核心功能
University Skill 是一套系统化的AI辅助学习框架，旨在替代或补充传统高等教育。其核心架构包含七大模块：学位设置（degrees.md）、内容生成（content.md）、评估考试（assessment.md）、规划日历（planning.md）、进度追踪（tracking.md）、学习格式（formats.md）和学习偏好反馈（feedback.md）。
该Skill采用工作区管理模式，所有学习数据统一存储于~/university/目录下，按学位/认证项目分层组织，包含课程大纲、进度记录、考试日历和模块化学习材料。支持多学位并行管理，通过config.md统一管理用户的学习偏好、时间规划与目标设定。
显著优势
1. 完整的学位替代能力：可生成等同于大学学位的完整课程体系，包括先修课程映射、时间估算和结构化学习路径
2. 自适应学习引擎：根据用户实际知识水平动态调整难度，区分"已学习"与"已掌握"状态，避免虚假熟练
3. 强制间隔重复：自动安排复习计划，将闪卡（flashcards）与间隔重复算法整合到学习流程中
4. 多模式适配：支持五种用户模式——完全自学（Autodidact）、在校辅助（Student）、职业转型（Career Change）、考试冲刺（Exam Prep）和辅导他人（Tutor）
5. 多模态内容处理：可解析PDF、音频、视频等材料，自动生成摘要、提取概念并制作闪卡
局限性与风险
核心局限：
- 认证效力缺失：AI生成的"学位"不具备官方认可度，无法替代学历证书用于求职或升学
- 知识时效性：课程内容依赖训练数据，前沿学科（如最新医学指南、法律修订）可能存在滞后
- 实践环节薄弱：实验室操作、临床实习、工程项目等需要实体资源的环节难以完整模拟
- 学术诚信边界："Critical Rules"明确禁止直接生成考试答案，但用户可能规避此限制
使用风险：
- 过度依赖风险：用户可能忽视真实学术社区、同行评审和导师反馈的价值
- 进度幻觉：系统"预测考试就绪度"等功能可能高估实际能力，导致认证考试失败
- 数据安全：学习记录、上传的PDF材料、考试成绩等敏感信息存储于本地文件系统，若云端同步则存在泄露风险
适合人群
- 无法接受传统全日制教育的在职人士
- 需要系统化备考专业认证（AWS、PMP、医师资格考试等）的考生
- 希望结构化学习特定领域（编程、数据科学、法律基础等）的自学者
- 需要辅助子女学习的家长（Tutor模式）
不建议使用场景
- 需要官方学位认证的求职或升学场景
- 医学、航空、建筑等高度监管行业的执业资格准备（需配合官方认证项目）
- 缺乏自律性的学习者（系统依赖用户主动执行学习计划）