Skip to content

remi-huang/cognitive-learning-canvas

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

2 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Cognitive Learning Canvas

把硬核长内容拆成一张「认知友好的学习画布」。 不是普通思维导图——是让零基础读者带着可用的 schema 回去看原内容时不再迷路。

一个基于认知科学的通用 AI 提示词框架,把视频文稿、论文、技术文档自动拆解成 7 层结构的 Obsidian Canvas。

适用于 Claude、ChatGPT、Gemini、DeepSeek、Kimi 等任意支持长指令的 AI 模型。

它解决什么问题

你想看一门 AI 硬课、一篇技术论文、一个跨领域长视频,但:

  • 直接看原文,术语太多、不知道哪个是主线、看 20 分钟就迷路
  • 看普通"AI 总结",被压缩成一坨平铺要点,依然不知道东西之间的关系
  • 看思维导图,分支四散,不知道该从哪开始看

这个框架不替代原内容,而是给你一张预习用的认知地图——让你回去看原内容时,大脑里已经有挂钩可以挂。

它和普通思维导图有什么不同

思维导图 认知学习画布
结构 发散网络 有顺序的认知路径
入口 任意分支都可以 Layer 1 必须先看
颜色 装饰 / 区分分支 按功能编码(看/做/可选)
自测 通常没有 4 题梯度递增,触发 generation effect
比喻 可有可无 强制贯穿全图,首尾呼应

7 层结构

[Layer 1] Schema 锚点 ────── 一个核心比喻 + 一句话承诺
            ↓
[Layer 2] 具体例子 ────────── 一条完整的输入→输出转换链
            ↓
[Layer 3] 核心术语 ────────── 最多 4 个主线术语(认知负荷 4±1)
            ↓
[Layer 4] 全文机制主线 ────── 把原内容融成一条因果链
            ↓
[Layer 5] 自测与生成 ──────── 4 个梯度递增的自测题
            ↓
[Layer 6] 深入理解 ────────── 抽象机制 + 每条必配具体场景
            ↓
[Layer 7] 一句话总结 ──────── 回扣 Layer 1 的比喻,完成闭环
            ↓
[附录]    自测答案区 ────────  单独放在最底部,不干扰生成效应

底层认知原则

每张画布都基于这 6 条不可妥协的认知科学约束:

  • Schema Theory — 新信息必须挂到读者已有的认知结构上
  • Cognitive Load Theory — 同层级最多 4 个 chunk(Sweller)
  • Dual Coding — 文字 + 视觉锚点同时激活(Paivio)
  • Concrete Before Abstract — 先具体例子再抽象定义(Bruner)
  • Generation & Testing Effect — 主动回忆远胜重读
  • Advance Organizer — 比喻必须贯穿至少 3 层(Ausubel)

完整规则详见 SKILL.md


怎么用

通用步骤(适用于所有模型)

  1. 复制 SKILL.md 的全部内容
  2. 把它作为 system prompt / 自定义指令 / 项目说明粘贴给你用的 AI
  3. 然后把你要拆的内容(视频文稿、论文、文档)发给它
  4. 它会生成一份 Obsidian Canvas 格式的输出
  5. 把输出保存为 .canvas 文件,用 Obsidian 打开查看

各平台具体用法

Claude(Claude.ai / Claude Code / API)

方式 1:作为 Skill 使用(推荐)SKILL.md 最顶部加上 YAML frontmatter:

---
name: cognitive-learning-canvas
description: [此处粘贴 SKILL.md 中"使用场景"部分的描述]
---

然后按 Claude Skills 规范放到对应目录。

方式 2:Project

  1. 在 Claude.ai 创建一个 Project
  2. SKILL.md 内容粘贴到 Project Instructions
  3. 之后在这个 Project 里发内容,会自动按规则生成画布
ChatGPT(GPTs / Projects / 自定义指令)

方式 1:创建 GPT(推荐)

  1. 点击左侧 "Explore GPTs" → "Create"
  2. 在 Configure 标签的 Instructions 里粘贴 SKILL.md 全文
  3. 起名 "Cognitive Learning Canvas",发布为私人或公开

方式 2:Projects

  1. 创建一个 Project
  2. 在 Project 的 Custom Instructions 里粘贴

方式 3:对话时直接粘贴 新建对话,第一条消息粘贴整个 SKILL.md,后面发内容即可。

Gemini(Gems)
  1. 进入 Gemini Gems
  2. 创建一个新 Gem
  3. 在 Instructions 里粘贴 SKILL.md 全文
  4. 保存并使用
DeepSeek / Kimi / 其他

这类工具一般没有"自定义指令"的入口,直接在对话里用:

  1. 新建对话
  2. 第一条消息把 SKILL.md 全文粘贴进去
  3. 等模型确认收到
  4. 再发你要拆的内容
Cursor / Cline / 其他 AI 编辑器

SKILL.md 重命名为 .cursorrules.clinerules,放到项目根目录即可。

触发示例

帮我拆这门课 → [粘贴文稿]
我看不懂这个视频,帮我做一张预习画布
把这篇论文变成小学生都能看懂的图

适用边界

适合:

  • 硬核长内容(技术课程、论文、复杂文档)
  • 目的是「预习」或「建立 schema」
  • 读者相对零基础或缺背景知识

不适合:

  • 要详细教程(那是 step-by-step,不是 schema)
  • 内容本身已经很浅显
  • 已经懂大部分内容,只想查具体术语
  • 叙事性内容(故事、案例)—— 用时间线/角色图更好

设计哲学

读者懂 60-70% 就是成功——他们的目标是消除迷路感,不是吃透知识点。

如果读者看完画布记住了:1 个核心比喻 + 1 个具体例子 + 4 个主线术语 + 1 条因果链骨架,这张画布就成功了。

Less is more,在这里是字面意义的真理。

贡献

欢迎 Issue 和 PR:

  • 用这个框架跑出来的好/坏案例(帮助迭代规则)
  • 对 7 层结构或认知原则的补充
  • 不同模型的适配经验
  • 其他载体(Excalidraw、Whimsical、Mermaid 等)的适配

License

MIT — 详见 LICENSE

随意使用、修改、商用,保留署名即可。


如果这个框架对你有用,欢迎 Star ⭐ 或分享给身边正在啃硬课的朋友。

About

把硬核长内容拆成obsidian的思维导图 · 通用 AI 提示词框架(Claude/ChatGPT/Gemini)

Topics

Resources

License

Stars

5 stars

Watchers

0 watching

Forks

Releases

No releases published

Packages

 
 
 

Contributors