schema: "1.0" name: knowledge-acquisition-4c version: "1.0.0" description: 從未知領域到專業的系統化學習方法論 triggers: keywords: primary: [學習, 研究, 進入新領域, learning, research, new domain, 知識習得] secondary: [入門, 專業, 精通, 從零開始, beginner, expert, mastery] context_boost: [unfamiliar, unknown, 不熟悉, 不懂, 新手] context_penalty: [implement, code, 實作] priority: high keywords: [methodology, learning, knowledge, acquisition, expertise] dependencies: [] author: claude-domain-skills

知識習得 4C 方法論

從未知領域到專業的系統化流程

適用場景

進入完全未知的領域
需要快速建立專業知識
從零開始學習新技能
研究不熟悉的主題

核心框架

┌─────────────────────────────────────────────────────────────────┐
│                                                                 │
│                    4C Knowledge Acquisition                     │
│                                                                 │
│   COLLECT        CURATE         CONNECT        CREATE          │
│   蒐集           篩選            連結           創造            │
│     │              │               │              │             │
│     ▼              ▼               ▼              ▼             │
│  ┌──────┐      ┌──────┐       ┌──────┐      ┌──────┐          │
│  │多元   │      │驗證   │       │建立   │      │產出   │          │
│  │來源   │  →   │測試   │   →   │體系   │  →   │教學   │          │
│  │廣泛   │      │去蕪   │       │連結   │      │迭代   │          │
│  └──────┘      └──────┘       └──────┘      └──────┘          │
│                                                                 │
│  Dreyfus:  Novice → Adv.Beginner → Competent → Expert          │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

Phase 1: COLLECT（蒐集）

目標：廣泛收集，不預設立場

Dreyfus 階段：Novice（新手）

資訊來源層級

層級	來源	可信度	用途
L1	官方文檔、學術論文、權威書籍	⭐⭐⭐⭐⭐	核心概念
L2	專家文章、技術部落格、教程	⭐⭐⭐⭐	實務經驗
L3	社群討論、Stack Overflow、論壇	⭐⭐⭐	常見問題
L4	社交媒體、新聞報導	⭐⭐	趨勢觀察

蒐集清單

□ 領域核心術語（建立詞彙表）
□ 主要概念和原理
□ 關鍵人物/權威來源
□ 常見問題和解決方案
□ 工具和資源
□ 成功案例和失敗案例

產出

原始筆記（不整理，只記錄）
來源連結清單
待驗證的假設清單

Phase 2: CURATE（篩選）

目標：驗證資訊，去蕪存菁

Dreyfus 階段：Advanced Beginner（進階新手）

驗證三步驟

1. 交叉驗證：同一資訊是否有多個獨立來源？
2. 實際測試：理論數據是否符合實際結果？
3. 時效檢查：資訊是否過時？

Sharp Edge: 理論 ≠ 實際

┌─────────────────────────────────────────────────────────────────┐
│  ⚠️ SE-1: 理論數據 ≠ 實際效果                                   │
│                                                                 │
│  嚴重度: critical                                               │
│                                                                 │
│  實際案例：                                                     │
│  - 圖表模式研究聲稱 80-84% 成功率                               │
│  - 實際回測：讓策略表現更差                                     │
│  - 原因：股市研究數據不適用於加密貨幣                           │
│                                                                 │
│  教訓：永遠用實際測試驗證研究結論                               │
│                                                                 │
│  解決：                                                         │
│  ❌ 看到研究數據就相信                                          │
│  ✅ 用真實數據回測/實驗驗證                                     │
└─────────────────────────────────────────────────────────────────┘

篩選標準

保留	標記待驗證	丟棄
多來源一致	單一來源但可測試	無法驗證
實測有效	理論合理但未測試	已被反駁
權威來源	社群共識但無證據	過時資訊

產出

已驗證知識清單
待驗證假設清單
已排除的錯誤觀念

Phase 3: CONNECT（連結）

目標：建立知識體系，形成心智模型

Dreyfus 階段：Competent（勝任者）→ Proficient（精通者）

連結方法

方法	說明	範例
概念映射	畫出概念之間的關係圖	心智圖、知識圖譜
類比遷移	連結到已知領域的相似概念	「這就像...」
層級組織	從基礎到進階排列	金字塔結構
因果追蹤	理解「為什麼」而不只是「是什麼」	5 Whys

Feynman 驗證法

┌─────────────────────────────────────────────────────────────────┐
│  Feynman Technique                                               │
│                                                                 │
│  1. 選擇概念                                                    │
│  2. 用簡單的話解釋給外行人聽                                    │
│  3. 發現解釋不清楚的地方 → 回去學習                             │
│  4. 簡化再簡化                                                  │
│                                                                 │
│  核心：能簡單解釋 = 真正理解                                    │
│        解釋不清楚 = 還沒理解                                    │
└─────────────────────────────────────────────────────────────────┘

知識結構模板

## [領域名稱] 知識體系

### 核心概念
- 概念 A：[定義]
  - 與 B 的關係：[說明]
  - 實際應用：[案例]

### 關鍵原理
1. 原理一：[說明]
   - 為什麼重要：[原因]
   - 常見誤解：[糾正]

### 決策框架
當 [情境] 時 → 選擇 [方案]
因為 [原因]

產出

結構化知識地圖
決策框架/心智模型
可教學的簡單解釋

Phase 4: CREATE（創造）

目標：產出價值，持續迭代

Dreyfus 階段：Expert（專家）

創造形式

形式	說明	驗證方式
教學	教別人（最強的學習）	學生能理解嗎？
實作	實際應用知識	結果符合預期嗎？
文檔	寫成 Skill/教程	別人能用嗎？
創新	提出新方法/改進	比現有方法好嗎？

迭代循環

CREATE → 發現不足 → 回到 COLLECT
   ↑                    ↓
   └──── CURATE ← CONNECT ←┘

專業度自評

□ 能用一句話解釋核心概念嗎？
□ 能預測常見問題和解決方案嗎？
□ 能識別錯誤觀念並糾正嗎？
□ 能將知識應用到新情境嗎？
□ 能教會別人嗎？

產出

可重用的 Skill 文檔
實際成果/作品
教學材料

最佳實踐

不要跳過 CURATE - 驗證是最重要的階段
建立詞彙表 - 術語是進入領域的鑰匙
找到權威來源 - 識別領域內的專家和經典
實際動手 - 看十遍不如做一遍
教給別人 - 教學是最好的學習

常見錯誤

錯誤	後果	修正
❌ 只收集不驗證	錯誤知識	強制 CURATE 階段
❌ 只驗證不連結	碎片知識	畫概念圖
❌ 只學不用	紙上談兵	強制 CREATE
❌ 跳過驗證	理論≠實際	實測每個假設
❌ 資訊過載	無法消化	限制每日輸入量

時間分配建議

COLLECT: 20% （不要過度收集）
CURATE:  30% （驗證最重要）
CONNECT: 30% （建立體系）
CREATE:  20% （產出驗證）

與 evolve 整合

此 Skill 會被 /evolve 自動識別和載入：

User: /evolve 學習區塊鏈開發

Agent:
🔍 Auto Domain Detection
→ 關鍵詞: 學習, 區塊鏈
→ 載入: methodology/knowledge-acquisition-4c
→ 使用 4C 方法論執行學習任務

knowledge-acquisition-4c

SKILL.md