前言¶
把一份两百页的 PDF 变成可读的学习材料，常见做法是丢给模型做一次长文总结：能出摘要，但出处对不上页码，要点和原文之间没有映射，做完了也无法回头核对。长期积累下来，同样的方法散落在各个对话里，下次遇到类似问题只能重新问一遍。
learn-from-materials 针对的是这个流程。它把材料解析成一套可追溯的知识库，再生成单文件交互式 HTML 学习页和同步 Markdown。下面介绍它的定位、能力和使用方式。
这是什么¶
learn-from-materials 是 SkillHub 上的 community 来源 Skill，坐标 @user_3f9da135/learn-from-materials3，当前版本 1.0.3，分类 education，发布者 user_3f9da135，无需 API Key（标签 requires_api_key=false）。
一句话定位：把 PDF、书籍、论文、幻灯片、文档、网页和纯文本，转成可追溯的知识库与交互学习页，支持中文和英文，并把其中可复用的方法论沉淀成可检索、可比较的卡片库。
它解决的三个具体问题：
- 出处可追溯。每个要点、结论都能回到 PDF 页码、PPT 幻灯片或 EPUB 章节。
- 结构不被模板硬套。材料按自身中心问题和论证组织，不强制套成固定步数的流程。
- 方法可积累。从材料中提炼的方法被保存为带稳定 ID 和版本的卡片，能跨材料检索、比较和应用。
核心功能¶
贯穿全文的方法论¶
先提炼材料的中心问题和目标，再把论证、框架与行动规则组织成完整结构。支持主流程、决策分支、因果与层级关系，以及有依据的反馈回路。整体视图不按节点数量拆组，点击节点可以查看输入、动作、产出、检查条件、关联学习单元与出处。
整体结构单独保存为 methodology.json / methodology.md，并明确区分原文方法与全文整合。“一键使用方法论”默认携带整套结构，也可以只选单张卡片。
内容导学¶
核心思想、要点和结论支持鼠标悬停、键盘聚焦的出处提示，以及触屏可展开的“原文出处”。切换学习单元后提示仍然有效。有细粒度定位时显示对应页码；没有时如实显示单元或结论页段，不会伪造页码。
可积累的方法论库¶
解析新材料后，可复用方法保存到知识库的 methods.json，再自动生成便于阅读的 patterns.md。每张卡包含用途、前提、限制、步骤、效果检查、来源短引文、稳定 ID 和版本。材料本身没有方法论时会如实说明，不强行编造。
页面绑定与方法应用口令从同一份数据派生。可以把多个方法文件建立为累积索引，按中英文关键词找候选方法并导出比较记录。原方法和旧版本保留，综合方法使用新 ID 和明确的父方法引用，不自动覆盖，也不混成材料原意。
语言与应用交互¶
语言跟随用户：明确指定优先，其次看当前请求和对话。支持中文、英文正文、界面、Markdown 与复制口令，保留原文引用和来源名称。不做国籍或浏览器猜测，也不会自动翻译已有 HTML。
逻辑关系图提供两种视图：核心框架切换卡片/框架关系图，行动规则展示整体方法论。可以查看依赖、应用、反馈等连线的理由和出处，用颜色区分推断，所有节点在同一画布。
“一键使用方法论”填写问题、目标、约束，选择具体方法或自动匹配，生成可复制到材料对话的口令。先判断适用性，再给出有出处的分析与行动建议；页面本身不直接调用 AI。
支持的材料与输出¶
- 输入格式：PDF、EPUB、MOBI/AZW/AZW3、DOCX、PPTX/PPTM、HTML、Markdown、TXT、RTF 与多材料集合
- 输出：可追溯的 .learnkb/ 知识库、交互式单文件 HTML、同步 Markdown
- 细粒度来源映射：PDF 页码、PPT 幻灯片、EPUB 章节
- 生成页面：核心框架、内容导学、术语大全、行动规则、动态自检、本地笔记
- 质量校验：覆盖审计、总结双向映射、反向覆盖抽查、来源哈希与增量更新校验
- 来源标注：区分材料依据、材料未覆盖、模型补充和外部核验
默认不联网、不自动安装依赖。页面笔记、用户画像和错题仅保存在当前浏览器本地。
安装与启用¶
已抓取的官方资料中没有给出安装命令、目录路径或配置字段，也没有提供 Cursor、Codex CLI、Claude Code 的差异化说明。这类 Skill 基于通用 SKILL.md 格式，实际启用方式请以 SkillHub 页面当时的说明为准。
需要在部署前核对的点：
- 官方页面是否提供安装命令或包管理器入口
- 是否需要把 SKILL.md 放到特定目录
- 运行期是否需要联网或安装依赖（按官方说明，默认是不需要的）
典型用法¶
下面这些流程来自官方简介中描述的能力，具体命令和参数以实际页面为准。
1、准备材料。把 PDF、PPTX、EPUB 或网页文件放到可访问的位置，明确这次要解决的问题和目标。
2、选择深度。官方提供“快速了解”和“系统学习”两种深度，前者适合先摸清材料讲什么，后者产出完整结构。
3、解析并生成。产出包括 .learnkb/ 知识库、单文件交互式 HTML 和同步 Markdown。PDF 页码、PPT 幻灯片、EPUB 章节的细粒度映射在这一阶段建立。
4、核对出处。用覆盖审计、总结双向映射、反向覆盖抽查确认要点和原文对得上；来源哈希与增量更新校验用于材料更新后判断哪些内容需要重做。
5、沉淀方法。把可复用的方法保存到 methods.json，随后生成可读的 patterns.md，得到带稳定 ID 和版本的卡片。
6、跨材料应用。用中英文关键词在累积索引里找候选方法，导出比较记录；选定方法后通过“一键使用方法论”填写问题、目标、约束，生成可复制到对话的口令，再按条件推进分析。
官方提到一份论文示例，作为新版结构和交互的演示，其正文保留此前的导学摘要。需要注意：不能用示例条目数量当作系统学习的提取上限。
适用场景与注意¶
适合的场景：
- 需要把论文、教材章节、技术手册或幻灯片整理成结构化的学习材料，并要求每个结论能回到原文位置
- 需要对一批材料做覆盖度核对，确认摘要没有漏掉关键章节
- 需要把某套方法论抽出来跨材料复用，比如把一次故障复盘的方法用于后续排查
- 中英文混合的团队，希望界面和正文跟随用户语言
限制和坑：
- 无方法论的材料会被如实标注，不要期望每份材料都能抽出方法卡片
- 来源粒度受原始文件限制：扫描版 PDF 没有文本层时，页码映射可能不准确
- “一键使用方法论”的页面不直接调用 AI，实际分析要在材料对话中完成
- 笔记、画像、错题只存在浏览器本地，换浏览器或清缓存会丢失
- 默认不联网，涉及外部核验的内容需要人工完成或自行提供渠道
结语¶
learn-from-materials 的价值不在于生成更漂亮的摘要，而在于让摘要的每一条都能回到出处，并让提炼出来的方法可以被长期检索和复用。对经常处理长材料、又需要方法沉淀的团队来说，这是一条可落地的路径。
官方地址：https://www.skillhub.cn/skills/user_3f9da135/learn-from-materials3
