核心用法
AI Learn Tutor 是一款面向自学者设计的纯文档型 Skill，通过"学、练、查、写"四位一体的闭环设计，帮助用户从零基础成长为领域高手。其核心工作流分为四个阶段：首先，用户上传论文、文档等学习资料后，Skill 会引导构建专属知识库并建立向量检索能力；其次，根据用户当前基础与目标，自动生成阶段性学习路线与里程碑；随后进入核心练习环节，Skill 可自动出题（支持选择、简答、计算等多种题型），并在用户作答后完成自动批改与详细讲解，错题自动归入错题本；最后通过知识点总结、框架梳理、复习卡片生成等方式完成知识内化。
显著优点
该 Skill 的最大优势在于系统性教学设计。相比传统 AI 问答的零散交互，它强制要求"连贯式教学"——从目标确认、路径规划到阶段验收形成完整闭环，避免"学一点忘一点"的碎片化困境。其次，自动出题与智能批改功能大幅降低学习成本，用户无需寻找题库即可获得针对性练习。第三，进度可视化设计让学习者清晰掌握各章节掌握度，缓解"不知道学得怎么样"的焦虑。第四，作为纯 Markdown Skill，它零依赖、零配置，开箱即用，无需担心环境搭建或版本冲突。最后，其学科覆盖面极广，从数学物理等基础学科到机器学习、CFA 考证、论文研读均有成熟模板。
潜在缺点与局限性
作为纯文档型 Skill，其功能边界完全依赖大模型本身能力，无法执行真实代码（如自动运行 Python 验证作业正确性）、无法连接外部题库 API、无法实现真正的 spaced repetition 算法调度。知识库构建阶段需用户手动整理上传资料，缺乏自动网页爬取或文献检索功能，信息输入成本较高。此外，学习路径的合理性高度依赖模型判断，对于前沿或小众领域，生成的阶段性规划可能脱离实际教学规律。错题本的"自动整理"本质是文本生成，无法实现真正的遗忘曲线计算与智能复习提醒。
适合的目标群体
该 Skill 最适合三类用户：一是自学型知识工作者，如准备 CFA/FRM 的金融行业从业者、自学机器学习的转码人员，他们需要结构化指导但无力支付昂贵培训课程；二是科研入门者，需要系统梳理文献、复现论文方法论但缺乏导师指导的研究生或独立研究者；三是终身学习者，希望建立个人知识管理系统（PKM）并将散落的学习资料转化为可检索、可复习的知识资产。对习惯被动听课、需要强外部监督的用户效果可能有限。
常规使用风险
尽管安全评级为 S 级，仍需注意以下风险：幻觉风险——AI 生成的学习路径、题目答案可能存在事实错误，关键知识点需交叉验证；过度依赖风险——长期使用可能削弱自主信息检索与批判性思维能力；数据管理风险——用户上传的学习资料若包含敏感信息（如未发表论文、公司内部材料），需确认实际运行环境的隐私政策，Skill 本身虽不收集数据，但底层平台的数据处理方式需用户自行把控。此外，纯文档型设计意味着无持久化存储，学习进度、错题本等内容在会话结束后无法保留，需用户手动导出备份。