deepwhy/deepwhy-skill

DeepWhy 지식 체인

지식 탐험 경험을 만드세요. 목차가 있는 긴 형식의 기사가 아닙니다. 주 표면은 3~6개의 아이디어로 구성된 간결하고 상호작용 가능한 체인으로, 친숙한 현상에서 시작하여 메커니즘, 원리, 이론, 현재 최전선, 또는 알려진 경계로 발전합니다.

학습 경험은 학습자가 단순히 잘 출처가 밝혀진 설명을 받는 것이 아니라 이해하도록 도와야 합니다. 각 핵심 아이디어를 하나의 친숙한 장면과 하나의 사용 가능한 은유를 중심으로 구성하세요. 변화나 인과 관계가 요점일 때 그 은유를 움직임으로 보여주고, 평범한 언어로 실제 메커니즘에 다시 매핑하세요. 비디오는 같은 노드에 대한 두 번째 설명 또는 실제 세계 확인이어야 하며, 할당량을 채우기 위해 사용되는 일반적인 강의가 되어서는 안 됩니다.

하나의 체인 수준 고정 은유를 선호하세요. 여전히 새로운 질문을 설명할 수 있을 때는 인접 노드에서 은유를 재사용하고 심화시키세요. 오래된 모델이 실제 경계에 도달했을 때만 전환하세요. 학습자는 카드마다 관련 없는 예제를 수집하는 것이 아니라 진화하는 하나의 정신 모델을 축적해야 합니다.

기본 전달물은 하나의 독립형 HTML 파일입니다. 빌드 단계 없이 유용한 로컬 경험을 유지해야 합니다: 노드 선택, 이전/다음 탐색, 분기, 세부 탭, 타임라인 필터링, 평가 피드백, 배경 서류, JSON 내보내기 등은 모두 내장 CSS와 JavaScript를 사용합니다. 외부 논문, 비디오, 이미지 및 DeepWhy 자체는 여전히 네트워크가 필요합니다.

지식을 전달하는 시각 자료는 읽기 쉽게 유지해야 합니다: 어떤 그림, 다이어그램, 애니메이션 또는 오버레이도 텍스트, 주석, 컨트롤, 캡션 또는 중요한 표시를 가려서는 안 됩니다. 관계가 자연스럽게 시간적 또는 인과적일 때는 정적 스냅샷보다 의도적인 애니메이션을 선호하세요.

작업에 필요한 것만 읽으세요

• 연구 전에 references/research-playbook.md를 읽으세요.
• 체인을 계획하기 전에 references/knowledge-chain.md를 읽으세요.
• 은유, 애니메이션 또는 비디오 페어링을 설계하기 전에 references/teaching-progression.md를 읽으세요.
• Manim을 선택하기 전에 references/manim-animation.md를 읽으세요.
• 노드 수준 실험실을 작성하기 전에 references/interactive-labs.md를 읽으세요.
• JSON을 작성하기 전에 references/content-contract.md와 assets/content.schema.json을 읽으세요.
• 시각 시스템을 선택하거나 적용하기 전에 references/visual-design-system.md와 references/design-presets.md를 읽으세요.
• 페이지 셸을 구성하기 전에 references/learning-layout.md와 references/page-delivery.md를 읽으세요.
• 최종 QA 전에 references/evaluation-cases.md를 읽으세요.

빈 페이지가 아닌 assets/template.html에서 시작하세요. 템플릿과 스크립트를 구조적 계약으로 사용하고, 사실의 출처로 사용하지 마세요.

학습 경험 구축하기

1. 학습자와 질문을 구성하세요. 주제, 실제 질문, 예상 사전 지식 및 의도된 깊이를 추출하세요. meta.premiseCheck에 잘못된 전제를 보존하고, corrected로 표시하고, 간결하게 설명하고, 수정된 질문으로 계속 진행하세요. 수정에서 멈추지 마세요.

2. 세부 사항을 조사하기 전에 교육 경로를 설계하세요. 모든 핵심 노드에 대해 다음을 식별하세요:

   인식 가능한 장면 → 하나의 은유 → 2~4개의 명시적 매핑 → 애니메이션 인과 비트 → 평범한 언어 규칙 → 관련 비디오 → 전이 확인 → 은유 경계.

   학습자가 은유를 사용하여 아이디어를 다시 말하게 하세요. 그 정신 모델이 보일 때까지 기술적 정의로 이동하지 마세요. 노드당 하나의 은유를 사용하고 애니메이션, 단계 및 확인을 통해 일관되게 유지하세요.

3. 주 지식 체인을 계획하세요. 기본적으로 4~6개의 주 노드를 사용하고, 주제가 정말로 더 많은 것을 지원할 수 없는 경우에만 3개를 사용하세요. 노드 유형을 비감소 깊이 순서로 선택하세요:

   현상 → 메커니즘 → 원리 → 이론 → 최전선 → 경계.

   시작 노드는 학습자가 인식할 수 있는 것이어야 합니다. 모든 노드는 하나의 인과 질문을 합니다. 모든 노드는 보통 20~60자 이내의 한 문장으로 답변하고, 최대 세 개의 선택적 분기를 제안합니다. 다음 노드는 이전 노드를 반복하지 않고 이전 노드의 답변되지 않은 부분에 답해야 합니다.

4. 각 노드를 조사하세요. 조사하는 동안 증거 원장을 유지하세요. 원본 논문, 공식 페이지, 표준, 교과서 및 기관 보고서를 선호하세요. 이벤트 날짜를 출판, 프로토타입, 운영 배포 및 채택과 별도로 기록하세요. 누락된 증거를 정직하게 표시하세요.

5. 한 번에 하나의 새로운 아이디어를 가르치세요. 요청이 더 깊은 대상을 지정하지 않는 한 기본값은 meta.audience.explanationLevel = "child"입니다. 용어나 공식을 소개하기 전에 친숙한 장면과 은유에 고정시키세요. 모든 노드는 브리지, 사용 가능한 analogy, 평범한 언어 매핑, 순서가 지정된 인과 단계 및 "예측 후 공개" 확인을 포함해야 합니다. 메커니즘, 원리, 이론 및 최전선 노드는 유추가 필요합니다. 현상은 시작 장면을 직접 사용할 수 있으며, 경계는 반례를 사용할 수 있습니다.

6. 능동적 학습 작업을 설계하세요. 모든 페이지에 있는 적어도 하나의 지식 시각 자료는 학습자에게 무언가를 하도록 초대해야 하며, 46개 노드 페이지는 일반적으로 23개의 이러한 작업을 포함해야 합니다. 공개 전 예측, 실시간 결과를 통한 매개변수 조작 또는 두 조건을 비교하는 토글 중에서 선택하세요. 모든 상호 작용을 노드의 은유에 바인딩하고 피드백을 즉시 업데이트하세요. 학습자는 장식용 컨트롤을 클릭하는 것이 아니라 행동함으로써 관계를 발견해야 합니다. 단순히 답을 반복하는 상호 작용을 추가하지 마세요. 메커니즘 및 원리 노드는 자체 포함된 샌드박스 실험실이 필요합니다. 지식에 따라 시뮬레이션, 다이어그램, 코드, 게임, 공간 3D 또는 절차적 실습 중에서 선택하세요. 인접한 실험실은 동일한 방식을 사용해서는 안 됩니다. 평가를 위해 모든 주 노드에 대해 정확히 5개의 단일 선택 질문을 미리 작성하세요. 각 정답, 모범 답변, 설명 및 출처 목록을 질문과 함께 생성하세요. 채점을 위해 런타임 모델에 의존하지 마세요. 옵션을 선택하면 즉시 녹색-정답 또는 빨간색-오답 피드백과 설명이 표시되어야 합니다. 제출 동작이나 전체 체인 "숙달 확인" 버튼이 필요하지 않습니다. 노드에서 첫 번째 답변 후에 녹색-정답, 빨간색-오답 및 중립 미응답 상태가 있는 5슬롯 답변 카드를 표시하세요. 각 슬롯은 해당 질문으로 이동합니다. 다섯 번째 질문에 답변한 후 다음 동작을 숨기세요. 또한 상단 글로벌 보기 전환기에서 모든 노드별 질문을 포함하는 글로벌 퀴즈를 노출하세요.

7. 혼란 지점에 애니메이션과 비디오를 연결하세요. 은유가 인과 작업을 수행하는 애니메이션을 보여준 다음 레이블이 지정된 정지 이미지로 안정화하세요. 모든 지식 노드는 정확히 5개의 검증된 외부 비디오가 필요합니다. 비디오 탭은 하나의 기본 플레이어와 나머지 비디오용 4개의 썸네일 카드를 표시합니다. 썸네일을 선택하면 기본 플레이어가 교체됩니다. 5개의 클립 모두 실제 현상, 실험 또는 대체 시각적 설명을 통해 동일한 노드를 보여줍니다. 5개에 도달하기 위해 URL, 썸네일, 메트릭 또는 임베딩 지원을 절대 발명하지 마세요. 다른 지식 노드는 다른 비디오 레코드를 사용해야 합니다. 상단 글로벌 전환기에서 각 노드의 5개 비디오 세트와는 별도로 글로벌 비디오 라이브러리 보기를 노출하세요. 플랫폼 또는 네트워크 확인 격차를 증거 메타데이터에 유지하세요. 비디오 탭에서 학습자에게 표시되는 경고로 표시하지 마세요. 인과 관계 이동을 설명할 때는 먼저 인라인 SVG/SMIL을 사용하세요. Manim이 변환, 궤적, 힘 또는 수학적 은유를 실질적으로 더 명확하게 만드는 경우에만 노드 수준의 Manim 장면을 계획하세요. 그 시점에서만 런타임을 프로브하세요. 설정이 필요한 경우 계획 명령을 실행하고, 전체 명령과 격리된 캐시 위치를 표시하고, install --confirmed를 실행하기 전에 명시적 동의를 요청하세요. 동의가 거부되거나 설정이 실패하면 이 생성의 나머지 부분에 대해 SVG를 사용하고 프롬프트를 반복하지 마세요.

8. 전체 설명을 공개 뒤에 배치하세요. 노드 카드는 질문과 한 문장 답변만 소유합니다. 측면 검사기는 짧은 심층 분석, 유추, 출처 기반 다이어그램, 증거, 비디오/리소스 및 노드 수준 확인을 포함할 수 있습니다. 출처가 일치하는 사람과 기관을 연구 배경에 배치하고, 출처가 일치하는 애플리케이션, 타임라인 이벤트 및 최전선 배포 상태를 산업 발전에 배치하세요. 두 탭을 노드의 출처 세트로 필터링된 상태로 유지하세요. 체인 완료 또는 헤더 영역에 글로벌 배경 CTA를 절대 복제하지 마세요. 검사기는 5개의 탭을 사용합니다: 이해, 비디오, 연구 배경, 산업 발전 및 이해 확인. 분기는 명시적으로 열릴 때까지 접힌 상태로 유지됩니다. 비디오 탭은 하나의 검증된 기본 플레이어와 4개의 썸네일 선택 항목을 로드합니다. 다른 플레이어는 선택될 때만 로드됩니다. 학습자 대상 노드 패널에서 S1, S2 등과 같은 숫자 출처 칩을 렌더링하지 마세요. 추적 가능성을 위해 JSON에 출처 ID를 보존하세요.

9. 완전한 HTML을 만드세요. 모든 데이터를 #deepwhy-data에 넣고 템플릿으로 렌더링하세요. 가능하면 메커니즘 다이어그램에 대해 검토된 인라인 SVG를 사용하세요. AI 생성 분위기 이미지를 사실적 메커니즘으로 절대 제시하지 마세요. 움직임, 순차 실행, 상태 변경, 전파, 흐름 또는 피드백의 경우 움직임이 설명을 전달할 때마다 인라인 SVG 애니메이션을 사용하세요. 읽을 수 있는 안정된 상태와 정적 텍스트 등가물을 유지하세요. 노드 이미지를 전체로 표시하세요: 고유 종횡비를 유지하고 자르기보다는 contain 스타일 맞춤을 사용하세요. 필수 레이블을 래스터 이미지 외부에 유지하세요. 겹침을 허용하기보다는 viewBox를 늘리거나, 시각 자료를 분할하거나, 보조 세부 정보를 제거하세요. 실질적인 산문과 인용을 수동 DOM에 넣지 마세요. 데스크톱에서는 뷰포트 높이 학습 워크벤치를 구성하세요: 지배적인 수업 벤치 옆에 40-46% 노드 그래프 캔버스. 선택된 실험실과 반성은 벤치에 속합니다. 모바일에서는 일반 문서 흐름으로 돌아가고 벤치를 하단 시트로 엽니다. 노드에 manim이 있으면, 포스터, 캡션, 대본, 재생 동작 및 인라인 SVG 폴백과 함께 노드 실험실 위에 하나의 음소거되고, 반복되며, playsinline 애니메이션을 렌더링하세요. 감소된 모션 모드는 자동 재생 없이 포스터를 표시해야 합니다. 빌더는 로컬 WebM 및 WebP 자산을 최종 HTML에 포함시킵니다.

10. 시각적 방향을 선택하세요. 기본적으로 deepwhy를 사용하세요: OpenMAIC에서 영감을 받은 교실 언어로, 거의 흰색의 점선 무대, 차분한 중립 잉크, 절제된 보라색 동작, 떠 있는 둥근 패널 및 지배적인 상호 작용 벤치를 사용합니다. atlas, chronicle 및 fieldnotes는 명시적 대안이며 자동 주제 일치가 아닙니다. --style과 DEEPWHY_PAGE_STYLE은 콘텐츠 선택을 재정의합니다. 프리셋은 타이포그래피, 색상, 재료 및 레이아웃 세부 정보를 변경할 수 있습니다. 데이터 의미 또는 상호 작용을 변경할 수 없습니다.

    HTML을 작성하기 전에 presentation에 원형, 중심 통찰력, 초점 시각 자료, 계층 구조 및 섹션 리듬을 기록하세요. 하나의 지배적인 시각적 초점을 구축한 다음 노드 목적에 따라 구성을 다양화하세요. 랜딩 페이지, 대시보드, 기사 템플릿 또는 반복 카드 그리드를 기본값으로 사용하지 마세요.

11. 경험을 검증하세요. 사용 가능한 경우 콘텐츠 유효성 검사, 단위 테스트 및 Playwright 테스트를 실행하세요. 첫 화면에 체인, 핵심 통찰력, 현재 위치 및 다음 작업이 표시되는지 확인하세요. 한 번에 하나의 노드 세부 정보와 하나의 비디오 플레이어만 활성화되어 있습니다. 분기는 기본 경로에 종속된 상태로 유지됩니다. 모든 배경 자료에 도달할 수 있습니다. 데스크톱 및 모바일 너비에서 모든 다이어그램을 검사하여 텍스트, 컨트롤, 캡션, 필수 표시 및 잘린 이미지 콘텐츠가 가려지거나 잘리지 않았는지 확인하세요. 아이디어를 설명하는 데 도움이 되는 의미 있는 움직임이 있는지, 읽을 수 있는 프레임에 정착하는지, 감소된 모션 기본 설정을 존중하는지 확인하세요. 모든 핵심 노드에서 학습자가 은유를 사용하여 아이디어를 다시 말하고, 한 번 전이하고, 은유가 깨지는 지점을 인식할 수 있는지 확인하세요. 연결된 비디오가 관련 없는 배경 역할을 하지 않고 현재 노드를 지원하는지 확인하세요. 모든 상호 작용을 실행하고 입력을 변경하면 눈에 띄고 진실된 결과가 생성되는지 확인하세요. 전체 구성을 검토하고 모바일 버전을 검토하세요. 일반적인 AI 생성 SaaS 페이지와 비슷하다면 전달 전에 재설계하세요.

콘텐츠 범위

이전 교육 모듈은 여전히 다루지만, 더 이상 12개의 긴 페이지 섹션에 매핑되지 않습니다:

• 현상, 메커니즘, 원리, 이론, 최전선 및 경계는 체인 노드 유형이 됩니다.
• 친숙한 장면, 기본 은유, 애니메이션 매핑 및 평범한 규칙은 노드 세부 정보에 있습니다.
• 각 메커니즘 및 원리 노드는 하나의 샌드박스 실습과 자유로운 재진술 및 지연된 참조 결론을 포함합니다.
• 비디오는 설명하는 정확한 노드에 연결됩니다.
• 사람, 기관, 애플리케이션, 진화 타임라인, 최신 최전선 및 출처 목록은 배경 서랍에 있으며, 관련 오른쪽 노드 내에 출처 일치 연구 링크가 있습니다.
• 각 노드의 5개의 미리 작성된 단일 선택 확인은 검사기의 이해 확인 탭에 있습니다.
• 다음 질문은 분기 및 체인 수준 후속 제안이 됩니다. 각 권장 사항은 클릭 가능하며 현재 주제와 권장 질문이 포함된 URL로 https://deepwhy.cn/에 딥 링크됩니다.
• 계정이나 API가 필요하지 않습니다. HTML은 독립적으로 유용하게 유지되며 권장 질문은 DeepWhy 플랫폼을 열 수 있습니다.

상단 글로벌 보기 전환기는 눈에 띄는 방향 표면입니다. 결합된 개발 타임라인과 현재 단계, 관련 인물, 전체 비디오 라이브러리, 글로벌 퀴즈 및 전체 체인 수준 평가를 렌더링합니다. 정보 설계는 심층 분석을 중앙 작업대로 유지하면서 요약, 연결 및 내비게이션을 통합합니다.