8924a, rouge #b86a4a, violet #7a5a8a, gris #888. Traits : utiliser une teinte plus foncée du remplissage ou #333. Exemple : style A fill:#5c7a99,stroke:#333. Placer après l'explication du concept, avant la question Pense.
  • Carte mentale du module : Chaque module reçoit une carte mentale Mermaid en haut de lesson.md (après les métadonnées, avant les Objectifs d'apprentissage). Montre la hiérarchie des connaissances : concept central → sujets clés → sous-concepts. Utiliser la syntaxe mindmap. Maximum 3 niveaux de profondeur.
  • Répartition des réponses : Les clés de réponse des QCM doivent être réparties sur A/B/C/D. Pas plus de 2 questions consécutives partagent la même lettre de réponse. Le modèle montre B comme exemple — faire tourner lors de la génération.
  • Quiz cumulatifs : Après chaque 3-5 modules, générer cumulative_quiz.yaml à la racine du sujet. 8-10 questions mélangeant QCM à trous, QCM, V/F. Chaque question étiquetée avec source_modules. Réponses réparties sur A-D.

Règles de qualité du contenu (16)

#RègleQue faireMauvais exemple → Bon exemple
1Expliquer les conventionsExpliquer pourquoi la convention existe, pas seulement ce qu'elle est"Prix coté 95" → "95 = 95% de 1 000 $ de valeur nominale. La convention de % permet la comparaison entre obligations de valeurs nominales différentes."
2Répondre aux Q implicitesAnticiper 1 à 3 questions que l'apprenant n'a pas posées"Silence sur les coupons" → "Le coupon change-t-il jamais ? Non pour les taux fixes. Oui pour les obligations à taux variable (se réinitialise périodiquement)."
3Intuition du retour à la valeurExpliquer que le prix converge mécaniquement vers la valeur nominale à l'échéance"Le prix converge vers le pair car le temps rétrécit + la valeur actualisée des CF restants converge vers le principal. Pas piloté par les taux."
4Chaîne causale d'abordLogique intuitive avant la formuleSauter directement à la formule de tarification → "Les nouvelles obligations paient 6 %. Mon obligation paie 4 %. La mienne a moins de valeur → le prix baisse jusqu'à ce que le rendement corresponde."
5Contexte pratiqueChaque nombre a une signification réelle"Duration 7,5" → "Une hausse de taux de 1 % → baisse de prix d'environ 7,5 % (petits mouvements uniquement ; ajustement de convexité pour les grands)."
6"Probabilité"Indiquer les fréquences normales vs raresOmission → "La courbe des taux s'inverse rarement. Chaque inversion a précédé une récession (~8 mois). Pas parfaitement prédictif."
7Idées reçues courantesSignaler 1 à 2 erreurs spécifiques que les débutants ont"Coupon élevé = meilleure obligation" → "Non. Les obligations à escompte ont un gain de prix intégré à l'échéance (accrétion)."
8Socratique tout au longChaque section de concept intègre une question Pense + réponse immédiateL'apprenant lit passivement → est obligé de s'arrêter et de traiter

...

[abrégé pour la traduction]

Skills associés