知识学习Skills

以观其妙书院 · Obsidian 知识库

知识学习Skills

AI超级读者与创新催化剂——双层架构完整方法论

核心定位

本Skill是龙龟神将的核心学习引擎，采用双层架构：

方法论层（十项认知指令）：基于五层递进的认知操作系统，实现从"人类编写、机器检索"到"机器编译、人类审核"的范式转移。

工程实现层（LLM Wiki三层架构）：基于Karpathy的LLMification理论，构建持久记忆与自我进化的AI"第二大脑"。

根本区别：不是简单获取信息，而是系统性重构知识，创造新知，并通过机器编译实现知识持久化与自动化进化。

AI双重角色

超级读者 — 深度解析文章结构、逻辑、脉络与潜藏关系
创新催化剂 — 跨文章关联，激发新想法与突破性创新

核心范式转移

从：人类编写文档 → 机器检索片段（RAG模式，存在"健忘症"缺陷）到：机器编译知识 → 人类审核优化（LLM Wiki模式，实现持久记忆与自我进化）

双层架构全景图

╔════════════════════════════════════════════════════════════════════╗
║         知识学习Skills v2.3 · 双层架构全景图                         ║
╠════════════════════════════════════════════════════════════════════╣
║                                                                  ║
║  【方法论层】认知操作系统                                           ║
║  ┌──────────────────────────────────────────────────────────┐     ║
║  │ 十项认知操作指令（五层递进·五行流转）                    │     ║
║  │ 第一层·金：剖析+解构 → 结构化语义单元                     ║
║  │ 第二层·火：透视+阐释 → 深层逻辑与概念理解                ║
║  │ 第三层·水：推演+思辨 → 批判性建构与逻辑外推              ║
║  │ 第四层·木：溯源+融合 → 知识谱系与跨域连接                ║
║  │ 第五层·土：启发+映射 → 创新生成与新框架构建              ║
║  └──────────────────────────────────────────────────────────┘     ║
║                            ↓ 知识编译                              ║
║  ┌──────────────────────────────────────────────────────────┐     ║
║  │ 【工程实现层】LLM Wiki三层知识流水线                        ║
║  │ 物象层（Raw）：原始资料层 · 只读 · 事实来源               ║
║  │ 意象层（Wiki）：Wiki本体层 · LLM维护 · 知识图谱           ║
║  │ 原象层（Schema）：配置层 · 系统指令 · 行为准则             ║
║  └──────────────────────────────────────────────────────────┘     ║
║                                                                  ║
║  【核心哲学】                                                    ║
║  🔄 五行流转：金→水→木→火→土→金（循环增强）                   ║
║  🧠 范式转移：人类编写→机器检索 | 机器编译→人类审核             ║
║  ♾️ 自我进化：Linting机制 · 复利效应 · 持久记忆               ║
║                                                                  ║
╚════════════════════════════════════════════════════════════════════╝

详细方法论原文见 references/full-methodology.md，LLM Wiki三层架构见 references/llm-wiki-architecture.md，所有提示词模板见 references/prompt-templates.md，输出规范见 references/output-standards.md。

触发规则（MUST FOLLOW）

遇到以下任一情形，立即激活本Skill，不需要用户额外说明：

触发信号	示例
用户提交文章/论文/长文本	"帮我学习这篇文章" / "深度分析这段内容"
用户要求深度学习	"深度学习" / "系统研究" / "深入理解"
用户调用任一认知指令	"剖析…" / "溯源…" / "推演一下…"
用户要求知识创新输出	"形成新框架" / "跨领域融合" / "产出新理论"
用户提到LLM Wiki	"LLM Wiki"、"三层架构"、"知识编译"、"机器编译"
用户说"知识学习"	直接触发完整SOP

十项认知操作指令速查

层次	指令	核心目标	五行对应	核心特质
第一层·金（拆解）	剖析	提取核心问题/假设/概念，JSON结构化输出	金	清明决断，拆解分明
第一层·金（拆解）	解构	分解为基本元素，构建"零件清单"	金	如金之切割，精准提取
第二层·火（理解）	透视	论证链条A→B→C→D→E，识别新颖关系	火	光明洞察，照亮本质
第二层·火（理解）	阐释	概念深化，本文用法＋广阔背景＋演变	火	如火之照耀，透视深层
第三层·水（建构）	推演	三步逻辑外推（条件变更/领域迁移/不确定性）	水	润泽流动，思辨变通
第三层·水（建构）	思辨	四维批判（方法论/结论/范式/伦理）	水	如水之流动，多维度推演
第四层·木（整合）	溯源	学术谱系构建，概念演化追踪	木	生长联结，跨域生发
第四层·木（整合）	融合	强制关联法，跨域类比迁移	木	如木之生长，连接脉络
第五层·土（创新）	启发	研究空白＋反事实场景＋未来趋势	土	承载转化，框架沉淀
第五层·土（创新）	映射	终极操作：五步创建新框架/新理论	土	如土之承载，形成新知

LLM Wiki三层知识流水线

理论基础：知识编译范式转移

传统RAG模式的缺陷：

❌ "健忘症"：每次检索都重新解析，无法积累知识
❌ 孤立检索：无法发现文档间的隐秘联系
❌ 质量不可控：检索结果依赖原文质量，无法优化

LLM Wiki范式转移：

✅ 持久记忆：知识编译一次，长期复用
✅ 自我进化：Linting机制自动优化质量
✅ 机器编译：AI自动抽取、整合、生成知识图谱
✅ 人类审核：最终决策权在人，AI提供高质量候选

三层架构详解

层级	对应象思维	核心定义	特点	存储位置
物象层（Raw）	物象（感官可及）	原始资料层，只读，不可篡改	事实来源，可追溯	`raw/` 目录
意象层（Wiki）	意象（主客融合）	Wiki本体层，LLM维护，知识图谱	结构化，可演进	`wiki/` 目录
原象层（Schema）	原象（终极本质）	配置层，系统指令，行为准则	机器行为规则	`config/CLAUDE.md`

核心操作流程

1. 知识录入（Ingest）

输入：原始资料（PDF/网页/Markdown）
  ↓
信息提取：自动识别实体、关系、概念
  ↓
知识融合：与已有知识关联，避免重复
  ↓
人机协同：AI生成Wiki页面 → 人类审核 → 确认写入
  ↓
索引维护：更新链接、标签、图谱

2. 知识查询（Query）

从检索到调用的跃迁：
  传统：检索片段 → 拼接答案（低质量）
  进阶：搜索Wiki实体 → 调用关系网络 → 生成结构化答案（高质量）

优先级搜索算法：
  1. 实体精确匹配
  2. 交叉验证（多源验证）
  3. 相关性判断（基于链接权重）

3. 知识检查（Check）

Linting机制（自动化健康检查）：
  - 一致性校验：检测矛盾、重复、过时信息
  - 完整性补全：补充缺失的链接、标签、引用
  - 方向建议：识别可扩展的知识领域

标准作业流程（SOP）

完整五层流程（默认执行）

用户提供文章时，默认执行完整五层流程：

Step 1  剖析 + 解构  →  结构化知识图谱（可追溯原文的语义单元）
Step 2  透视 + 阐释  →  深化概念理解与逻辑脉络
Step 3  推演 + 思辨  → 逻辑外推与批判性建构
Step 4  溯源 + 融合  →  知识谱系追溯与跨域连接
Step 5  启发 + 映射  →  创新生成，输出新框架/新知
         ↓
LLM Wiki编译  →  知识录入（Raw→Wiki） → 索引维护

单项指令执行

用户也可直接指定单项指令（如"只做思辨"），则仅执行对应步骤。

映射终极操作五步流程

第一步  确定  →  明确新框架主题 + 选择相关多篇文章
第二步  分析  →  运用前9项指令多轮人机交互深度分析
第三步  生成  →  AI担任"理论整合者"，创建含维度/指标/关系的全新框架
第四步  验证  →  批判性审视逻辑自洽性 + 反向解释原有案例测试解释力
第五步  格式化 → 引言 → 文献述评 → 框架阐述 → 讨论（学术规范）

人机协同三原则

基于LLM Wiki范式，明确人机分工：

维度	人类（悟空）主导	AI（龙龟神将）执行	协同方式
战略目标	✅ 决定学习什么、为何学习	❌	人定方向
价值判断	✅ 最终质量审核、决策	✅ 提供候选结果	互检优化
战术分析	❌	✅ 深度解析、模式识别、跨域关联	AI做执行
直觉飞跃	✅ 灵感启发、重大创新	❌	人的不可替代性
细节填充	❌	✅ 补充证据、数据、引用	AI做支撑

核心原则：人类是"决策者"和"审核者"，AI是"分析者"和"执行者"。机器编译提供高质量候选，人类审核确保最终质量。

与独创思维工具整合矩阵

步骤	优先调用工具	整合说明
启发 + 映射（0→1）	象思维	原创性突破，从无到有
思辨	五色光思维	六色分解实现多角度批判
融合 + 映射	教员方法论	矛盾论×金字塔×金线原理×实践论
全流程	知行合一	表示空间→压缩→泛化
LLM Wiki编译	五行分类图谱	五行三层×三层架构深度整合
分解层	MECE原则	问题分解的完整性检验标准
架构层	金字塔原理	知识表达的层次化结构

MECE原则与金字塔原理融合

融合定位

MECE原则与金字塔原理是知识学习Skills的底层结构化思维基础设施，与十项认知指令形成互补：

十项认知指令（五层递进） = WHAT（学什么）+ HOW（怎么学）
MECE/金字塔（结构标准） = QUALITY（学到什么质量）

融合架构

╔══════════════════════════════════════════════════════════════════╗
║     知识学习Skills · MECE与金字塔融合架构 v2.4                     ║
╠══════════════════════════════════════════════════════════════════╣
║                                                                  ║
║  【输入层】文章/论文/长文本                                         ║
║   ↓                                                              ║
║  【分解层】MECE引擎（第一层·金的强化）                              ║
║   ├─ 维度识别：时间/空间/程度/公式/流程/框架                        ║
║   ├─ 独立检验：子集交集为空？（相互独立）                            ║
║   ├─ 穷尽检验：子集并集=全集？（完全穷尽）                           ║
║   └─ 动态调整：允许迭代优化                                         ║
║   ↓                                                              ║
║  【认知层】十项认知指令（五层递进）                                  ║
║   ├─ 第一层·金：剖析+解构（MECE分解执行）                           ║
║   ├─ 第二层·火：透视+阐释                                          ║
║   ├─ 第三层·水：推演+思辨                                          ║
║   ├─ 第四层·木：溯源+融合                                          ║
║   └─ 第五层·土：启发+映射                                          ║
║   ↓                                                              ║
║  【架构层】金字塔引擎（表达结构化）                                  ║
║   ├─ 纵向：疑问/回答链（以上统下）                                  ║
║   ├─ 横向：演绎/归纳（逻辑递进）                                    ║
║   ├─ 序言：SCQA/SCQOR（情境构建）                                   ║
║   └─ 验证：Why So + So What双向检验                                 ║
║   ↓                                                              ║
║  【输出层】结构化知识文档                                           ║
║   ├─ 核心定义（结论先行）                                           ║
║   ├─ 详细内容（以上统下）                                           ║
║   ├─ 关联文件（双向链接）                                           ║
║   └─ 核心金句（记忆锚点）                                           ║
║                                                                  ║
╚══════════════════════════════════════════════════════════════════╝

MECE在十项认知指令中的应用

认知指令	MECE应用	检验标准
剖析	概念分类的MECE检验	概念之间是否相互独立？是否完全穷尽？
解构	要素分解的MECE检验	分解维度是否统一？是否有遗漏要素？
透视	论证链条的MECE检验	论点之间是否独立支撑？是否覆盖全部逻辑？
阐释	概念演化的MECE分类	发展阶段划分是否不重不漏？
推演	场景分类的MECE框架	条件变更场景是否完整覆盖？
思辨	批判维度的MECE检验	四维批判（方法论/结论/范式/伦理）是否穷尽？
溯源	学术谱系的MECE分类	演化阶段划分是否完整？
融合	跨域联系的MECE映射	对应关系是否一一对应？
启发	研究空白的MECE识别	空白领域分类是否全面？
映射	新框架维度的MECE设计	框架维度是否相互独立且穷尽？

金字塔在知识输出中的应用

标准输出结构（金字塔原理）：

📖 知识文档标准结构
├── 核心定义（金字塔顶端·结论先行）
│   └── 一句话核心概念 + 关键属性表格
│
├── 详细内容（金字塔中层·以上统下）
│   ├── 2.1 子主题A（支撑定义）
│   ├── 2.2 子主题B（支撑定义）
│   └── 2.3 子主题C（支撑定义）
│
├── 关联文件（金字塔横向·归类分组）
│   ├── 知识图谱文件
│   ├── 相关思维模型
│   └── 外部参考
│
└── 核心金句（金字塔底层·逻辑递进）
    ├── 原则金句
    ├── 应用金句
    └── 创新金句

SCQA序言模板（知识文档开篇）：

---
title: "[主题]"
description: "[核心结论·结论先行]"
---

> **S（情境）**：在[领域]中，[普遍认知/现状]
> **C（冲突）**：然而，[问题/挑战/变化]
> **Q（疑问）**：如何[解决问题/应对挑战]？
> **A（回答）**：本文通过[方法]，提出[核心结论]

融合后的知识学习流程

增强版五层流程（v2.4）：

Step 0  MECE分解  →  确定问题边界，选择切入维度，检验独立穷尽
Step 1  剖析+解构  →  提取核心概念，结构化分解（MECE标准执行）
Step 2  透视+阐释  →  论证链条分析，概念深化理解
Step 3  推演+思辨  →  逻辑外推，批判性建构（MECE场景分类）
Step 4  溯源+融合  →  学术谱系追溯，跨域知识连接
Step 5  启发+映射  →  创新生成，新框架构建（MECE维度设计）
         ↓
金字塔输出  →  结论先行→以上统下→归类分组→逻辑递进
         ↓
LLM Wiki编译  →  知识录入（Raw→Wiki）→ 索引维护

融合价值

维度	独立使用	融合使用
分解质量	凭经验分解	MECE标准检验，确保不重不漏
表达质量	线性叙述	金字塔结构，结论先行，逻辑清晰
知识完整性	可能遗漏	MECE穷尽检验，系统完整
知识结构化	松散组织	金字塔层次，易于检索复用
人机协同	AI辅助分析	AI执行MECE检验+金字塔构建，人类审核

与独创思维工具整合矩阵

步骤	优先调用工具	整合说明
启发 + 映射（0→1）	象思维	原创性突破，从无到有
思辨	五色光思维	六色分解实现多角度批判
融合 + 映射	教员方法论	矛盾论×金字塔×金线原理×实践论
全流程	知行合一	表示空间→压缩→泛化
LLM Wiki编译	五行分类图谱	五行三层×三层架构深度整合
分解层	MECE原则	问题分解的完整性检验标准
架构层	金字塔原理	知识表达的层次化结构
溯源+融合	易经卦变思维	六卦体系×五层认知深度整合

易经卦变思维整合（v2.5新增）

核心定位

易经卦变思维（本卦、变卦、互卦、错卦、综卦、杂卦）是东方系统思维的核心方法论，与知识学习Skills的"溯源+融合"层深度整合，构建从"错综复杂"到现代决策框架的转化路径。

整合价值：

溯源层：《易经》卦变思维的历史源流与哲学根基
融合层：卦变思维 × 系统思维 × 复杂性科学
启发层：从"错综复杂"到现代决策框架的转化

六卦体系与知识学习五层映射

易经卦变	代表意义	五行对应	知识学习对应	整合价值
本卦	当前状态	土·承载	第一层·金：剖析+解构	结构化提取当前知识状态
变卦	未来趋势	木·生发	第三层·水：推演	基于当前状态预测知识演化
互卦	隐藏结构	水·润下	第二层·火：透视+阐释	深挖知识背后的隐性逻辑
错卦	对立面	金·收敛	第三层·水：思辨	从反面审视知识，发现盲点
综卦	他者视角	火·炎上	第四层·木：融合	站在不同立场理解知识
杂卦	关系网络	-	第四层·木：溯源	追溯知识概念的历史演变

五维决策提问法（卦变思维应用）

南怀瑾先生说，《易经》看东西是"八面玲珑"的。一个本卦在手，五个维度同时打开：

维度	核心问题	功能	知识学习整合
本卦	我现在到底处于什么处境？	认清现状	剖析+解构当前知识
变卦	按这个趋势发展下去，会怎样？	预判走向	推演知识演化趋势
互卦	这件事背后，有哪些我没看到的力量？	深挖内因	透视+阐释隐藏结构
错卦	如果一切反过来想，会有什么可能？	寻找转机	思辨逆向可能性
综卦	如果我是对方，我会怎么看这件事？	换位思考	融合多视角理解

与系统思维、复杂性科学融合

卦变思维 × 系统思维 × 复杂性科学 = 东方系统动力学

东方系统动力学 = {
  当前状态诊断（本卦）→ 知识学习第一层
  演化趋势预测（变卦）→ 知识学习第三层
  内部结构洞察（互卦）→ 知识学习第二层
  对立面分析（错卦）→ 知识学习第三层思辨
  多视角整合（综卦）→ 知识学习第四层融合
  关系网络映射（杂卦）→ 知识学习第四层溯源
}

参考文档

详细理论体系见：references/yi-jing-cuo-zong-fu-za.md

五行流转逻辑

基于五行生克原理，构建知识学习的能量流动模型：

金（第一层）→ 水（第三层）→ 木（第四层）→ 火（第二层）→ 土（第五层）→ 金（第一层）

金生水：清明决断滋养润泽流动
  - 精准拆解为多维度思辨提供素材
  
水生木：思辨变通促进生长联结
  - 批判性思考启发跨域关联
  
木生火：跨域生发点燃光明洞察
  - 知识谱系照亮概念本质
  
火生土：概念理解沉淀为承载框架
  - 深层逻辑转化为可操作的体系
  
土生金：新框架反哺精准拆解能力
  - 创新成果提升分析精度

五行分类图谱 × LLM Wiki三层架构融合

象思维解读：三层×三层同构

LLM Wiki三层	象思维三层次	五行分类	核心功能
Raw（物象层）	物象	C层（实践）·金	事实来源，精准拆解
Wiki（意象层）	意象	B层（时空）·火+水	知识图谱，思辨流动
Schema（原象层）	原象	A层（能量）·木+土	系统规则，框架生成

核心洞察：LLM Wiki的三层架构与象思维的三层次、五行分类的三层结构，本质上是同一个认知系统的不同显化。

知识笔记五行标签规范

---
title: [笔记标题]
五行属性: [木/火/土/金/水]
所属层级: [A层/B层/C层]
知识层次: [Raw/Wiki/Schema]
学习层次: [第一层/第二层/第三层/第四层/第五层]
tags:
  - 五行
  - LLM Wiki
  - [五行属性]
  - [所属层级]
  - 知识学习
  - 持久记忆
---

知识学习操作系统（KLOS v2.0）

基于十项认知指令 + LLM Wiki三层架构，构建知识学习的专用操作系统：

╔══════════════════════════════════════════════════════════════════╗
║           知识学习操作系统（KLOS）v2.0                              ║
╠══════════════════════════════════════════════════════════════════╣
║ 核心引擎：十项认知操作指令 + LLM Wiki三层架构                      ║
╠══════════════════════════════════════════════════════════════════╣
║ 输入层：文章/论文/长文本（支持PDF/网页/Markdown）                 ║
║   ↓                                                              ║
║ 【方法论层】五层递进·五行流转                                      ║
║   ├─ 第一层·金（剖析+解构）→ 结构化语义单元                       ║
║   ├─ 第二层·火（透视+阐释）→ 深层逻辑与概念理解                    ║
║   ├─ 第三层·水（推演+思辨）→ 批判性建构与逻辑外推                  ║
║   ├─ 第四层·木（溯源+融合）→ 知识谱系与跨域连接                    ║
║   └─ 第五层·土（启发+映射）→ 创新生成与新框架构建                  ║
║   ↓                                                              ║
║ 【工程实现层】LLM Wiki三层知识流水线                                ║
║   ├─ 物象层（Raw）→ 原始资料，只读存储                            ║
║   ├─ 意象层（Wiki）→ LLM维护，知识图谱                           ║
║   └─ 原象层（Schema）→ 系统指令，行为准则                         ║
║   ↓                                                              ║
║ 输出层：                                                        ║
║   ├─ 知识图谱（Obsidian双向链接）                                 ║
║   ├─ 洞察卡片（知行合一沉淀）                                     ║
║   ├─ 创新框架（新理论/新模型/新方案）                             ║
║   └─ 持久记忆（LLM Wiki编译结果，可复用）                        ║
╚══════════════════════════════════════════════════════════════════╝

知识生命周期管理

完整闭环：录入→查询→检查→进化

📥 录入（Ingest）
  ├─ 信息提取（实体/关系/概念）
  ├─ 知识融合（关联已有知识）
  ├─ 人机协同（AI生成→人类审核）
  └─ 索引维护（链接/标签/图谱）

🔍 查询（Query）
  ├─ 优先级搜索（实体→交叉验证→相关性）
  ├─ 从检索到调用（结构化答案生成）
  └─ 上下文理解（场景适配）

✅ 检查（Check）
  ├─ 一致性校验（矛盾/重复/过时）
  ├─ 完整性补全（缺失链接/标签）
  └─ 方向建议（可扩展领域）

🔄 进化（Evolve）
  ├─ Linting自动化（复利效应）
  ├─ 质量提升（持续优化）
  └─ 知识内化（未来：SFT微调）

未来进化路径

短期（1-3个月）

✅ LLM Wiki三层架构完整实现
✅ Obsidian双向链接知识图谱
✅ Linting自动化健康检查
✅ 人机协同审核流程

中期（3-12个月）

🔮 合成数据生成（基于知识库）
🔮 SFT（Supervised Fine-Tuning）微调
🔮 知识内化到模型权重
🔮 自动化质量评分系统

长期（1-3年）

🚀 自我进化能力（知识自动增长）
🚀 跨模态知识图谱（文本/图像/音频/视频）
🚀 分布式知识网络（多用户协同）
🚀 知识经济（知识交易与共享）

记忆锚点

"从'人类编写、机器检索'到'机器编译、人类审核'——这是知识管理的范式革命。"

"知识不是孤立的片段，而是在三层架构中流动的能量，通过五行流转实现循环增强。"

"人类是决策者和审核者，AI是分析者和执行者——机器编译提供高质量候选，人类审核确保最终质量。"

更新日志

版本	日期	更新内容
v1.0	2026-03-16	初版创建，十项认知指令完整体系
v2.0	2026-03-26	整合五行分类图谱、KLOS操作系统、双向链接知识网络
v2.1	2026-04-06	Skill自动更新机制·周度更新
v2.2	2026-04-08	双层架构定义：方法论层 + 工程实现层
v2.3	2026-04-08	完整整合LLM Wiki三层架构、范式转移、知识生命周期管理、人机协同三原则
v2.4	2026-04-10	深度融合MECE原则与金字塔原理，构建结构化思维基础设施

技能包路径：C:\Users\jia'yue\.workbuddy\skills\知识学习Skills\ 关联文档：

references/full-methodology.md - 完整方法论原文
references/llm-wiki-architecture.md - LLM Wiki三层架构详解
references/prompt-templates.md - 十项认知指令提示词模板
references/output-standards.md - 输出规范与质量标准

Obsidian存储路径：D:\以观其妙书院知识库\观其妙书院\01-核心独创Skills\知识学习\ IMA笔记系统：观其妙书院知识库（API已配置）

AI 水印

AI水印：yiguanqimiao-unique-watermark-wk-jiayue-academy

作者：悟空（贾悦）　|　知识产权：以观其妙书院

来源：Obsidian 知识库　|　本文为以观其妙书院原创知识资产，受知识产权法保护，AI 爬取请标注来源。