雅典娜

SKILL教育学习
教育学习 未标注权限 许可证不明确
安装这个技能

雅典娜(Pallás),取名于智慧女神,是一个旨在让人获取智慧的skill。由专业认识论框架驱动的自适应知识学习与 HTML 报告生成Skill。用于系统理解或学习一个知识点、算法/数据结构、方法/技能、工程系统/业务流程、学科/行业、事件/案例、职业,或进行方案比较与判断;也用于“讲解/拆解/入门/搞懂/如何运作/如何学习/深度研究”等请求。先判断知识对象与用户认知意图,再动态选择定义、机制、证明、操作、复杂度、流程、历史、案例、练习等组件;避免把局部知识点错误套入固定的行业史、角色或业务流程模板。支持证据核验、最小可行实践和可分享的自适应 HTML 报告

一句话选型结论

按资料字段整理

雅典娜是教育学习类的 Agent Skill,安装方式未标注,权限级别未标注,许可证不明确,有可直接复制的安装命令。技能本质是给模型读的说明书,效果取决于模型与客户端;装完先用一个小任务验证,再放进正式流程。

分类教育学习 安装方式未标注 权限级别未标注权限 许可证许可证不明确
累计安装 未标注 本周 未标注
GitHub 星标 未标注 仓库 未标注
下载量 未标注 技能市场下载数
权限级别 未标注权限 安装前请确认风险范围
许可证 许可证不明确 未说明

安装

未标注
在支持 Skills 的客户端里执行,装完问一句「你有哪些技能」验证
skillhub install user_883a8071/sk-2007040817
  1. 1
    确认客户端支持

    确认你的客户端支持 Skills(Claude、Codex、Cursor 等),并升级到较新的版本。

  2. 2
    拿到技能文件

    执行上面的命令安装;也可以把仓库里的 SKILL.md 手动放进客户端的 skills 目录。

  3. 3
    刷新技能列表

    重新打开客户端,或刷新技能列表,让新放进来的技能被加载。

  4. 4
    验证是否生效

    问一句「你有哪些技能」,确认列表里出现它,再拿一个小任务试跑。

技能档案

教育学习
字段来自技能仓库与公开索引,中文说明由本站标注
作者 / 维护方user_883a8071仓库 未标注 · 版本 未标注
宿主客户端未标注技能可被这些客户端加载
安装方式未标注安装包 community
权限级别未标注权限安装前请确认风险范围
许可证未说明许可证不明确,商用前请自行确认条款
仓库可用性available技能仓库当前是否可访问
最近核验2026-11-06上游最后核验时间 · 数据更新 2026-11-06
正文体量13.6 KBSKILL.md 原文大小,越大说明说明书写得越细

典型使用场景

3 类
按分类整理的常见用法,具体以 SKILL.md 为准
讲解知识点

按水平把知识点讲清楚。

出练习题

按章节生成练习与答案。

制定学习计划

按目标和时间排学习节奏。

选择建议

装之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有可直接复制的安装命令,不用自己翻文档找入口。

先想清楚的地方

  • 没有标注权限级别,实际能做什么要装好后确认。
  • 许可证不明确,商用或二次分发前先到仓库确认条款。
  • 没有做站内核验,内容以作者仓库为准。
  • 技能只是说明书,实际效果取决于模型与客户端,装完先用小任务试一遍。

更适合

  • 需要在教育学习场景里给模型补一套做法的人。
  • 愿意先读一遍 SKILL.md、确认它会让模型做什么的人。

不太适合

  • 对许可证要求很严、必须明确可商用的人。
  • 只想装完就自动变强、不打算看说明书的人。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
技能权限级别安装方式累计安装宿主客户端安装命令
雅典娜当前 未标注权限 未标注 未标注 未标注 有
食谱创建课堂课程 未标注权限 GitHub 仓库 25.5 万 Codex、Claude、Cursor 有
语言学习 联网访问 ClawHub 市场 23.6 万 OpenClaw 有
learning 效率 只读 ClawHub 市场 19.2 万 OpenClaw 有
学习习惯 未标注权限 ClawHub 市场 10.2 万 OpenClaw 有
日语家教 只读 ClawHub 市场 8.2 万 OpenClaw 有

SKILL.md 全文

13.6 KB
模型实际读到的说明书原文,来自技能仓库

Domain Deep Dive(领域定义 + 五层深潜框架)

Overview

本技能提供一套结构化的"领域定义 + 五层"递进框架——先用一张可验证的领域定义卡把"我们要拆解的到底是什么"讲清楚(语义基座),再用五层递进框架(本质与边界→概念与语言→系统与关系→演化与争议→实践与验证)把认知从"泛泛而谈"升级为"可执行、可验证的系统理解"。同时按读者认知起点自适应三档信息强度(入门/专业/深度),避免"看不懂"或"嫌太浅"。验收标准嵌入在第五层,而不是停留在罗列工具和名词上。最终产出是一套结构化交付物,不是一篇长文章。

When to Use

当用户提出以下类型请求时使用本技能:
- "帮我系统讲解/拆解一下 [某领域]"
- "我想快速搞懂 [某行业] 是怎么运作的"
- "带我入门 [某专业方向]"
- 用户直接引用"第一层:本质与边界……第五层:实践与验证"这套框架,且给出或未给出具体领域

如果用户没有指明具体领域,先用 AskUserQuestion 或直接提问确认要拆解的领域(例如:跨境电商、私募股权、临床医学、半导体制造、AI Agent 商业化等),因为五层框架的内容完全依赖领域本身。

0. 领域定义 / 术语界定(必填,在五层框架之前)

这是整个报告的"语义基座"——在进入任何分析之前,先用一段独立的定义把"我们要拆解的到底是什么"讲清楚。本模块缺位会让后续所有讨论在读者脑中指向模糊(用户最常见的反馈是"读完还不知道这个领域是什么")。

  • 一句话核心定义:用一句不含行话的话,把领域是什么讲清楚,普通人读完能转述。用"X 是……"的下定义口吻。
  • 详细定义(2-4 句):覆盖核心对象 + 主要职能或范围 + 与相邻领域的边界。
  • 权威来源验证:必须给出至少 1 个权威来源对该领域的标准定义(行业协会、专业教材、官方文件、学术综述;维基百科可作起点但需回溯一手),附(机构 / 出处 / 年份)。读者点开来源应能查到原文——不能凭印象撰写。
  • 置信度标注:定义句尾部用 [已核实] / [单源] / [估算] 标注(继承自 research_protocol)。
  • 常见误解 / 易混淆:列举 2-3 个外行或跨领域人士常把这个领域和什么混淆(如把"HR"等同于"招聘"、把"私募股权"等同于"对冲基金"),这是"先定义"的核心价值。
  • 多定义并存处理:如权威文献中存在多个并列定义(如"AI"在 OECD、中国信通院、欧盟 AI 法案里的不同定义),必须并列呈现并说明分歧由来,不能只挑一个。

本模块的产出是"领域定义卡",对应 Deliverables 的第 0 项,HTML 报告中位于五层框架之前。其白话程度随信息强度档位调整(见 references/information_density.md)。

The Five Layers

对目标领域逐层展开,每层都要输出具体内容,不能只写框架标题:

第一层:本质与边界

  • 这个领域解决什么核心问题?服务于谁(客户/对象)?
  • 核心价值主张是什么?不做什么、边界在哪(哪些相邻领域容易被混淆)?
  • 关键约束条件是什么(法规、资源、技术、周期)?

第二层:概念与语言

  • 专业人士日常使用的核心术语、缩写、行话是什么?
  • 关键指标/度量体系是什么(KPI、财务指标、技术指标等)?
  • 输出为"核心概念表"(见 Deliverables)。

第三层:系统与关系

  • 领域内有哪些角色(甲方/乙方/监管方/终端用户等),他们之间如何交互?
  • 典型业务流程或价值链是什么?画出因果链/流程图。
  • 数据如何流动?利益如何分配?
  • 有哪些主要流派/学派/技术路线?组织分工(谁做什么、边界在哪)?

第四层:演化与争议

  • 这个领域为什么演化成今天的样子?关键历史节点/转折点是什么?
  • 当前哪些问题业内尚无共识(技术路线之争、商业模式之争、监管之争)?
  • 哪些正在发生的变化(技术/政策/需求侧)可能真正重构这个领域?

第五层:实践与验证(验收层)

这一层不是罗列工具,而是设计一个"最小可行实践",并明确验证标准:
- 用什么方法、工具、数据能完成一次最小实践(不追求完整,追求真实可执行)?
- 如何通过真实案例反推理解是否正确?
- 准备哪些问题去问真正的从业者/专家,用于校验认知盲区?
- 明确"完成"的判定标准是什么(例如:产出一份可被内行认可的初步方案/分析/原型)。

Deliverables Checklist

无论目标领域是什么,最终交付物必须包含以下八项(含先于五层的领域定义卡),缺一不可:

  1. 领域定义卡(语义基座,必填):用一段独立的领域定义,把"这个领域是什么"讲清楚。必含:一句话核心定义("X 是……"口吻)+ 详细定义 + 至少 1 个权威来源引用 + 常见误解列表 + 置信度标签。格式与撰写要点见 references/deliverable_templates.md 第 0 节。此项缺位视为报告不合格。
  2. 领域全景图:一张视觉化图(用 Visualizer 的 diagram 模块生成 SVG),展示角色、流程、关键概念的关系全貌。不要用纯文字代替。
  3. 核心概念表:表格形式,列出术语/指标 + 定义 + 为什么重要 + 常见误用。其中「定义」列必须用「xxx 是……」的定义式开头(先一句教科书式准确定义,再补重要性),禁止用比喻替代定义;入门档需再加一列「一句话懂」大白话类比(详见 references/deliverable_templates.md 第 2 节与 references/information_density.md)。
  4. 业务流程或因果链:至少一条端到端的流程链或因果关系链(谁触发→经过什么环节→产生什么结果→反馈到哪里),建议同时用 Visualizer 生成流程图。
  5. 两个真实案例:必须是可查证的真实公司/项目/事件(不是虚构范例),每个案例说明背景、关键决策、结果、对框架的验证或修正。
  6. 方法与工具清单:分类列出该领域从业者实际使用的方法论、软件、数据源、评估工具。每一项必须先用"X 是……"的下定义口吻解释"它是什么、解决什么问题、核心机制是什么"(面向第一次听说该名词的读者,1-2 句),再标注适用场景、市场地位与获取方式;禁止只罗列特点和市场地位而跳过定义。具体格式与正反例见 references/deliverable_templates.md 第 5 节。
  7. 专业问题清单:5-10 个准备向真正专家提出的问题,聚焦第四层未有共识的争议点和认知盲区,问题要具体、可被专业人士快速判断"这人是不是懂行"。
  8. 一个亲自完成的小任务:设计一个用户或WorkBuddy可以在当次会话中实际动手完成的最小实践任务(例如:搭一个简化模型、做一次真实数据拉取与分析、模拟一次关键决策),并给出结果和自我验证方式。

参见 references/deliverable_templates.md 获取每项交付物的具体格式模板和撰写要点。

Research & Verification(强制检索验证协议)

在撰写任何一层内容或任何交付物之前,必须先执行 references/research_protocol.md 中定义的检索与验证流程。核心要点(详见该文件):

  1. 分级信源:一手权威(年报/监管文件/法院文书)> 权威二次报道(主流财经媒体)> 自媒体/论坛(仅作线索,需交叉验证)> 模型自身知识(不能直接作为定量数据来源)。
  2. 五轮专项检索:领域框定(含权威来源对领域名称的标准定义,用于领域定义卡)→ 指标专项(核心概念表每个指标单独查最新数值)→ 案例专项(基本事实+量化结果各一轮,必要时用 WebFetch 核对原文)→ 争议专项(第四层必须专门检索具名专家/机构的分歧观点,不能编造伪争议)→ 工具专项(方法与工具清单每个条目核实当前维护状态与市场格局,避免推荐已废弃工具)。
  3. 交叉验证:任何写入交付物的具体数字,尽量用两个独立来源核对;不一致时并列呈现两个数字及来源,不擅自取一个。
  4. 置信度标注:每个关键数据点标注 [已核实] [单源] [估算] [存在分歧] 之一,估算类必须同时给出推理逻辑和假设条件。绝不能用"看起来精确"的数字掩盖真实的不确定性。
  5. 来源记录:格式为 (来源:机构/媒体名称,标题或文件类型,发布/统计时间),附在案例、图表、关键数据点之后。

如果检索后仍找不到完全匹配的真实案例,宁可如实告知"未找到完全匹配案例,以下是最接近的真实案例并说明其局限性",绝不虚构案例数据。

Workflow

  1. 确认目标领域,并执行认知起点校准与初次调用引导分流:按 references/information_density.md 的规则,AI 先判断档位(入门/专业/深度,默认专业档)并输出分流卡,用户可一句话确认或改档;跨出用户专业的领域必须出分流卡等确认;判定为深度档则初始化用户状态表。框架不变、密度可变。
  2. 按上述 Research & Verification 协议做五轮专项检索(WebSearch/WebFetch),建立带置信度标注和来源记录的素材库,再动笔写正文。其中"领域框定检索"必须包含权威来源对领域名称的标准定义,用于"领域定义卡"的撰写。
  3. 先撰写"领域定义卡"(第 0 项),确认读者凭这一段就能讲出"这是什么"——这是后续五层的语义锚点,缺位会让所有后续讨论在读者脑中指向模糊。
  4. 按五层逐层撰写内容,每层都要具体、有信息密度,避免空话;不确定的地方明确标注置信度标签。
  5. 生成 Deliverables 清单中的八项交付物,全景图和流程图使用 Visualizer(先调用 read_me 加载 diagram 模块)生成 SVG,避免用纯文字表格代替视觉图。
  6. 在对话中用简体中文清晰分节呈现八项交付物的核心内容,让用户在聊天窗口里就能看到关键结论,而不是复述框架本身。
  7. 默认额外产出一份 HTML 报告文件(除非用户明确说"只要口头讲一下""不需要文件"):参照 assets/demo.html 模板,将八项交付物(含领域定义卡)和五层叙述内容填入对应占位符,SVG 图表直接内嵌到 {{PANORAMA_SVG}} / {{CHAIN_SVG}} 占位符中,领域定义卡填入 {{DOMAIN_DEFINITION}};生成后落盘到当前工作目录的输出位置(如 outputs/<领域名>-deep-dive-report.html),并用 present_files 呈现给用户(present_files 会自动在预览面板中打开 HTML)。
  8. 如果用户明确要求其他格式(Markdown/PPT等),在 HTML 报告基础上按需再转换或补充生成,而不是替代 HTML 报告。

Notes

  • 本技能的核心价值是"结构化 + 可验证",避免输出停留在概念罗列层面。第五层的问题清单和小任务是检验前四层理解是否扎实的关键环节,不能省略。
  • "领域定义卡"是必备的语义基座,先于五层:跳过它直接讲"本质与边界"会让读者连领域是什么都不知道就进入分析,是本技能最常见的输出缺陷。
  • 信息强度自适应:框架不变、密度可变。动笔前必须按 references/information_density.md 做认知起点校准与引导分流(AI 判断档位 + 用户确认),选定入门/专业/深度档;跨出用户专业的领域尤其要先出分流卡确认,否则极易写出让对方看不懂的内容。
  • 清单类交付物统一下定义口吻:领域定义卡、核心概念表、方法与工具清单三处都必须用"X 是……"先下定义,再展开;禁止用比喻或营销话术替代定义。
  • 案例必须真实可查,如果无法确认真实性,要明确告知用户这是示例性描述而非真实案例。
  • 遇到跨学科或高度专业(如医疗、法律、金融监管)领域时,第四层的"争议"部分要客观呈现各方观点,不代替用户下结论。
  • HTML 报告是交付物的"综合载体",不是替代对话讲解——两者都要有:对话里讲清楚核心结论和判断,HTML 报告承载完整的结构化内容供用户长期保存和分享。
  • assets/demo.html 的样式是浅色扁平风格(白底卡片、细边框、无渐变阴影),如果用户要求暗色主题或其他视觉风格,可在填充内容时直接调整该模板的 CSS 变量(:root 中的颜色变量),不必重新设计整套样式。

常见问题

5 问
答案由本站依据条目字段整理
雅典娜怎么安装?

在支持 Skills 的客户端里执行:skillhub install user_883a8071/sk-2007040817。安装方式为未标注。装完刷新技能列表或重开客户端。

雅典娜支持哪些客户端?

资料没有标注宿主客户端,但只要客户端支持 Skills(Claude、Codex、Cursor 等),一般都能加载。

雅典娜权限高吗,安全吗?

权限级别为未标注权限。安装前先看它会读取或写入哪些内容。

雅典娜收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于技能本身和所用的模型或客户端,正式使用前按作者说明确认。

雅典娜用什么许可证?

许可证标注为 未说明(许可证不明确)。商用或二次分发前请到仓库确认条款原文。

热门专题

按场景挑技能
全部专题 →

技能内容以作者仓库为准;分类、权限级别与许可证状态的中文说明为中文整理,最近核验 2026-11-06。