全学科学习合订技能包（合订版 1.0.2）
> 本包由「行业技能工厂」自动合订，34 个原技能 → 1 个技能包。
> 最近更新：2026-11-05 ｜ 版本：1.0.2 ｜ 分卷数：8
> 维语、外卖配送类技能按要求保持独立，不并入本包。
适用场景
- 学习某门课程时，需要一次拿到知识框架 + 公式定理 + 解题 SOP + 典型例题，不想在几十个技能里翻找。
- 备课、写课程论文、做复习提纲、整理错题本、准备期末或考研，需要跨学科查资料。
- 做实验、写实验报告、处理数据、排查「算出来对不上」的问题。
- 需要一个统一入口：问哪科就自动路由到对应分卷，不必记住每个技能的 slug。
快速路由表（先查这里，再读分卷）
| 卷 | 主题 | 参考文件 | 收录 |
|---|---|---|---|
| 卷 1 | 数学与计算基础 | references/vol-01-math.md |
7 |
| 卷 2 | 物理学 | references/vol-02-physics.md |
6 |
| 卷 3 | 力学与材料 | references/vol-03-mechanics.md |
4 |
| 卷 4 | 电路、电子与实验 | references/vol-04-electrical-lab.md |
4 |
| 卷 5 | 计算机与开发 | references/vol-05-computing.md |
5 |
| 卷 6 | 教育与学习方法 | references/vol-06-education-methods.md |
3 |
| 卷 7 | 创作、设计与商业 | references/vol-07-content-design-business.md |
3 |
| 卷 8 | 行业专业与生活服务 | references/vol-08-industry-life.md |
2 |
> 读法：根据用户问题里的学科关键词选中一卷，打开 references/<参考文件>，
> 卷首有本卷目录与来源索引，每个原技能下固定分「核心知识体系 / 标准作业流程 / 案例、例题与故障排查」三节。
核心知识框架（四层能力）
- 概念层：术语、定义、物理量与单位、符号约定、适用条件。回答「是什么」。
- 原理层：定理、定律、公式、模型与推导链。回答「为什么」，注意每个公式的成立前提。
- 方法层：解题 SOP、实验操作步骤、岗位作业流程、常用工具与数据处理。回答「怎么做」。
- 验证层：量纲检查、极限与特例、守恒律、数量级估算、错题归因。回答「对不对」。
跨层约束：任何计算结论必须能回溯到原理层的某条公式，并标明所用假设；
实验与岗位类内容必须先过安全要点，再谈步骤与结果。
标准作业流程（SOP，六步）
- 定位：判断问题属于哪一卷；跨学科则拆成多个子问题分别路由。
- 取框架：读该卷对应技能的「核心知识体系」，列出可用公式、定理及其适用条件。
- 建模：把题目/任务转成模型（受力图、等效电路、方程组、状态空间、数据结构），写清已知量与未知量。
- 求解：按该技能「标准作业流程」逐步推演，保留中间量，不跳步；数值计算注明精度与单位。
- 验证：量纲、极限、特例、守恒、数量级四查；与「案例、例题与故障排查」中的典型结果比对。
- 输出：按下方模板给出结论，并列出本次用到的参考来源；无法查证的写「暂未查证，需人工核实」。
输出模板
【路由】卷 N：<卷名> → <原技能中文名>（<slug>）
【问题重述】一句话说明要求什么
【依据】公式/定理/标准条文 + 适用条件 + 出处
【步骤】1. … 2. … 3. …（保留中间量、单位）
【结论】最终答案 / 操作结论 / 建议
【验证】量纲、极限、特例、数量级四查结果
【易错点】本类问题最常见的 2–3 个坑
【来源】MLA 格式列出；未查证项明确标注
常见问题与排查
- Q：不知道该读哪一卷？ A：先看上面的路由表；仍不确定时读
references/INDEX.md，那里有全部原技能的 slug → 卷 → 中文名映射。 - Q：卷里内容和原技能不一样？ A：合订时保留原文，仅把标题层级下移三档以适配分卷结构；原技能目录
~/.workbuddy/skills/<slug>/未删除，可对照。 - Q：某个新学的科目没收录？ A：本包每周自动重扫工厂技能并合并新完成的主题，落在「新增主题」卷；也可手动重跑
build_bundle.py --publish。 - Q：维语翻译、外卖配送在哪？ A：按要求保持为独立技能（
k12-primary-uyghur、job-delivery-rider、job-courier、job-logistics-dispatcher），不在本包。 - Q：算出来和答案对不上？ A：依次查单位换算、符号约定、公式适用条件、边界条件、数值精度；再对照该技能「案例与排查」小节。
- Q：内容可信吗？ A：所有标准号、条文、数据来自各原技能联网查证的公开来源，来源清单保留在每卷末尾；推断性内容已单独标注。
版本与更新
| 版本 | 日期 | 收录技能数 | 变更 |
|---|---|---|---|
| 1.0.2 | 2026-11-05 | 34 | 首次合订发布 / 常规更新 |
| 1.0.1 | 2026-11-05 | 34 | 首次合订发布 / 常规更新 |
| 1.0.0 | 2026-11-05 | 34 | 首次合订发布 / 常规更新 |
- 更新方式：每周自动重跑
python industry-skills/build_bundle.py --publish，
自动吸收新完成的技能、版本号递增、重新发布到 SkillHub、重生成网页版，并把更新摘要汇报给用户。 - 合订不删除原技能目录，随时可回滚或单独使用某个原技能。
参考来源（MLA 格式，主要来源汇总）
- 中华人民共和国教育部.《义务教育课程方案和课程标准（2022年版）》. 北京师范大学出版社, 2022.
- 中华人民共和国教育部.《普通高中课程方案和语文等学科课程标准（2017年版2020年修订）》. 人民教育出版社, 2020.
- 邱关源, 罗先觉.《电路》（第5版）. 高等教育出版社, 2006.
- 中华人民共和国人力资源和社会保障部 等.《中华人民共和国职业分类大典（2022年版）》. 中国劳动社会保障出版社, 2022.
- 国家市场监督管理总局, 中国国家标准化管理委员会.《GB/T 22239-2019 信息安全技术 网络安全等级保护基本要求》. 2019.
- 全国人民代表大会常务委员会.《中华人民共和国个人信息保护法》. 2021.
- 全国人民代表大会常务委员会.《中华人民共和国数据安全法》. 2021.
- 全国人民代表大会常务委员会.《中华人民共和国消费者权益保护法》（2013年修正）. 2013.
- 全国人民代表大会.《中华人民共和国民法典》. 2020.
- 国家市场监督管理总局, 中国国家标准化管理委员会.《GB/T 31772-2015 家政服务机构等级划分及评定》. 2015.
- Roediger, Henry L., and Jeffrey D. Karpicke. "Test-enhanced Learning: Taking Memory Tests Improves Long-term Retention." Psychological Science, vol. 17, no. 3, 2006, pp. 249–255.
> 每个原技能的完整 MLA 来源清单保留在对应分卷末尾，本表仅列跨卷主要来源。
可验证事实
- 本包由 34 个本地已生成技能合并而成，分卷与 slug 映射见
references/INDEX.md。 - 维语与外卖配送相关的 4 个技能按要求未并入，仍以独立技能目录存在。
- 各分卷内容逐字取自原技能的
references/<slug>-{core,sop,cases}.md，仅做标题层级调整。 - SkillHub 发布副本由脚本生成，frontmatter 含
slug/version/displayName以满足平台校验。
推测与建议
- 建议按「先路由 → 再取框架 → 最后验证」使用，避免直接跳到公式套用（推断：能减少适用条件错用）。
- 新技能若长期堆积在「新增主题」卷，建议按主题手工归入前八卷（推断：可提升检索效率）。
- 若只在手机上看，建议使用网页版而非逐个打开 Markdown（推断：单页带目录导航更省事）。
