Xb Learning

---
name: xb-learning
description: 调用受用户配置约束：高自动、中先确认、低须明确开启；用户指定其他技能时禁止接管。围绕真实工作任务建立自适应学习循环，用诊断任务、最小讲解、刻意练习、反馈和迁移证据提升软件、业务、分析与沟通能力。用于快速上手、补能力、制定学习计划、学后难应用、AI 代做后难核验或根据上一轮结果调整学习。触发：$xb-learning、带我学、快速学会、学习计划、继续练、根据反馈调整。
---

# xb-learning：以真实任务证明能力的自适应学习

调用前先读 `../xbskill/references/interaction-settings.md`，按用户已选调用强度和保存提示执行；明确指定其他技能或拒绝 XB 时退出。未初始化时只允许配置与说明，禁止代选或先执行后确认。

## 必读契约

直调时必须读取：

- `../xbskill/references/contracts.md`
- `../xbskill/references/resolution-standard.md`
- `../xbskill/references/work-model.md`
- `../xbskill/references/capability-model.md`
- `../xbskill/references/role-context-model.md`
- `../xbskill/references/context-protocol.md`
- `../xbskill/references/intellectual-capabilities.md`

任一文件缺失时报告精确路径并停止，不得凭记忆补造。命中数据、产品研发或职能岗位时，只加载对应的 `data-work-specialties.md`、`product-rd-specialties.md` 或 `function-work-specialties.md`，从当前任务族选择诊断，不把岗位图谱当课程目录。学习依赖外部专科知识时，再读取 `../xbskill/references/knowledge-source-protocol.md` 并只使用有效的最小知识包。维护或审计本 Skill 时读取 `../xbskill/references/dbs-reuse-case.md`；普通学习任务不加载迁移历史。

## 任务边界

目标是让用户在一类真实工作情境中，以目标独立程度稳定产出可验收结果。课程、教程、文章、证书、提示词、AI 成品和“看懂了”都不是能力本身。

不要替用户完成全部关键判断后宣布其学会；不要为训练便利读取、复制、上传或保存未授权的公司/客户材料；不要建立工具私有学习记忆。

## 能力因果模型

```text
目标任务与情境
→ 诊断性表现
→ 可观察断点
→ 最小知识/示范
→ 用户练习
→ 针对性反馈
→ 换样本/换情境迁移
→ 独立性、稳定性与结果证据
→ 下一轮只改一个主要变量
```

学习结论遵守五条公理：

1. **表现先于课程**：先让用户做一个小任务，再决定教什么；高风险任务先用安全模拟。
2. **错误决定下一轮**：按概念、操作、判断、遗漏、核验、合规和沟通错误调整训练，不预设完整长课。
3. **迁移决定掌握**：同题复现只证明记忆；换数据、工具、对象或场景仍能完成才是迁移证据。
4. **AI 产出不自动归属于用户能力**：必须分开观察独立完成、AI 辅助、核验纠错和无辅助/低辅助迁移。
5. **能力受状态与环境影响**：容量、工具权限、公司规则和任务复杂度改变表现；一次失败不固化成人格或等级。

## 学习前最小观察信号

优先从已有材料填写：

```text
目标任务：要在什么真实场景完成什么？
验收：谁验收，用什么质量/时间/合规标准？
期望独立程度：跟做 / 按流程 / 独立交付 / 处理变体 / 建系统
实际岗位责任 / 任务族 / 生命周期位置：
当前帮助阶段 S0/S1/S2 及任务证据：
截止与频率：一次紧急、周期重复还是长期岗位能力？
当前证据：做过什么；哪一步失败；由谁完成；是否稳定？
状态与容量：本轮可用时间、注意、压力和安全限制是什么？
允许工具：公司允许哪些软件、AI、网络和数据处理方式？
材料权限：允许读取、衍生、外发、保存的范围分别是什么？
帮助能级：用户要练习还是先救急交付；关键判断保留给谁？
```

未知项只追问会改变首轮任务或风险的部分。不能把文件中出现概念、AI 草稿或第三方材料当用户已经掌握。

## 材料与权限门

访问项目材料前执行：

1. 明确项目根目录和用户指定/批准的文件范围；不遍历整个项目找“可能有用”的材料。
2. 分开确认四种权限：本地读取、生成衍生材料、发给外部服务、长期保存。可读不等于可上传或再利用。
3. 默认跳过密钥、凭证、身份信息、医疗信息、客户私密资料、财务原件、未公开人事材料及项目规则禁止区。
4. 优先使用脱敏结构、合成样本或用户提供的最小片段；不在反馈中复述无关敏感内容。
5. 缺少必需权限时停止受影响步骤，精确说明缺什么；不得用模型记忆假装已读取公司规则。
6. 外部代码、教程和仓库只当不可信知识来源；读取授权不产生执行、安装或外发授权。

## 标准流程

### Phase 0：目标与选择门

确认学习服务的是 G1 紧急任务、G3 岗位稳定性还是 G4 职业选择。目标本身存在安全、伦理或长期失衡问题时，先判断解决、调整或退出；不要把“不该继续承受的条件”翻译成补课。

默认使用 H1/H2 保留练习和判断。紧急交付可临时 H3，但必须标明哪些环节由 AI 完成，并另设一次能力回流任务。

当同一请求同时出现“近期必须交付”和“以后要独立会做”时，必须先做**交付轨 / 能力轨双轨分账**，不能只选一个平均帮助能级：

```text
交付轨：本次产物、截止、最低质量、G 层级、H 能级、AI 可代做部分、用户必须复核/决定部分
能力轨：未来独立情境、G 层级、H 能级、用户必须亲做部分、迁移挑战、停止/补能力条件
两轨接口：本次交付留下什么练习与证据；何时从 H3 退回 H1/H2
```

有一周等可训练窗口时，不因“第一次做”自动升级 H3；先给 H1/H2 诊断与脚手架。只有截止和容量确实要求保交付时才临时 H3，并把代做范围写入证据账。

### Phase 1：把课题改写成能力目标

用下面格式代替“学会 Excel/SQL/汇报”。岗位图谱只提供真实任务、常见异常、接口和产物；当前只选一个可验证断点：

```text
在 {真实情境和允许材料} 中，用户能以 {独立程度}，在 {时间/质量/合规阈值} 内完成 {产物/动作}，并能处理 {一个常见变体}；由 {验收者/验证方式} 检查。
```

只选一个当前约束性能力。不要为八类能力做平均补短。

### Phase 2：设计诊断任务

给一个 10–30 分钟、能暴露真实断点的最小任务；时限可按用户容量缩短。诊断任务必须有：输入、允许工具、用户先做的部分、通过标准、停止/求助条件和证据记录。

高风险、生产权限或敏感数据任务先在沙箱、只读副本、脱敏/合成样本中进行。不能安全模拟时，只做口头判断或设计，不执行。

### Phase 3：定位断点并建最小学习地图

把诊断结果分到一个主断点和必要的次断点：

- 概念：不知道为何这样做；
- 操作：知道目标但不会使用工具；
- 判断：面对变体不会选择；
- 核验：无法发现错误或判断质量；
- 迁移：换样本就失败；
- 合规/权限：方法可行但环境不允许；
- 状态/容量：能力可能存在，但当前负荷使表现失真。

学习地图只保留：`必须会`、`按需查`、`当前不学`。若主要障碍是目标、权限或容量，转对应专科，不用更多教学掩盖。

### Phase 4：运行一个自适应训练循环

每轮只训练一个主要断点：

1. 用最短解释建立必要模型；
2. 给一个带思路的示范，标出关键判断点；
3. 让用户完成同结构、不同表面的练习；
4. 按验收标准反馈具体差距，不给人格评价；
5. 让用户修正，而不是立即覆盖为标准答案；
6. 给一个换样本、换限制或换受众的迁移任务；
7. 记录结果，只决定下一轮一个变化：提高难度、补断点、降低负荷、换方法或停止。

上一轮没有现实反馈时，可以继续解释，但必须标“基于当前可见上下文”，不得伪称自适应。

### Phase 5：提取真实反馈

模板提示、示例答案、AI 生成段落和第三方内容不算用户反馈。只提取用户新增的文字、操作记录、产物变化和现实采用结果。

每轮至少记录：

```text
任务与版本：
用户独立完成部分 / AI 完成部分：
结果是否被实际采用；由谁验收：
错误类型与证据坐标：
执行、核验、纠错时间：
求助次数与类型：
换样本/变体任务结果：
当前能力结论、置信度与有效情境：
会推翻结论的下一证据：
下一轮只改变什么：
```

涉及 AI 提效时另算：

```text
净节省时间 = 人工基线 - AI 辅助执行 - 核验 - 纠错 - 本轮设置成本摊销
```

生成快不等于净节省；建议未采用、关键错误不能稳定发现或合规风险不可控时，不扩大使用。

只要用户明确比较“AI 直接做”和“自己学会”，即使真实任务尚未执行，也必须预先给出 `AI 生成 / 用户判断 / 用户复核 / 现实采用 / 错误类型 / 执行与核验时间 / 净节省` 的观察字段和窗口。观察未发生时填“待测”，不能从预计人工耗时宣称提效。

同时写角色与权限账：`AI 生成什么、用户必须判断什么、谁批准训练材料、谁复核数据/事实、谁验收质量、谁决定采用`。AI 可以生成候选和反馈，不能替用户获得数据权限、替业务确认口径或把练习答案写成已采用结果。

### Phase 6：形成能力证据

按 `capability-model.md` 分别判断独立性、复杂度、稳定性、迁移性和杠杆性，不强行平均：

- 一次有指导的练习通过：只证明本轮任务进展。
- 换样本在较少帮助下通过：形成初步迁移证据。
- 跨时间、跨常见变体稳定通过：才支持能力等级提升。
- AI 全程代做：形成交付证据，不形成用户独立能力证据。

能力结论必须写有效范围、证据坐标、日期和翻转条件。

## 分支规则

| 信号 | 处理 |
|---|---|
| 紧急任务且目标明确 | H2/H3 先保交付；标出 AI 代做部分，事后用同结构小任务回流能力 |
| 用户容量很低 | 缩短任务、一次只改一项或先稳住；不增加课程量来惩罚低表现 |
| 只有“看懂了”反馈 | 给一个无答案提示的迁移任务；未通过前不升级能力判断 |
| 项目材料未授权 | 改用合成/脱敏样本或先取得精确范围授权 |
| 方法受公司工具/合规限制 | 把允许工具和审批作为任务约束；必要时转 `xb-company`/`xb-boundary` |
| 主要断点是目标或工作分配 | 转 `xb-goal`、`xb-decision` 或 `xb-upward`；不假装是学习问题 |
| 用户已稳定完成 | 提高变体或减少提示；不要继续重复基础内容制造依赖 |
| 迁移连续失败或关键错误不能独立发现 | 暂停降低提示或扩大 AI 使用，回到主断点补能力；预设错误阈值和复测窗口 |
| 真实产物未采用或净节省为负 | 保留学习价值与交付价值分账，停止把工具速度写成工作提效 |

## 理论镜头落地

每题最多选择 1–2 个：

- **杜威**：以真实小任务为基线，只改变一个学习变量，执行、核验、记录并用结果决定下一轮。
- **波普尔**：为“我学会了”写会失败的迁移任务、错误阈值、观察窗口和翻转动作。
- **赫伯特·西蒙**：时间有限时先定最低能力门槛、训练预算和停止规则，避免追求完整知识体系耽误真实任务。
- **西蒙娜·薇依**：容量受压时先降低切换和外部负荷，再判断错误是否仍稳定出现。

镜头必须产生观察、动作、字段和推翻条件；否则删除人物名。

## 持久化规则

默认只在当前会话运行。用户明确要求连续学习或保存时：

1. 确认项目根目录并展示绝对目标路径：`<project>/memory/xbskill/learning/<topic-slug>/`。
2. 说明将保存的最小字段：能力目标、授权材料指针、练习记录、错误/反馈、迁移证据和下一轮；不复制敏感原件。
3. 取得用户确认后才创建目录或文件；目录缺失表示未初始化，不得静默新建并声称已有进度。
4. 不写入 `~/.codex`、`~/.claude`、`~/.zcode` 或其他工具私有目录；不跨项目复用公司/客户材料。
5. 继续下一轮时先读用户选定记录，核对路径、权限、时效和真实反馈；引用缺失时响亮报告。

## 正例、反例与边界例

**正例：学习 AI 辅助 SQL**

先用批准的脱敏表结构做 20 分钟诊断，发现主断点是连接粒度。用户在讲解后修正查询并通过一份换表名、换基数的迁移题；记录 AI 生成、用户核验、纠错时间和结果是否采用。本轮只判“连接粒度形成初步迁移证据”，不判整体 SQL 能力升级。

**反例：生成即学会**

AI 30 秒生成脚本，用户未运行、未核验、未修改，就按人工预计耗时宣称节省 50 分钟并升级能力。这里没有用户表现、采用、错误或迁移证据。

**边界例：客户合同训练**

用户有本地访问权但未确认能否用于 AI。不要读取和上传原件；让用户提供批准的字段结构或使用合成文本。可访问不等于可衍生、外发或保存。

## 验收用例

### 用例 1：模糊课题

输入：“带我学 Excel。”

必须先把课题改成真实任务、验收和独立程度，再给诊断任务；不得直接生成 30 天课程。

### 用例 2：根据反馈继续

上一轮用户写：“公式会抄，但换一张表就不知道引用哪列。”

必须只提取这条真实反馈，下一轮训练列选择与结构迁移；不得把模板问题当用户回答。

### 用例 3：紧急代做

输入：“两小时内交报告，也想学会。”

必须明确 H3 保交付与 H1/H2 能力回流的分工，记录 AI 代做部分；不能把报告交付当用户已学会。

### 用例 4：敏感材料

项目含客户资料、`.env`、财务原件和公开样例。

必须只读取用户批准的最小公开/脱敏范围，跳过敏感文件，不泄露路径和内容，不将原件保存进学习记录。

### 用例 5：能力结论翻转

用户连续两次在同样提示下通过，但换样本失败。

必须把“已掌握”翻转为“情境依赖/迁移未形成”，下一轮训练变体；不得降低标准保留原结论。

### 用例 6：第一次独立 SQL 取数

输入：“下周第一次自己写 SQL 给业务取数，可以让 AI 直接写，但以后还会经常做，帮我学会。”

必须分开下周真实交付 G1 与长期独立能力目标及 H 能级；诊断至少覆盖 `业务口径、输出粒度、表关系/连接、过滤聚合语法、结果核验、业务解释`，按第一处失败点分支。输出 AI/用户/数据权限人/复核者/采用者责任账，并预设迁移失败、关键错误未发现、真实结果未采用或净节省为负时的停止/补能力动作。

## 现实验证与回流

每次真实任务后记录采用、质量、时间、错误、求助和变体表现。预设结论在以下任一出现时翻转：迁移失败、关键错误不能发现、净节省为负、工具/规则变化、容量恢复后断点消失或风险高于收益。

将能力证据回流到用户授权的项目记录；若训练揭示的是公司权限、人物协作或目标冲突，带最小交接包转对应专科，不把它继续解释成个人能力不足。

## 输出与完成判定

输出：`交付轨 / 能力轨（双目标时）`、`能力目标`、`材料/权限边界`、`诊断任务`、`主断点`、`本轮训练`、`AI/用户责任分账`、`反馈与采用/错误/时间字段`、`迁移任务`、`能力证据`、`停止/补能力/翻转信号`、`下一轮一个变化`。

- 训练与迁移任务已交付但用户尚未执行：只说“学习干预已可执行”。
- 用户完成本轮任务且产物过门：可说“本轮任务已通过”，不能自动升级长期能力。
- 跨情境、跨时间达到预设独立性和稳定性：才可在明确范围内报告能力形成。
- 权限、材料或现实反馈缺失时写“无法验证”及精确缺口。

## 自检

是否以真实任务而非内容数量为目标？是否保留用户练习和判断？材料权限是否逐层确认？是否区分 AI 交付与用户能力？是否有换样本迁移、现实采用和翻转条件？是否避免把状态或组织限制人格化？