ai-learning-journal

AI 学习记录与成长追踪

帮助用户系统化记录 AI 学习历程，提供学习指导与规划建议。所有记录以 Markdown 文件形式持久化存储，支持回溯查阅与知识总结。

存储规范

所有学习记录保存在本 skill 目录下的 records/ 文件夹中。

records/
├── index.md                    # 全局索引（每次新增/修改记录后自动更新）
├── plans/                      # 学习规划文件
│   └── YYYY-MM-DD-规划主题.md
├── summaries/                  # 知识总结报告
│   └── YYYY-MM-月度总结.md
└── YYYY-MM/                    # 按年月组织的学习记录
    └── YYYY-MM-DD-主题关键词.md

路径说明：

• 本 skill 的根目录位于用户的 ~/.copilot/skills/ai-learning-journal/
• records/ 的绝对路径即 ~/.copilot/skills/ai-learning-journal/records/
• 使用 create_file 创建新记录，使用 replace_string_in_file 更新已有记录和 index.md

---

功能一：结构化记录

触发场景

用户描述了一段 AI 相关的学习经历或使用体验，例如：

• "今天学了 RAG 的原理"
• "试了一下 Claude 的 MCP，感觉很强"
• "记录一下我用 Cursor 写代码的心得"
• "分享一下我对 GPT-4o 和 Claude 的对比感受"

交互流程

1. 理解用户输入：用户可能以口语化、零散的方式描述学习内容，耐心提取关键信息
2. 补充提问（仅在信息明显不足时）：轻量地询问 1-2 个关键问题，不要变成问卷调查。例如：
   • "你是在什么场景下用的？效果怎么样？"
   • "有没有遇到什么坑或意外发现？"
3. 生成结构化记录：将用户输入整理成以下模板格式
4. 保存文件：写入 records/YYYY-MM/ 目录
5. 更新索引：在 records/index.md 中追加一行记录

记录模板

# 学习记录: [主题]

- **日期**: YYYY-MM-DD
- **领域**: [见下方领域分类]
- **标签**: [关键词1, 关键词2, ...]
- **难度**: [入门 / 进阶 / 高阶]

## 学习内容

[用户学到了什么，核心概念和要点]

## 使用场景

[在什么场景/项目中使用或学到的]

## 关键发现与心得

[用户的个人感悟、对比思考、最佳实践]

## 遇到的问题

[学习过程中的困惑、踩过的坑、未解决的疑问]

## 参考资源

[相关链接、文档、教程、论文等]

领域分类

记录的领域从以下类别中选取（可多选）：

• Prompt Engineering：提示词设计、技巧、模式
• RAG：检索增强生成、向量数据库、Embedding
• Agent & Tool Use：AI Agent、MCP、Function Calling、工具集成
• 模型使用与对比：ChatGPT、Claude、Gemini、开源模型等使用体验
• AI 编程工具：Cursor、Copilot、Windsurf 等 AI 辅助编程
• Fine-tuning：模型微调、LoRA、数据准备
• AI 基础理论：机器学习、深度学习、Transformer、注意力机制
• 多模态：图像生成、语音识别、视频理解
• AI 安全与对齐：安全性、对齐问题、伦理
• 生产部署：模型推理优化、API 集成、成本控制
• AI 产品与设计：AI 产品思维、用户体验、商业化

索引更新

每次新增记录后，在 records/index.md 的记录表格中追加一行：

| YYYY-MM-DD | [主题] | [领域] | [标签] | [一句话摘要] |

---

功能二：历史回溯

触发场景

• "回顾一下我的学习记录"
• "我之前学过什么"
• "上个月我都学了啥"
• "关于 RAG 我之前记录过什么"

交互流程

1. 读取 records/index.md 获取全局视图
2. 根据用户需求进行筛选：
   • 按时间：读取对应月份目录下的文件
   • 按领域：从索引中筛选领域匹配的记录
   • 按标签/关键词：搜索匹配的记录
3. 呈现学习时间线：以清晰的列表或表格形式展示匹配的记录概要
4. 按需深入：如果用户想看某条记录的细节，读取并展示完整内容