kylecui/petfish.ai/learning-goal-framer

作用/Purpose

将“我想学X”这类泛化诉求转换为可执行学习简报，并形成后续资源检索与路径设计的统一输入。该skill必须覆盖： 1) 目标能力定义与边界澄清； 2) 当前能力基线与差距识别； 3) 时间、产出与评估标准固化。

输出应直接驱动学习资源筛选与阶段路径设计，而不是停留在意向描述。

触发场景/Trigger Scenarios

• 用户表达“我想学/如何入门/学习目标不清晰”
• 需要把学习诉求变成可评估的目标定义
• 需要明确学习范围、应用场景和时间预算
• 团队或个人希望把学习计划与业务任务对齐
• 需要为后续资源发现与学习路径设计提供输入

输入/Input

• learning intent（学习主题、动机、预期用途）
• learner profile（现有知识、经验、可投入时间）
• application context（使用场景、目标任务、质量要求）
• 可选：历史学习记录、已有资料、截止日期

输出/Output

• learning-brief.md

工作流/Workflow

1. 澄清学习主题与边界，定义不在本轮范围内的内容。
2. 识别当前基线：知识、技能、实践经验与典型短板。
3. 定义目标能力：可观察行为、任务级能力和成功表现。
4. 固化应用场景与输出要求（项目、实验、报告、演示等）。
5. 约束条件建模：时间预算、节奏、工具环境与依赖限制。
6. 建立评估标准：过程指标、阶段验收点、最终达成判据。
7. 生成learning-brief.md，并标注下一步交接到learning-resource-discovery。

质量门禁/Quality Gates

• 学习目标必须可衡量，至少包含1个行为级验收标准。
• 当前基线必须有事实依据，不得仅凭主观判断。
• 应用场景必须具体到任务或问题，不得停留在抽象描述。
• 时间与资源约束必须显式写明，不得默认“无限投入”。
• 输出要求必须可交付（文件、项目、演示或实验结果）。
• 评估标准必须区分阶段检查与最终达成判据。

Gotchas/注意事项

• 不要把“感兴趣”误写成“学习目标”，目标必须可验证。
• 不要忽略当前基线，否则后续路径会明显失配。
• 不要把过多主题塞入同一目标，需控制认知负荷。
• 不要只写时长，不写产出与评估口径。
• 不要跳过交接信息，需明确下一步资源发现入口。

关联资源

• research-brief-framer
• research-source-discovery
• research-evidence-ledger
• learning-resource-discovery