Crypto Learning

核心用法

Crypto Learning 是一款结构化加密货币自学系统，采用"每日一课"模式自动推送学习内容。用户通过读取 progress.json 获取当前学习位置，系统从 content.json 调取对应主题，结合实时 web_search 检索生成完整学习报告。核心交互包括：开始学习计划（按进度继续）、查看进度（可视化统计）、跳过/重置计划、手动指定主题学习。

每次调用强制输出 8 模块固定模板：①当日主题定位 ②白话版概念引入 ③系统化知识讲解 ④最新资料整合 ⑤生活类比与例子 ⑥可记忆要点总结 ⑦3道自测题（含答案） ⑧次日预告+进度更新。内容硬约束要求正文不少于450字、术语必附白话解释、至少2个类比、3条要点、禁止只输出标题。

显著优点

教学设计专业：遵循"先结论后展开"认知规律，强制"先讲人话"再讲术语，降低小白认知门槛。生活类比模块（如将区块链比作班级记账本、Gas费比作快递燃油费）将抽象概念具象化。内容完整性保障：即使 web_search 失败，仍基于知识库生成详细报告，杜绝"降级为短消息"的敷衍输出。进度系统灵活：支持跳过、重置、手动跳转，适配用户时间波动。时效性整合：实时检索 Binance Academy、以太坊官方文档等权威源，确保概念与市场动态同步。

潜在缺点与局限性

依赖外部检索稳定性：web_search 失败时虽能兜底，但最新市场动态可能缺失。内容深度天花板："小白向"定位导致技术原理（如密码学数学证明、EVM 底层实现）讲解偏浅，进阶用户可能觉得"不够解渴"。自测题质量参差：模板固定为3题，高难度主题可能难以设计有效区分度的题目。进度文件依赖：若 progress.json 损坏或权限异常，学习连续性中断。无交互式验证：自测题无用户作答反馈机制，无法确认真实掌握度。

适合人群

• 纯新手：对加密货币零认知，需要系统路径引导
• 碎片化学习者：每天15-20分钟，追求"学完即走"的轻量投入
• 投资观望者：想理解原理再决定是否入场，厌恶喊单式内容
• 非技术背景从业者：需建立行业通识的产品、运营、市场人员

常规风险

信息时效风险：加密货币监管政策、项目状态变化极快，web_search 结果存在"检索时有效、推送时过期"的窗口风险。投资建议模糊地带：虽定位为"学习"，但"投资向"阶段涉及仓位、风险等话题，可能触发不同司法辖区的合规敏感点。术语翻译争议：中英文概念对照（如"Gas"译为"燃料费"或保留原文）可能引发资深用户质疑。进度数据隐私：progress.json 若存储于云端，可能暴露用户学习偏好与时间规律。

安全认证说明

当前报告为系统生成的占位简介，标注"未执行安全扫描"。实际部署时需关注：web_search 来源的 XSS 风险、JSON 文件读写权限、用户指令注入（如手动主题参数过滤）。

核心用法

Crypto Learning 是一款面向加密货币学习者的自动化教育 Skill，核心功能围绕"每日推送+系统学习"展开。用户启动后，Skill 会根据预设的三阶段学习大纲（小白向30天、投资向60天、进阶投资90天）自动推送当日学习内容，每天早上9点生成可直接阅读的学习报告。

每次调用必须产出完整学习报告而非仅标题或摘要。报告严格遵循8模块固定模板：学习内容说明、人话版解释、系统化知识、最新资料整合、例子与类比、今日小结、3道自测题及答案、次日预告与进度更新。Skill 支持进度跟踪（progress.json）、跳过功能和重置功能，用户也可手动选择特定主题学习。

关键特色在于"强制质量约束"：正文不少于450字、术语必须配白话解释、至少2个生活类比、3条可背诵要点、3道自测题。若 web_search 检索失败，仍需基于本地 content.json 生成完整报告，不得降级。

显著优点

结构化学习路径：三阶段设计覆盖从区块链基础概念到投资策略的完整知识体系，避免学习者信息过载或迷失方向。进度持久化存储让用户随时中断和恢复。

教育友好设计："先白话后术语"的输出策略大幅降低认知门槛，生活类比将抽象概念（如Gas费、PoS共识）转化为日常经验，适合金融背景薄弱的初学者。

内容质量保障：硬约束机制确保每次输出都是"可学习材料"而非信息碎片，自测题和要点总结强化记忆留存，符合教育心理学中的间隔重复原理。

安全纯净实现：代码仅使用 Python 标准库，零第三方依赖，供应链攻击面为零。纯本地文件操作，无数据外泄风险，隐私合规得分优秀。

潜在缺点与局限性

内容更新依赖外部检索：虽然 Skill 要求整合最新资料，但 web_search 的实际执行依赖外部系统（代码本身不直接发起网络请求）。若检索失败，内容可能滞后于市场热点。

T3来源可信度：维护者为个人开发者 hmzo，非知名教育机构或区块链平台背书。学习内容的准确性和中立性缺乏第三方审计，加密货币领域信息噪声大，存在观点偏差风险。

进度数据本地脆弱：progress.json 存储于本地，误删或文件损坏将导致学习进度丢失。虽建议备份，但无自动云同步机制。

投资建议模糊地带：Skill 包含"投资向"和"进阶投资"阶段，虽定位教育，但加密货币内容天然涉及资产类别，用户可能将学习材料误解为投资信号。

固定模板限制深度：标准化输出格式虽保证可读性，但也限制了针对复杂主题的灵活展开，180天总周期对快速变化的市场可能显得冗长。

适合的目标群体

• 零基础好奇者：对区块链和加密货币感兴趣但不知从何入手，需要系统引导而非碎片化科普
• 时间受限的在职者：每日推送机制适合利用通勤或碎片时间学习，进度跟踪减少自我管理成本
• 计划性学习者：偏好结构化课程而非随机浏览，希望通过自测验证理解程度
• 风险厌恶型探索者：希望在投入真金白银前建立认知框架，区分投机与技术的边界

不适合：寻求快速致富代码的投机者、需要实时交易信号的投资者、追求学术深度的密码学研究者。

使用风险

性能与依赖风险：Skill 运行依赖本地 JSON 文件读写，大规模并发或文件损坏可能导致异常。无网络请求代码意味着内容更新需外部系统配合，存在功能耦合风险。

内容时效性风险：加密货币市场和技术演进极快，180天固定大纲可能无法覆盖Layer2、Restaking等新兴主题。web_search 的检索质量直接影响"最新资料整合"模块的价值。

投资误导风险：尽管定位为教育，但"投资向"阶段的止盈止损、仓位管理等内容易被误用。SKILL.md 未强制要求每次输出包含投资建议免责声明，存在合规隐患。

数据持久化风险：进度文件无加密、无版本控制，多设备使用需手动同步。重置操作不可逆，误操作将导致学习记录清零。

来源可信度风险：T3来源意味着无组织背书，若维护者停止更新或变更内容策略，用户缺乏迁移路径。建议定期导出学习进度，关键投资决策前交叉验证信息源。