deepwhy/deepwhy-skill

DeepWhy 知识链

创建一种知识探索体验，而非一篇带有目录的长文。主要界面是一个紧凑的、互动的 3–6 个想法的链条，从熟悉的现象逐步推进到机制、原理、理论、当前前沿或已知边界。

学习体验必须帮助学习者理解，而不仅仅是接收一个有充分来源的解释。将每个核心思想围绕一个熟悉的场景和一个可用的隐喻来组织。当变化或因果关系是重点时，通过动画展示该隐喻，然后用平实的语言将其映射回真实的机制。视频是针对同一节点的第二种解释或现实世界的确认，绝不应是用来凑数的普通讲座视频。

倾向于使用一个链条级别的锚定隐喻。只要它仍能解释新的问题，就在相邻节点间重用并深化该隐喻；只有当旧模型达到真正的边界时才进行切换。学习者应该积累一个不断演化的心智模型，而不是在不同卡片间收集不相关的例子。

默认交付物是一个独立的HTML文件。它必须无需构建步骤即可保留有用的本地体验：节点选择、上一页/下一页导航、分支、详情标签页、时间线过滤、评估反馈、背景资料和JSON导出都使用嵌入式CSS和JavaScript。外部论文、视频、图片和 DeepWhy 本身仍然需要网络连接。

承载知识的视觉元素必须保持清晰可读：没有插图、图表、动画或覆盖层可以遮挡文本、注释、控件、字幕或关键标记。当关系本质上是时间性或因果性时，优先使用有目的的动画而非静态快照。

只读取任务所需的内容

• 在研究之前，阅读 references/research-playbook.md。
• 在计划知识链之前，阅读 references/knowledge-chain.md。
• 在设计隐喻、动画或视频配对之前，阅读 references/teaching-progression.md。
• 在选择使用 Manim 之前，阅读 references/manim-animation.md。
• 在编写节点级别的实验之前，阅读 references/interactive-labs.md。
• 在编写 JSON 之前，阅读 references/content-contract.md 和 assets/content.schema.json。
• 在选择或调整视觉系统之前，阅读 references/visual-design-system.md 和 references/design-presets.md。
• 在组成页面外壳之前，阅读 references/learning-layout.md 和 references/page-delivery.md。
• 在最终QA之前，阅读 references/evaluation-cases.md。

从 assets/template.html 开始，而不是从空白页面开始。将模板和脚本视为结构契约，而非事实来源。

构建学习体验

1. 界定学习者和问题。 提取主题、实际问题、可能的先验知识和预期的深度。在 meta.premiseCheck 中保留一个错误前提，将其标记为 corrected，简洁地解释它，然后用修正后的问题继续。不要在修正处停止。

2. 在研究细节之前设计教学路线。 对于每个核心节点，确定：

   可识别的场景 → 一个隐喻 → 2-4个显式映射 → 动画因果步骤 → 自然语言规则 → 相关视频 → 迁移检查 → 隐喻边界。

   让学习者用隐喻复述这个想法。在这个心智模型可见之前，不要进入技术定义。每个节点使用一个隐喻，并在动画、步骤和检查中一致地贯彻它。

3. 规划主要知识链。 默认使用4-6个主要节点，只有当主题确实无法支持更多节点时才使用3个。按非递减深度顺序选择节点类型：

   现象 → 机制 → 原理 → 理论 → 前沿 → 边界。

   开头节点必须是学习者能认出的事物。每个节点提出一个因果问题。每个节点用一句话回答它，通常20-60个字符，并建议最多三个可选分支。下一个节点必须回答上一个节点未解答的部分，而不是重述它。

4. 研究每个节点。 在研究时保持一个证据分类账。优先使用原始论文、官方页面、标准、教科书和机构报告。分别记录事件日期与出版、原型、运营部署和采用日期。诚实地标记缺失的证据。

5. 一次只教授一个新想法。 默认设置 meta.audience.explanationLevel = "child"，除非请求指定了更深入的受众。在引入术语或公式之前，先将其锚定在一个熟悉的场景和隐喻中。每个节点必须包含一个桥梁、一个可用的 analogy、一个平实的语言映射、有序的因果步骤以及一个“预测，然后揭示”的检查。机制、原理、理论和前沿节点需要类比；现象节点可以直接使用其开场场景，边界节点可以使用反例。

6. 设计主动学习操作。 每个页面上的至少一个知识可视化元素必须邀请学习者做一些事情，一个4-6个节点的页面通常应包含2-3个这样的操作。从“预测后揭示”、“带实时后果的参数操控”或“比较两种条件的切换”中选择。将每个交互绑定到节点的隐喻，并立即更新反馈；学习者应该通过行动发现关系，而不是点击一个装饰性控件。不要添加仅仅重复答案的交互。机制和原理节点需要一个自包含的沙盒实验；根据知识类型选择模拟、图表、代码、游戏、空间3D或程序化练习。相邻的实验不得使用相同的模式。 对于评估，为每个主节点预先编写恰好五个单选题。将每个正确选项、模型答案、解释和来源列表与问题一起生成。绝不依赖运行时模型来评分。选择一个选项必须立即显示绿色正确或红色错误反馈以及解释；不需要提交操作或整个链条的“验证掌握”按钮。在一个节点中首次回答问题后，显示一个五个槽位的答题卡，具有绿色正确、红色错误和中性未回答状态；每个槽位跳回该问题。在第五个问题回答后隐藏“下一步”操作。同时，从顶部的全局视图切换器中暴露一个包含所有节点问题的全局测验。

7. 在概念模糊处配对动画和视频。 用动画展示隐喻执行因果工作，然后停留在一个有标签的静态图上。每个知识节点需要恰好五个经过验证的外部视频。视频选项卡展示一个主播放器，后跟四个剩余视频的缩略图卡片。选择缩略图会切换主播放器。所有五个片段通过真实现象、实验或替代视觉解释来演示同一个节点。切勿为了凑够五个而编造URL、缩略图、指标或嵌入支持。不同的知识节点必须使用不同的视频记录。从顶部的全局切换器中暴露一个全局视频库视图，与每个节点的五视频集分开。将平台或网络验证的差距保留在证据元数据中；不要在视频选项卡中将其作为面向学习者的警告显示出来。 当它首先能解释因果移动时，优先使用内联SVG/SMIL。只有当Manim能使变换、轨迹、力或数学隐喻更清晰地呈现时，才规划一个节点级别的Manim场景。仅在此时探测运行时。如果需要设置，请运行 plan 命令，显示其完整命令和隔离的缓存位置，并在运行 install --confirmed 前请求明确同意。如果同意被拒绝或设置失败，则在此次生成中改用SVG，并且不要重复提示。

8. 将完整解释放在可展开的内容后面。 节点卡片只拥有问题和一个句子的答案。侧边检查面板可以包含简短的深度探究、类比、有来源支持的图表、证据、视频/资源和节点级别的检查。将来源匹配的人员和机构放在“研究背景”中，将来源匹配的应用、时间线事件和前沿部署状态放在“行业发展”中。保持两个标签页都过滤到节点的来源集；切勿在链条完成或标题区域重复全局背景CTA。 检查面板使用五个标签页：理解、视频、研究背景、行业发展、检查理解。 分支保持折叠状态，直到明确打开。视频标签页加载一个经过验证的主播放器和四个缩略图选项；其他播放器仅在选择时加载。 不要在学习者面对的节点面板中渲染 S1、S2 或类似的数字来源芯片。在JSON中保留来源ID以便追溯。

9. 创建完整的HTML。 将所有数据放在 #deepwhy-data 中，并使用模板进行渲染。尽可能使用经审阅的内联SVG作为机制图。绝不要将AI生成的气氛图像当作事实机制呈现。对于运动、顺序执行、状态变化、传播、流程或反馈，当运动承载解释时，使用内联SVG动画；保留一个可读的稳定状态和静态文本等价物。 全尺寸显示节点图像：保持固有宽高比并使用 contain 式适配而非裁剪。将基本标签保持在光栅图像之外。增大 viewBox、拆分视觉元素或移除次要细节，而不是允许重叠。将实质性散文和引文保留在手工编写的DOM之外。在桌面上，组成一个视口高度的学习工作台：一个40-46%的节点图画布旁放置一个主导的课程工作台。选定的实验和反思属于工作台。在移动设备上，回到正常的文档流，并将工作台作为底部弹出面板打开。 如果节点有 manim，在节点实验上方渲染一个静音、循环、内联播放的动画，带有其海报、字幕、文字记录、重播操作和内联SVG后备。减动模式必须显示海报而不自动播放。构建器将本地 WebM 和 WebP 资源嵌入最终的HTML中。

10. 选择视觉方向。 默认使用 deepwhy：受OpenMAIC启发的课堂语言，带有近白色虚线舞台、冷静中性墨水、克制紫色操作、浮动圆角面板和主导交互工作台。atlas、chronicle 和 fieldnotes 是明确的替代方案，而非自动的主题匹配。--style 和 DEEPWHY_PAGE_STYLE 会覆盖内容选择。预设可以更改排版、颜色、材质和布局细节；它们不得更改数据语义或交互。

    在编写HTML之前，在 presentation 中记录原型、核心洞察、焦点视觉、层次结构和章节节奏。构建一个主导的视觉焦点，然后根据节点目的变化构图。不要默认使用登录页、仪表盘、文章模板或重复的卡片网格。

11. 验证体验。 在可用时运行内容验证、单元测试和Playwright测试。确认首屏显示链条、关键洞察、当前位置和下一步操作；一次只有一个节点详情和一个视频播放器处于活动状态；分支保持从属于主路径；所有背景材料保持可访问。在桌面和移动宽度下检查每个图表是否有被覆盖或裁剪的文本、控件、字幕、必要标记和裁剪的图像内容。验证有意义的运动出现在有助于解释想法的地方，稳定到一个可读的帧，并尊重减动偏好。确认每个核心节点让学习者能用其隐喻复述想法，迁移一次，并识别隐喻在何处失效。检查链接的视频是否支持当前节点，而非作为不相关的背景。执行每个交互并确认更改输入会产生可见的、真实的后果。审查完整的构图和移动版本。如果它看起来像一个通用的AI生成的SaaS页面，请在交付前重新设计。

内容覆盖范围

旧的教育模块仍然被覆盖，但它们不再映射到12个长页面章节：

• 现象、机制、原理、理论、前沿和边界成为链条节点类型；
• 熟悉的场景、主要隐喻、动画映射和平实规则位于节点详情中；
• 每个机制和原理节点包含一个沙盒动手实验，随后是自由复述和延迟的参考结论；
• 视频链接到它们帮助解释的精确节点；
• 人员、机构、应用、演变时间线、最新前沿和来源清单位于背景抽屉中，来源匹配的研究链接位于相关右侧节点内；
• 每个节点的五个预先编写的单选题位于其检查面板的“检查理解”标签页中；
• 下一个问题成为分支和链条级别的后续建议；每个建议都是可点击的，并深度链接到 https://deepwhy.cn/，URL中包含当前主题和推荐问题；
• 不需要账户或API；HTML保持独立有用，同时推荐问题可能打开DeepWhy平台。

顶部的全局视图切换器是一个突出的方向界面。它渲染组合的开发时间线和当前阶段、相关人物、完整的视频

…

[内容已被截断以用于翻译]