核心用法
Studying 是一个自适应学习技能，通过持续观察用户的学习行为模式，动态优化学习策略。该技能包含五个核心维度：
- Techniques（方法）：记录有效的学习方法及其适用场景
- Schedule（时间安排）：捕捉最佳学习时段与节奏偏好
- Materials（材料形式）：识别用户偏好的内容载体（视频、图文、音频等）
- Exams（备考模式）：总结考试准备的个性化规律
- Never（无效策略）：排除对用户无效的学习方式
系统要求至少2次一致信号后才确认偏好，确保推荐的稳定性。
显著优点
1. 个性化适配：区别于固定模板，真正"读懂"用户而非强加标准方案
2. 渐进式优化：允许空状态起步，随使用自然进化
3. 多维度覆盖：从方法到材料、时间到场景，形成完整学习画像
4. 轻量记录：强制精简格式，降低维护成本
潜在局限
- 冷启动期长：需积累足够信号才能生效，初期体验接近无策略状态
- 依赖用户主动反馈：若用户不修正或补充，系统难以自我纠正误判
- 学术场景局限：明确聚焦课程/考试/成绩，职业学习、兴趣自学覆盖不足
- 信号验证偏保守：2次确认门槛可能遗漏真实但低频的偏好
适合人群
- 长期受困于"不知道什么学习方法适合自己"的学生
- 备考周期较长、愿意投入时间建立个人学习档案的用户
- 对学习效率敏感、希望系统替代试错成本的自律型学习者
常规风险
- 数据积累偏见：早期偶然的成功经验可能被过度加权
- 路径依赖固化："Never"列表可能过早排除某些情境下其实有效的方法
- 隐私敏感：学习习惯数据可能暴露学业压力、作息规律等个人信息