learning-spec

learning-spec 是一个驱动 AI 为人类规划长期学习骨架的指导系统。

它围绕更符合人类学习奖励机制与执行现实的结构建立：

• project-contract：长期现实约束
• level：阶段跃迁单元
• zone：领域专家单元
• capability：最小可验证能力单元
• task：围绕当前 capability 生成的近程执行单元
• execution-state：连续性状态账本

这套系统依据的核心理论：

• 人类有能力规划长期目标与阶段结构, 但不适合提前制定未来的即时动作
• 人类厌恶学习过程, 他们靠奖励系统驱动, 没有获得感就不会有学习的动力
• 一次只专注于一个最小的有意义的单元是获得能力的必要前提

文件

• concept-model.md：定义整套学习系统的概念边界
• decomposition-rules.md：如何把长期学习目标拆成 level / zone / capability
• feedback-loop-rules.md：如何把学习实践中的问题反向修正这套系统
• project-contract-template.md：长期现实契约模板
• level-template.md：阶段跃迁模板
• zone-template.md：奖励化领域模板
• capability-template.md：最小能力单元模板
• task-template.md：近程执行单元模板(不在规划阶段生成)
• execution-state-template.md：位于当前 level 目录中的连续性状态模板
• tools/validate-learning-spec.mjs：学习版结构校验器

使用顺序

1. 先写 project-contract
2. 再拆 level
3. 再在每个 level 下拆 zone
4. 再在每个 zone 下拆 capability
5. 当前 capability 被激活时，再在 capability 目录下生成近程 task
6. 在当前 level 目录中用 execution-state 维护当前进度与即时 session plan

核心原则

• capability 仅专注一个能力
• zone 囊括该领域的各项能力, 成为此领域的专家
• level 能力交叉, 开始觉醒, 融会贯通, 段位上升
• task 只在当前 capability 被执行时即时生成
• 能力成立的判断必须依赖可感知证据，而不是主观感觉

校验

建立真实实例后，可运行：

node tools/validate-learning-spec.mjs <path-to-learning-spec-root>

例如：

node tools/validate-learning-spec.mjs /Users/chen/coding/win-en