deep-learning

🧠 构建知识网络的深度阅读引擎

融合 Adler、Feynman、Luhmann 经典方法论,通过七阶段工作流实现书籍与文献的深度消化,构建可生长的双向链接知识网络并输出可执行工具。

收藏
10.2k
安装
2.7k
版本
v1.0.0
CLS 安全性认证2026-05-11
点击查看完整报告 >

使用说明

核心用法

deep-learning 是一款基于 Zettelkasten(卡片盒笔记法)理念设计的深度阅读工作流 Skill,采用七阶段强制顺序执行机制(Phase 0-6.5)。用户需从 Pre-game Plan(执行计划)开始,依次经过概览与骨架(结构笔记创建)、索引设计与入网、递归生长(原子笔记创建)、方法论整理(可执行工具提取)、终极审视(费曼检验)和网络审视,最终通过 Phase 6.5 的流程执行审查确保闭环。整个流程强调案例保真(保留原始数据与出处)、无模糊动词(量化与具体化)和元数据强制(YAML Frontmatter),输出物包括结构笔记、索引笔记、原子笔记和方法笔记四类文档。

显著优点

该 Skill 的最大优势在于方法论的系统性与严谨性。通过融合 Mortimer Adler(结构)、Richard Feynman(解释)、Niklas Luhmann(连接)、The Pragmatist(工具化)和 The Critics(辩论)五位"专家座席",确保了知识处理从输入到输出的完整闭环。强制性的"案例保真"规则避免了阅读过程中的信息失真,而"无模糊动词"禁令(禁止"优化"、"加强"等虚词)显著提升了笔记的可执行性。Luhmann Scan 机制(前置依赖、潜在连接、方法论发现)促进了知识网络的有机生长,可能产生意想不到的洞察连接。

潜在缺点与局限性

流程的复杂性是首要门槛——7个主要阶段外加强制审查(Phase 6.5)对于日常轻量阅读过于沉重,更适合专题研究或书籍精读。作为纯文档型 Skill,它缺乏自动化辅助,完全依赖用户手动执行和自律,容易因执行成本过高而半途而废。预设的文件夹结构(如 03_索引/05_每日记录/)可能与用户现有的笔记体系冲突,需要额外的路径适配工作。此外,对 companion skills(如 structure-note、index-note)的依赖增加了配置复杂度。

适合的目标群体

本产品最适合学术研究者、深度阅读爱好者、知识管理从业者以及正在构建"第二大脑"的终身学习者。特别适用于需要撰写论文、研报或进行主题式研究的场景,也适合那些不仅想"理解世界"而且想"改变世界"的实践派读者——因为 The Pragmatist 座席强制要求提取可执行的 SOP、模板和检查清单。对于仅需快速浏览或轻度标记的 casual reading 场景,此 Skill 则显得过于笨重。

使用风险

主要风险在于执行成本与沉没成本。由于流程必须按顺序执行且不可跳过,一旦中途放弃,前期的结构化和索引工作可能沦为"半成品"。作为 T3 来源的个人开发者作品,模板的质量和适用性依赖于个体经验,缺乏机构级背书,用户需自行验证方法论是否符合自身学科规范。此外,虽然本体无代码风险,但若配合使用其他 companion skills,需额外审查这些外部依赖的安全性。建议用户在全面采用前,先用短篇文献进行端到端测试,评估时间投入产出比。

安全解读

核心机制

deep-learning 是一套融合五位认知大师的深度阅读系统,专为需要彻底消化复杂文本(书籍、学术论文、行业研报、长篇文章)并构建持久知识网络的用户设计。

五大专家座席的协同机制

  • Mortimer Adler(建筑师):负责结构化提取,构建核心命题与逻辑支撑链,产出骨架级结构笔记
  • Richard Feynman(教师):负责去魅解释,确保每个概念都能用外行听懂的语言重新表述,配备恰当比喻
  • Niklas Luhmann(图书馆员):负责知识网络化,通过「递归生长+Luhmann Scan」实现边创建边发现的有机连接
  • The Pragmatist(工程师):负责工具化提取,将方法论转化为可执行的SOP、模板与检查清单
  • The Critics(压力测试员):Musk、Socrates、Munger 负责批判性审视与漏洞辩论

七阶段工作流(含强制审查)

| 阶段 | 核心任务 | 关键产出 |
|:---|:---|:---|
| Phase 0 | Pre-game Plan | ≥6项TODO的执行计划.md |
| Phase 1 | Overview & Structure | 结构笔记(核心命题+逻辑树) |
| Phase 2 | Index Design | 索引笔记(关键词+多入口设计) |
| Phase 2.5 | 索引笔记入网 | 挂载到父索引+物理归位到03_索引/ |
| Phase 3 | Recursive Growth | 原子笔记网络(每轮Luhmann Scan) |
| Phase 4 | Methodology Consolidation | Method Note(SOP+Template+MVE) |
| Phase 5 | Final Review | 费曼检验(去魅+比喻+逻辑+拓扑) |
| Phase 6 | Network Review | 双向链接验证+索引入网+多索引挂载 |
| **Phase 6.5** | **流程执行审查(强制)** | 德明+葛文德视角的逐项DoD核验 |

质量铁律

1. 案例保真(Case Fidelity):有原文时强制保留具体数字、作者/机构、时间线、原话;无原文时明确标注来源限制,禁止编造
2. 模糊词禁令(No Vague Verbs):「优化」「加强」「适当」等虚词必须转化为具体动作或量化指标

3. 元数据强制(Metadata Mandatory):所有笔记必须包含YAML Frontmatter(type, tags, links)

显著优势

  • 五位大师协同:覆盖理解→解释→连接→工具化→批判的完整认知链条
  • 高保真知识提取:强制原始数据保留,杜绝阅读过程中的信息稀释
  • 可执行输出导向:不止于理解,强调「改变世界」的行动转化
  • 有机知识生长:Luhmann Scan 机制确保知识网络自发产生「意外的惊喜」连接
  • 工程级质量管控:Phase 6.5 的强制流程审查杜绝半途而废

潜在局限

  • 时间成本高:完整执行七阶段需要显著投入,不适合快速浏览场景
  • 学习曲线陡峭:需要理解 Adler/Feynman/Luhmann 等理论基础
  • 工具链依赖:需配合 structure-note、index-note、workflow-audit 等 skill 使用
  • 反刍式阅读:不适合追求阅读速度的场景,本质上是「慢思考」系统

适合人群

  • 研究者、学者:需要深度消化学术论文并建立领域知识网络
  • 投资者/分析师:需要提取研报中的可执行框架与压力测试逻辑
  • 知识工作者:希望通过阅读产生可复用的方法论与工具模板
  • 终身学习者:追求「读一本胜过读十本」的深度转化效果

常规风险提示

  • 执行半途而废风险:流程较长,需严格遵守 Phase 6.5 的强制审查机制
  • 过度工程化风险:短篇材料可能不需要完整七阶段流程
  • 链接维护成本:知识网络扩大后需定期维护双向链接的有效性
  • 模板依赖风险:需根据具体领域调整模板,避免僵化套用

deep-learning 内容

references文件夹
templates文件夹
手动下载zip · 15.6 kB
expert_personas.mdtext/markdown
请选择文件