ادامه یادگیری با هوش مصنوعی و Markdown
در یک دوره مشخص، با سوال پیشبینی، توضیح مرحلهای، تمرین تغییر شرایط و کارت یادآوری جلو برید. یادداشتها و وضعیت دوره در فایلهای Markdown نگه داشته میشن.
ادامه یادگیری با هوش مصنوعی و Markdown کمک میکنه بعد از یک جلسه، بدون حدسزدن از همون قسمت دوره برگردید. اسکیل learning-skill قبل از تدریس، وضعیت دوره و فایلهای مرتبط رو میخونه؛ بعد از شما یک پیشبینی میخواد و توضیح رو قدمبهقدم با بازخورد ادامه میده. در هر قدم، مثال یا تشبیه با فرایند واقعی کنار هم قرار میگیرن تا فقط تعریفها رو حفظ نکنید.
این نسخه برای دورهای با زمینه و مسیر مشخصه، نه هر سوال کوتاهی که از ایجنت میپرسید. یادداشت، خودآزمایی، کارتها و وضعیت مرور باید با هم هماهنگ بمونن. یک کارت متن اصلی رو نگه میداره و فایل جدا، جای خالی برای یادآوری از حافظه داره. ردکردن یک بخش به معنی بلدبودن اون ثبت نمیشه؛ نتیجه سوالها و کمکهایی که گرفتید، مبنای وضعیت ثبتشده هستن.
کاربردها
- یادداشت دوره رو همراه با پیشرفت واقعی جلسه بهروز کنید.
- کارت یادآوری رو در دو فایل متن اصلی و تمرین خالی نگه دارید.
- صف مرور رو بر اساس اشتباه و پاسخ نیازمند کمک تنظیم کنید.
- تمرین تغییر شرایط رو برای دیدن محدودیت یک توضیح انجام بدید.
- مراحل یک فرایند رو با جدول وضعیت و مثال متناظر دنبال کنید.
- قسمت بعد رو با خواندن فایل وضعیت قبلی ادامه بدید.
نصب و استفاده
- اسکیل کامل Markdown رو در ایجنت دارای ابزار فایل قرار بدید. دوره، منابع مجاز و پوشه قابل نوشتن رو مشخص کنید؛ برنامه خاصی برای خواندن Markdown اجباری نیست و نسخه HTML بسته جداگانهایه.
- مثلا بگید «مرحله دوم دوره من رو ادامه بدید؛ اول از روی وضعیت قبلی یک سوال پیشبینی بپرسید و منتظر جواب بمونید».
- به سوالها جواب بدید و بعد بازخورد رو بخونید. برای بررسی انتقال یادگیری، یک شرط یا مثال تغییر میکنه تا فقط پاسخ قبلی رو تکرار نکنید.
- در پایان، فایلهای یادداشت، کارت و وضعیت رو بررسی کنید. اگر فقط توضیح میخواید، صریح بگید فایلها تغییر نکنن.
سوالات متداول
منبع
ساخته Hang-GaoZu. نام اصلی: learning-skill، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub