deepwhy/deepwhy-skill

ディープワイ（DeepWhy）知識連鎖（ナレッジチェーン）

知識探索体験を作成します。目次付きの長文記事ではありません。主な表面は、身近な現象からメカニズム、原理、理論、現在のフロンティア、または既知の限界へと進む、コンパクトでインタラクティブな3～6個のアイデアの連鎖です。

学習体験は、学習者が理解するのを助けるものでなければならず、単に十分に裏付けられた説明を受け取るだけではいけません。各コアアイデアを、1つの身近な場面と1つの使いやすい比喩を中心に整理します。変化や因果関係がポイントとなる場合は、その比喩を動きで示し、その後、平易な言葉で実際のメカニズムにマッピングして説明します。動画は、同じノードに対する2番目の説明または現実世界での確認として使用し、クオータを埋めるための一般的な講義であってはなりません。

チェーン全体で1つのアンカー比喩を優先します。それが新しい質問を説明できる限り、隣接するノード間でその比喩を再利用し深めます。古いモデルが真の限界に達した場合にのみ、新しい比喩に切り替えます。学習者は、カードごとに無関係な例を集めるのではなく、1つの進化するメンタルモデルを蓄積する必要があります。

デフォルトの成果物は、1つのスタンドアロンHTMLファイルです。ビルドステップなしで便利なローカル体験を維持する必要があります。ノード選択、前/次ナビゲーション、ブランチ、詳細タブ、タイムラインフィルタリング、評価フィードバック、バックグラウンド資料、JSONエクスポートはすべて、埋め込まれたCSSとJavaScriptを使用します。外部の論文、動画、画像、およびDeepWhy自体には、依然としてネットワークが必要です。

知識を伝えるビジュアルは判読可能でなければなりません。イラスト、図、アニメーション、オーバーレイが、テキスト、注釈、コントロール、キャプション、または重要なマークを覆ってはいけません。関係が時間的または因果的に自然である場合、静的なスナップショットよりも意図的なアニメーションを優先します。

タスクに必要なものだけを読む

• リサーチの前に、references/research-playbook.md を読んでください。
• チェーンを計画する前に、references/knowledge-chain.md を読んでください。
• 比喩、アニメーション、または動画のペアリングを設計する前に、references/teaching-progression.md を読んでください。
• Manimを選択する前に、references/manim-animation.md を読んでください。
• ノードレベルのラボを作成する前に、references/interactive-labs.md を読んでください。
• JSONを作成する前に、references/content-contract.md と assets/content.schema.json を読んでください。
• ビジュアルシステムを選択または適応する前に、references/visual-design-system.md と references/design-presets.md を読んでください。
• ページシェルを構成する前に、references/learning-layout.md と references/page-delivery.md を読んでください。
• 最終QAの前に、references/evaluation-cases.md を読んでください。

assets/template.html から始めてください。白紙のページから始めてはいけません。テンプレートとスクリプトを構造上の契約として使用し、事実の出典としては使用しないでください。

学習体験を構築する

1. 学習者と質問を明確にする。 トピック、実際の質問、推定される事前知識、および意図する深さを抽出します。meta.premiseCheck に誤った前提を保持し、それを corrected とマークし、簡潔に説明し、修正された質問で続行します。修正で止まってはいけません。

2. 詳細をリサーチする前に、指導経路を設計する。 すべてのコアノードについて、以下を特定します。

   認識可能な場面 → 1つの比喩 → 2～4の明示的なマッピング → アニメーション化された因果の動き → 平易な言葉でのルール → 関連動画 → 転送チェック → 比喩の限界。

   学習者に比喩を使ってアイデアを言い換えさせます。そのメンタルモデルが見えるようになるまで、技術的な定義に進んではいけません。ノードごとに1つの比喩を使用し、アニメーション、ステップ、チェックを通して一貫してそれを引き継ぎます。

3. メインの知識連鎖を計画する。 デフォルトでは4～6個のメインノードを使用し、トピックが本当にサポートできない場合のみ3個を使用します。ノードタイプを、以下の非減少の深さの順序で選択します。

   現象 → メカニズム → 原理 → 理論 → フロンティア → 限界。

   最初のノードは、学習者が認識できるものでなければなりません。すべてのノードは1つの因果関係の質問をします。すべてのノードは、通常20～60文字の1文でそれに答え、最大3つのオプションのブランチを提案します。次のノードは、前のノードを言い換えるのではなく、前のノードの未回答の部分に答える必要があります。

4. 各ノードをリサーチする。 リサーチ中は証拠台帳を保持します。原著論文、公式ページ、標準、教科書、および機関報告書を優先します。イベントの日付を、公開、プロトタイプ、運用展開、および採用とは別に記録します。不足している証拠は正直にマークします。

5. 一度に1つの新しいアイデアを教える。 リクエストがより深いオーディエンスを指定しない限り、デフォルトで meta.audience.explanationLevel = "child" にします。用語や公式を導入する前に、それを身近な場面と比喩に紐付けます。すべてのノードには、ブリッジ、使用可能な analogy、平易な言葉でのマッピング、順序付けられた因果ステップ、および「予測してから確認する」チェックを含める必要があります。メカニズム、原理、理論、およびフロンティアノードには比喙が必要です。現象はその開始シーンを直接使用でき、限界は反例を使用してもかまいません。

6. アクティブラーニング操作を設計する。 すべてのページの少なくとも1つのナレッジビジュアルは、学習者に何かをするように促す必要があり、4～6ノードのページには通常2～3のそのような操作を含める必要があります。公開前の予測、ライブな結果を伴うパラメータ操作、または2つの条件を比較するトグルから選択します。すべてのインタラクションをノードの比喩に結び付け、フィードバックを即座に更新します。学習者は、装飾的なコントロールをクリックするのではなく、動作することで関係を発見する必要があります。単に答えを繰り返すインタラクションを追加してはいけません。メカニズムと原理ノードには、自己完結型のサンドボックスラボが必要です。知識に応じて、シミュレーション、図、コード、ゲーム、空間3D、または手続き的練習から選択します。隣接するラボは同じモダリティを使用してはいけません。 評価のために、すべてのメインノードに対して正確に5つの単一選択問題を事前に作成します。質問とともに、各正解オプション、モデル回答、説明、およびソースリストを生成します。ランタイムモデルに依存して採点してはいけません。オプションを選択すると、緑色の正解または赤色の不正解フィードバックと説明が即座に表示される必要があります。送信アクションやチェーン全体の「習得確認」ボタンは必要ありません。ノード内の最初の回答の後、緑色の正解、赤色の不正解、およびニュートラルな未回答状態の5つのスロットを持つ回答カードを表示します。各スロットはその質問にジャンプします。5番目の質問に回答した後は、次のアクションを非表示にします。また、トップのグローバルビュースイッチャーから、すべてのノードのすべての質問を含むグローバルクイズを公開します。

7. 混乱する箇所にアニメーションと動画をペアリングする。 比喩が因果関係の働きをしているところをアニメーション化し、その後、ラベル付きの静止画に落ち着けます。すべてのナレッジノードには、正確に5つの検証済み外部動画が必要です。動画タブは、1つのプライマリプレーヤーと、残りの動画用の4つのサムネイルカードを表示します。サムネイルを選択すると、プライマリプレーヤーが切り替わります。5つのクリップすべてが、実際の現象、実験、または代替の視覚的説明を通じて同じノードを示しています。5つに達するためにURL、サムネイル、指標、または埋め込みサポートをでっち上げてはいけません。異なるナレッジノードは異なる動画記録を使用する必要があります。トップのグローバルスイッチャーから、各ノードの5つの動画セットとは別に、グローバルな動画ライブラリビューを公開します。プラットフォームまたはネットワーク検証のギャップは証拠メタデータに保持し、動画タブで学習者向けの警告として表面化してはいけません。 因果関係の動きを説明するのに適している場合は、最初にインラインSVG/SMILを使用します。Manimが変換、軌跡、力、または数学的比喩を実質的に明確にする場合にのみ、ノードレベルのManimシーンを計画します。その時点でのみランタイムをプローブします。セットアップが必要な場合は、planコマンドを実行し、その完全なコマンドと分離されたキャッシュ場所を表示し、install --confirmed を実行する前に明示的な同意を求めます。同意が得られない場合、またはセットアップが失敗した場合は、この生成の残りの部分にSVGを使用し、プロンプトを繰り返さないでください。

8. 完全な説明は開示の背後に置く。 ノードカードは、質問と1文の回答のみを所有します。サイドインスペクターには、短い詳細解説、比喩、出典に基づく図、証拠、動画/リソース、およびノードレベルのチェックが含まれる場合があります。出典にマッチした人物や機関は「研究背景」に、出典にマッチしたアプリケーション、タイムラインイベント、およびフロンティア展開状況は「業界開発」に配置します。両方のタブをノードのソースセットにフィルタリングし、チェーン完了時やヘッダー領域にグローバルなバックグラウンドCTAを決して複製しないでください。 インスペクターは5つのタブを使用します：理解、動画、研究背景、業界開発、理解度確認。 ブランチは、明示的に開かれるまで折りたたまれたままです。動画タブは1つの検証済みプライマリプレーヤーと4つのサムネイル選択肢を読み込みます。他のプレーヤーは選択されたときのみ読み込まれます。 S1、S2、または同様の数値ソースチップを学習者向けノードパネルにレンダリングしてはいけません。トレーサビリティのためにソースIDをJSONに保持します。

9. 完全なHTMLを作成する。 すべてのデータを #deepwhy-data に配置し、テンプレートでレンダリングします。可能であれば、メカニズム図にはレビュー済みのインラインSVGを使用します。AI生成の雰囲気画像を事実のメカニズムとして提示してはいけません。動き、順次実行、状態変化、伝播、フロー、またはフィードバックには、動きが説明を伝える場合は常にインラインSVGアニメーションを使用します。読み取り可能な静止状態と静的なテキストの等価物を保持します。 ノード画像を完全に表示します。固有のアスペクト比を保持し、トリミングではなく包含スタイルのフィットを使用します。重要なラベルはラスター画像の外側に保持します。オーバーラップを避けるために、viewBoxを拡大するか、ビジュアルを分割するか、二次的な詳細を削除します。実質的な散文や引用は手書きのDOMに保持しないでください。デスクトップでは、ビューポート高の学習ワークベンチを構成します。40～46%のノードグラフキャンバスと、主要なレッスンベンチを並べます。選択されたラボとリフレクションはベンチに属します。モバイルでは、通常のドキュメントフローに戻り、ベンチをボトムシートとして開きます。 ノードに manim がある場合、ノードラボの上に、ミュート、ループ、playsinlineのアニメーションを1つレンダリングし、そのポスター、キャプション、トランスクリプト、リプレイアクション、およびインラインSVGフォールバックを含めます。動きの軽減モードでは、自動再生なしでポスターを表示する必要があります。ビルダーは、ローカルのWebMおよびWebPアセットを最終的なHTMLに埋め込みます。

10. ビジュアルの方向性を選択する。 デフォルトで deepwhy を使用します。OpenMAICに着想を得た教室言語で、ほぼ白の点線ステージ、クールなニュートラルインク、控えめなバイオレットアクション、浮遊する丸みを帯びたパネル、および支配的なインタラクションベンチを持ちます。atlas、chronicle、fieldnotes は明示的な代替手段であり、自動的なトピックマッチではありません。--style と DEEPWHY_PAGE_STYLE はコンテンツの選択を上書きします。プリセットはタイポグラフィ、色、マテリアル、およびレイアウトの詳細を変更する場合があります。データのセマンティクスやインタラクションを変更してはいけません。

HTMLを作成する前に、アーキタイプ、中心的な洞察、焦点ビジュアル、階層、およびセクションリズムを presentation に記録します。1つの支配的なビジュアルフォーカルポイントを構築し、ノードの目的に応じて構成を変更します。ランディングページ、ダッシュボード、記事テンプレート、または繰り返しカードグリッドをデフォルトにしてはいけません。 11. 体験を検証する。 コンテンツ検証、ユニットテスト、および利用可能な場合はPlaywrightテストを実行します。最初の画面がチェーン、主要な洞察、現在位置、および次のアクションを示していることを確認します。一度にアクティブなノード詳細とビデオプレーヤーは1つだけです。ブランチはプライマリパスに従属したままです。すべてのバックグラウンドマテリアルは到達可能なままです。すべての図をデスクトップおよびモバイル幅で検査し、テキスト、コントロール、キャプション、重要なマーク、およびトリミングされた画像コンテンツが覆われたりクリップされたりしていないことを確認します。有意義な動きがアイデアの説明に役立つ場所に存在し、読み取り可能なフレームに落ち着き、動きの軽減設定を尊重していることを確認します。すべてのコアノードが学習者に比喩を使ってアイデアを言い換えさせ、一度転送させ、比喙がどこで壊れるかを認識させることを確認します。リンクされた動画が、無関係な背景としてではなく、現在のノードをサポートしていることを確認します。すべてのインタラクションを実行し、入力を変更すると、目に見える真実の結果が生成されることを確認します。完全な構成とモバイルバージョンを確認します。それが一般的なAI生成のSaaSページに似ている場合は、配信前に再設計します。

コンテンツカバレッジ

古い教育モジュールは引き続きカバーされていますが、もはや12の長いページセクションにはマッピングされません。

• 現象、メカニズム、原理、理論、フロンティア、限界はチェーンノードタイプになります。
• 身近な場面、一次比喩、アニメーションマッピング、平易なルールはノードの詳細に存在します。
• 各メカニズムおよび原理ノードには、1つのサンドボックス型ハンズオンラボと、その後の自由な言い換えおよび遅延された参照結論が含まれます。
• 動画は、それらが説明するのに役立つ正確なノードにリンクされます。
• 人、機関、アプリケーション、進化のタイムライン、最新のフロンティア、およびソースインベントリは、バックグラウンドドロワーに存在し、関連する右側のノード内に出典にマッチした研究リンクがあります。
• 各ノードの5つの事前作成された単一選択チェックは、そのインスペクターの「理解度確認」タブに存在します。
• 次の質問は、ブランチおよびチェーンレベルのフォローアップ提案になります。各推奨はクリック可能で、現在のトピックと推奨される質問をURLに含めて https://deepwhy.cn/ にディープリンクします。
• アカウントやAPIは必要ありません。HTMLは独立して有用であり続けますが、推奨される質問はDeepWhyプラットフォームを開く場合があります。

トップのグローバルビュースイッチャーは、顕著なオリエンテーションサーフェスです。これは、結合された開発タイムラインと現在のステージ、関連する人々、完全な動画

…

[翻訳のために切り詰められました]