把一个你想吃透的开源项目，拆成一条"从最小能跑的核心到完整系统"的动手路线。AI 当陪练给提示，而不是替你把代码写完。
Turn a real project you admire into a hands-on path—AI coaches with hints, it doesn't write the code for you.
一个交给 coding agent（Claude Code / Codex / Cursor）安装的 skill，用来更好地"和 AI 一起学项目开发"。
AI 让"查答案"变快了：报错看不懂、API 不会用、想快速了解一个概念，十几秒就能得到还不错的回答。但信息获取变快，不代表理解、内化、形成经验也自动变快。AI 能帮你跨过"查资料"的门槛，却不能替你完成"建立知识结构"和"积累手感"的过程。
更现实的一点是：AI 出现后，新人入行反而变难了。以前新人靠给资深的人打下手、在干活中慢慢上手；现在工程师用 AI 就能快速把想法落地，带实习生的动机没了。但坏处里藏着机会——AI 在"获取知识"上同样强大，问题只是变成了：怎么用 AI 把自己缺的能力快速补齐。
我自己的 research 经验较多，感觉但工程落地积累不够，于是拿"学项目开发"当试验场，想找一套更靠谱的 AI 学习方法。核心思路来自 AI coding：做复杂任务时，一般不会一上来就让 AI 写代码，而是先讨论需求、澄清边界、拆分步骤，再进入实现。学复杂知识，也许可以套同样的流程。 这个 skill 就是这套流程的固化。
Unknown Unknowns · 你不知道自己缺什么 学一个新领域时，最难的往往不是某个具体问题，而是根本不知道这个领域由哪些问题组成。你没有全局地图，就问不出好问题——只能零散地问"这个报错什么意思""这个 API 怎么用"，答案拿到了，知识却始终串不成体系。 → 这个 skill 会先扒一遍你的参考项目，反推出"要亲手实现它，需要哪些前置概念和技能"，拼成一张知识地图；再拿这张图问你一批具体、可判定的问题（用过没有、口述一句理解、做个小判断题），从回答里主动诊断出你的真实水平——而不是丢给你一张"请填写你会什么"的表格，让本来就不知道自己缺什么的你去自评。
Short-Term Gain, Long-Term Pain · 图省事，欠经验 把实现整段丢给 AI，眼前确实跑通了；但拆解问题、设计结构、读懂报错、定位 bug、权衡取舍这一整套经验被悄悄跳过了。下次遇到同类问题，你还是只能复制上一次的修复方案，独立判断的能力没长出来。 → 在这里 AI 是陪练而不是枪手：先鼓励你自己动手，卡住了给分级提示——先点方向（L1）、再讲关键思路（L2）、必要时才给一段局部骨架（L3），默认不直接把完整答案摆上来；等你自己做出来，再回头复盘"为什么这样有效、还有哪些替代写法和取舍"。
The Curse of Knowledge · 讲解深浅总对不上 AI 有一种"知识的诅咒"：它默认自己知道的你也知道，于是跳过关键前提、抛出一堆越级概念；或者反过来，不了解你的底子，花大段篇幅重讲你早就会的东西。信息密度总是不对，听起来要么云里雾里、要么在浪费时间。而好的学习方式应该让新知识从原有的知识体系上长出来。 → 这个 skill 把诊断出的背景沉淀成一份学习画像：记录你已掌握的基础、当前的薄弱点、以及习惯的解释方式。AI 讲解前先读画像，把新知识接到你已有的经验上、并主动点明"哪里和你熟悉的东西不一样"；一旦某个薄弱点在实践中被证明已经过关，就把它从"薄弱点"里晋升出去，不再反复讲。
Memory Management · 记忆管理 学一个复杂项目往往跨很多天、很多次对话。可每开一个新会话，背景、学到哪了、踩过哪些坑，都得重新对 AI 讲一遍——这些信息缺一不可，手动维护却又累又容易漏。 → 这个 skill 用一份分层记忆替你记着：稳定背景、极简进度指针、计划、踩坑日志分开存放，新会话开场自动续接、无需你重述；同时给每个文件设大小预算，超了就把冗长的历史蒸馏归档，避免画像无限膨胀、把"当前重点"淹没掉。
假设你想学"个人网站前后端是怎么搭起来的"，手上有一个欣赏的开源项目做参照：
- 诊断，而不是让你自报。 AI 先扒一遍参照项目，问你几个具体问题：路由是怎么回事、知不知道请求打到后端后发生了什么、有没有碰过数据库迁移……从回答推断你真实的水平，而不是听你说"我大概会一点"。
- 给你一个能立刻动手的 Step 0。 比如"先起一个只有一个页面、一条
/api/health接口的服务，浏览器能打开、接口能返回 ok"——小到你今晚就能跑通，又是完整链路的最小闭环。 - 一步步长出真实功能。 每个阶段只加一个有意义的能力：加一个真实页面 → 接上数据库 → 加一个表单写入 → 加登录……每一步都连着"最终那个完整网站"，不是互不相干的玩具练习。
- 卡住时给提示，不给答案。 表单提交没反应，AI 先问你"数据到后端了吗、你怎么确认的"，引导你自己定位，而不是直接甩一段修好的代码。
- 续接进度、讲清动机。 下次打开新对话，它读一眼画像和进度就知道你到哪了；做完一块会告诉你"那个参照项目为什么这么设计、和你的写法差在哪"。
一路下来，你手里不只是一个能跑的网站，更重要的是你能自己把它建出来，还能说清每个设计为什么这么做。
换个项目，流程是一样的。比如你想吃透一个 coding agent：诊断会问你 SSE、async generator、llm基本原理、tool call 协议这些前置概念的掌握度；Step 0 可能是"先跑通一个 30 行的 agent loop——读一条输入、调一次模型、把回复打印出来"；之后再一步步长出工具调用、多轮上下文、错误恢复、session管理、权限控制、插件系统、TUI系统……卡住时同样是先给方向而不是代码，做完再讲"Codex / Claude Code 那套工业级实现里为什么要模块化分层、为什么这么设计session的存储数据结构"。参照项目换了，"从最小核心逐步扩展 + 陪练式提示"这套骨架不变。
- 能读懂代码、了解某领域基本原理，但没独立做过工业级 / 复杂项目的人。
- 想学的东西有一个具体的参照项目。
不太适合：纯零基础、只想要"能跑的结果"不想动手的人、以及不需要被"带"的资深工程师。
把本目录作为一个 skill 交给 coding agent 安装即可：个人 skill 放 ~/.cursor/skills/，项目 skill 放 .cursor/skills/。安装后，直接告诉 agent 你想学哪个项目、目标是"读懂 / 能改 / 从零实现"，它会带你走上面那套流程。
学习过程中生成的文件（计划、画像、进度、踩坑记录）都只存在你的项目本地
.note/目录里，不会上传到任何公网。
- SKILL.md：交给 agent 的完整操作指令。
- 三份参考文档：diagnosis.md（知识地图 + 定向诊断）、memory.md（分层记忆与压缩）、plan-creation.md（首次运行的完整流程）。