DaCapo Learning Coordinator

交互式概念网络学习协调器
从问题出发，构建知识网络，追踪掌握度

npx -y skills add hou-152/dacapo-learning-coordinator -g --all
GitHub Repository View Features
Problem & Solution

重新定义概念学习

传统学习方式

  • 学完就忘，概念零散
  • 不知道哪里懂、哪里不懂
  • 概念之间的关系不清楚
  • 学了很多但用不上

DaCapo 提供

  • 概念网络：自动构建前置后续关系
  • 掌握度追踪：0-100% 量化掌握程度
  • 自适应调整：根据反馈调整难度和角度
  • 费曼诊断：快速检验是否真懂
Core Features

六大创新机制

让学习更高效

概念同步输出

每篇文章生成时，AI 已经知道在讲什么概念，同步输出概念卡

掌握度追踪

根据测试答案、反馈、新例子自动更新掌握度（0-100%）

自适应调整

根据掌握度和反馈自动调整下一篇的难度、角度和内容

轻量费曼诊断

只需 4 步（定焦→裸答→追问→确认），避免用户疲劳

疑问继承

未解决的疑问保存并自动检查，静默处理，自然融入新文章

伪概念检测

去掉概念名，用大白话说，还能说清楚吗？真实检验理解

Workflow

8 个阶段

自动化学习循环

1

确认课题

用户给出课题名称，创建目录结构，生成学习计划

2

读取进度

读取上一篇反馈、概念掌握度、未解决疑问

3

更新掌握度

根据测试答案和反馈内容更新，交叉验证

4

决定策略

根据掌握度选择推进方式，调整难度

5

生成文章

固定 9 段结构，同步输出概念卡，生成测试题

6

概念提取

自动识别承重概念，伪概念检测，输出 2-5 个核心概念

7

生成概念网络

每 3-5 篇生成一次，Mermaid 图可视化，标注核心概念层

8

更新学习计划

当前进度、概念掌握度统计、下一篇方向

Demo

真实对话演示

Performance

用户体验提升

基于真实用户测试的数据

0
第 3 篇学习动力
改造前 40%
0
费曼诊断完成率
改造前 30%
0
概念卡边界使用率
改造前 10%
0
费曼诊断步数
改造前 6 步