study-with-feynman 是一个用于学习论文和课程材料的 Codex Skill。它以原始材料为依据，先建立简洁的整体认识，再逐个讲解知识单元，并通过费曼式复述检验理解。如果学习者已经完全掌握当前单元，也可以明确跳过该单元的复述。
本项目受到以下两项理念启发：
- 费曼学习法（Feynman Technique）：通过使用简单语言向他人讲解一个概念，检验自己是否真正理解。这个 Skill 将其落实为“讲解、自由提问、学习者复述、针对性提示与纠偏”的交互循环。
- Andrej Karpathy 的 LLM Wiki：让 LLM 根据原始资料持续构建可积累、互相链接的 Markdown 知识，而不是在每次对话中重新发现同样的信息。本 Skill 只采用其中的轻量部分：仅在用户明确要求时保存概念笔记，不维护完整的摄取日志、索引或学习进度系统。
本项目是独立实现，并非上述理念或作者的官方实现或背书项目。
- 从用户指定路径或当前目录中识别论文、代码、Slides、字幕和补充材料。
- 始终优先以用户提供的材料作为事实依据。
- 先给出简短的 Big picture，不提前展示完整学习路线。
- 根据知识依赖自动拆分和排列适当大小的知识单元。
- 默认使用通俗中文讲解，同时保留必要的英文术语。
- 允许学习者围绕当前知识点反复提问。
- 只有在学习者明确表示已经理解后，才开始费曼复述检验。
- 当学习者明确表示“完全了解，不需要复述”时，跳过当前单元的复述并继续。
- 理解不完整时最多给出三次逐步具体的提示，然后直接指出偏差并重新讲解。
- 所有单元完成后，默认进行一次串联主要知识的综合复述；用户也可以明确跳过。
- 仅在用户明确要求时保存 Obsidian 概念笔记。
对于论文，Skill 会在材料涉及的范围内覆盖研究问题、必要前置知识、数据获取、数据处理、核心方法、可选代码实现、最终评价指标、实验结果、结论和局限。
对于课程，Skill 会综合 Slides、录播字幕和补充材料，按照真实的教学逻辑组织讲解，而不是机械遵循文件、页码或字幕顺序。
存在配套代码时，Skill 会把关键调用链、数据流以及相关的张量或数组形状与论文或课程内容联系起来。必要且安全时可以运行代码验证解释，但不会修改原始实现。
分析原始材料
-> 介绍 Big picture
-> 讲解一个知识单元
-> 回答学习者的反复提问
-> 等待学习者选择
-> 像教师一样复述，或在完全理解时明确跳过
-> 判断通过、给出提示、纠正偏差或直接推进
-> 推进到下一单元
-> 进行综合复述
显式调用 Skill：
使用 $study-with-feynman，结合当前文件夹中的论文和代码教我理解这篇论文。
也可以直接指定材料：
使用 $study-with-feynman，结合 slides.pdf 和 transcript.txt 给我讲这节课程。
自然语言请求也可以触发该 Skill，例如：
给我讲一下这篇 paper，材料在当前文件夹中。
概念笔记统一存放在一个独立的 Obsidian Vault 中，与论文、代码、Slides、字幕和其他课程资料完全分离：
/Users/stefan/Documents/llm-lecture-wiki/
├── .obsidian/
└── concepts/
└── Concept Name.md
当学习者明确要求保存某个概念时，Skill 会检查这个固定 Vault，并在需要时创建 concepts/。它不会再退回当前的课程材料目录。写入前会搜索已有 Markdown 笔记，避免创建重复概念；如果目标概念已经存在，则先询问用户再修改。
每个概念页只包含：
- 定义
- 通俗解释
- 工作机制
- 例子
相关概念会自然地使用 Obsidian [[双向链接]]。修改已有的关联笔记前，也会先取得用户确认。
study-with-feynman/
├── SKILL.md
├── README.md
├── README_CN.md
├── agents/
│ └── openai.yaml
└── assets/
└── concept-note-template.md