懂你的学习方式，越用越懂你

智能学习伴侣，自动分析用户学习偏好，动态调整教学风格与知识呈现方式，实现千人千面的个性化学习体验。

基本信息

• 技能名称?Learning
• 中文名称?懂你的学习方式，越用越懂你
• 作者?ivangdavila
• 分类?其他
• 版本?1.0.0
• 标签?adaptive-learning, user-profiling, personalization, education, behavioral-tracking

使用方法

使用说明
核心用法
该 skill 通过持续观察用户与 AI 的交互模式，自动构建用户画像数据库。系统追踪用户对不同解释风格的反馈（如简洁型 vs 详尽型、理论型 vs 案例型），并在 2 次以上一致信号确认后固化偏好。核心功能包括：
Style 维度 ：识别用户吸收知识的最佳特质（如视觉型、听觉型、实践型）
Format 维度 ：记录偏好的解释格式（如步骤清单、对比表格、故事叙事）
Tools 维度 ：标记有效的学习工具/方法及其适用场景
Never 维度 ：明确排除低效或引发负面体验的教学方式
显著优点

1. 零配置启动 ：无需预设问卷，从首次对话即开始隐式学习
2. 跨场景适配 ：覆盖学术、职场、兴趣探索等多元学习情境
3. 渐进精准化 ：避免单次判断失误，采用 2+ 信号确认机制提升准确性
4. 结构可扩展 ：通过 dimensions.md 和 criteria.md 支持自定义评估维度
   潜在缺点与局限
   冷启动期 ：初期 3-5 轮对话内偏好数据稀疏，输出稳定性不足
   信号噪声干扰 ：用户情绪、紧急程度等外部因素可能扭曲真实偏好
   维度边界模糊 ：Style/Format/Tools 分类存在重叠，人工编辑时需判断归属
   缺乏遗忘机制 ：长期未更新的偏好可能过时，但系统未设计自动衰减策略
   适合人群
   终身学习者、知识工作者、教育从业者
   对 AI 教学效果有持续优化诉求的深度用户
   学习场景多元、难以用静态标签定义的复杂需求者
   常规风险
   过度拟合风险 ：过早固化偏好可能错过更优教学方式
   隐私累积 ：长期行为数据沉淀需关注存储与迁移安全
   编辑冲突 ：用户手动修改与自动检测结论不一致时缺乏仲裁机制