本页保存的是公开项目资料快照，阅读过程不需要连接 GitHub。

Zede-Zero（零）

从原点出发，无限逼近真知。

简体中文 | English

Zede-Zero是一个学习路线规划 Skill。

满足可跨 Agent 使用、目标驱动、证据导向。它把模糊的学习愿望转化为有依据、可执行、可验收、可持续重排的路线。

它不会简单生成课程清单，也不会为了“全面”把整个领域的知识都堆给用户。它会先澄清真实成果、诊断当前起点、确认期限与约束，再从最终结果逆向设计必要能力、具体内容、实践任务、反馈来源和复测方式。

核心原则：

不为学习而学习，不囤积暂时用不到的知识；带着目标做事，在项目、创作、问题解决和真实反馈中完成学习。

当前版本：v1.0.0

核心特点

首次使用时完整说明所有用户规则。
一次只询问一个真正影响路线的问题，不发送冗长问卷。
区分已验证事实、用户自述、推断、工作假设和未知；只有缺口会改变关键决策时才暂停正式路线。
使用轻量第一性原理识别真实成果、成功证据、关键变量、不可绕过的能力、待验证假设和最小验证闭环。
对技术、考试、语言和理论目标展开必要的具体概念、子技能、项目模块、典型错误、边界情况、练习和测试。
先启动最小但具有代表性的真实任务，只学习当前瓶颈所需内容，并立即在项目、作品、解释、写作或实验中应用。
在阶段层面控制认知负荷，优先解决有证据支持的瓶颈，不机械套用 80/20、刻意练习或交错学习。
对已明确的考试目标和技术项目快速通过底层澄清，不强迫用户进行空泛讨论。
使用自适应问题或实际任务诊断起点，不默认相信不准确的自我评价。
目标卡未经用户明确确认前，不生成正式路线。
先识别目标类型，再选择诊断、证据、练习、反馈和验收方式。
只选择与目标决策直接相关的官方资料，不收集所有官方文件。
当新增资料不再改变范围、顺序、资源或验收决策时停止研究。
可以把高 Star GitHub 项目作为候选信号，但会继续检查维护状态、Release、文档、测试、License、Issue、安全与版本兼容性。
提供分层版和全量版两种正式输出模式。
为复习、反馈、返工和意外情况保留时间缓冲。
每个阶段包含验收阈值、失败补救、风险信号和进入下一阶段的条件。
区分跟随模仿、独立复现、变式应用、真实迁移和边界解释，不把教程完成视为掌握。
根据目标选择当前可获得的最强反馈；缺少更强证据时会相应降低置信度。
根据目标选择 7、30、90 天延迟复测，不机械使用所有复测点，也不暗中超出时间预算。
正式输出前检查目标、依据、能力链、时间、资源、验收和首周可执行性。
根据真实进度持续重排，不无理由丢弃已经完成和通过的阶段。
在检查点比较计划与实际时间、完成情况、验收结果、卡点、资源有效性和估算漂移。
可读取 legacy、schema v1 和 schema v2 路线，并按照版本协议安全恢复。
根据适用范围与来源权威性处理冲突资料，不静默混合互相矛盾的结论。
区分可控能力与外部商业、招聘、考试、流量或收入结果。
对医疗、法律、金融、安全等高风险目标增加资格、监管和专业监督边界。
只有用户明确要求永久升级时才修改 Skill；普通反馈只调整当前路线。
维护一份唯一的核心 SKILL.md，通过原生安装、项目路由和通用提示词支持多个 Agent。

完整流程

首次规则说明
→ 逐题澄清
→ 第一性原理拆解
→ 识别目标类型
→ 诊断基础
→ 确认目标卡
→ 选择分层版或全量版
→ 建立证据需求
→ 检索适用依据
→ 可行性检查
→ 逆向设计能力链
→ 展开具体内容与项目
→ 设计迁移、反馈与复测
→ 输出前核验
→ 经同意后保存
→ 根据真实反馈迭代

本 Skill 负责规划、恢复和重排学习路线，不负责连续逐课教学。用户准备进入教学阶段时，它可以输出一张不依赖特定工具的学习交接卡，只包含已确认目标、当前阶段、下一个任务、验收标准和已知缺口。

为什么叫 Zede-Zero？

“Zero”代表回到原点：暂时放下教材目录、热门课程、他人路线和习惯性答案，重新检查几个最基本的问题：

真正需要实现什么可观察成果？
什么证据能证明成果已经达成？
哪些能力无法绕过？
当前真实起点在哪里？
什么正在阻塞结果？
下一步最小但有效的行动是什么？

路线不是一次性的绝对答案，而是基于当前证据的行动假设：

从真实起点出发
→ 完成最小行动
→ 获得现实反馈
→ 修正认知与路线
→ 再次行动
→ 无限逼近真知

第一性原理入口

在诊断学习者之前，Skill 会先检查用户说出的学习主题究竟是真实目标，还是工具、课程、证书或热门标签。

必要时会一次澄清一个问题：

可观察成果与成功证据是什么？
哪些变量真正决定结果？
哪些能力和约束无法绕过？
哪些假设尚未验证？
最小的“行动—产出—反馈—修正”闭环是什么？
哪些相关内容目前并不阻塞结果？

如果考试目标已有当前官方范围，或技术项目已有明确输入、输出和验收样例，则只进行简短摘要后快速通过。第一性原理不能变成通用哲学课。

学习效果闭环

对每项关键能力，Skill 会选择目标真正要求的迁移层级、当前可获得的最强反馈，以及适当的延迟复测。

迁移层级：跟随模仿 → 独立复现 → 变式任务 → 真实使用 → 边界解释。
反馈强度：自检 → 客观检查 → 同伴 → 专家 → 真实环境。
长期能力通常考虑 7 天独立回忆、30 天变式应用和 90 天真实迁移；考试和探索目标使用适配后的安排，不机械套用三个时间点。

目标期限之前的复测计入当前预算；目标完成后的长期维护单独展示。延迟复测失败会触发聚焦补救，而不是自动推倒整个阶段。

学习方法选择

路线会选择方法，而不是堆叠所有流行学习法：

认知负荷控制：限制同一阶段的新内容数量，尊重前置关系，并最终把模块重新组合成完整迁移任务。
瓶颈优先：根据目标影响、已证实缺口、任务频率和下游解锁价值决定优先级；80/20 只是启发式原则，不是固定删减比例。
刻意练习：只有在练习针对已证实的薄弱子技能、难度合适、标准清楚、反馈及时、能够针对性纠正并重试时，才称为刻意练习。
交错学习：只有相关单项技能已经稳定，并且目标要求在容易混淆的方法或情境中作出选择时才开始。
间隔学习：用于需要长期保持的知识和技能，不对短期一次性内容机械安排复习。
能力迁移：通过独立复现、条件变化、真实任务和边界解释检查能力能否离开原始教程继续使用。

Skill 负责规划何时使用这些方法、为什么使用、需要什么反馈和验收证据，但不生成连续逐课提示、实时纠错或教学循环。

目标驱动的内容深度

正式路线必须包含已确认成果真正需要的内容，而不是只写“学习基础”之类的大标签：

技术项目会映射项目模块、输入、输出、约束、所需语言或工具知识、实现任务、边界情况和测试。
考试、语言、理论及其他学科型目标会根据适用大纲、任务或评估展开具体知识和技能。
语言路线优先使用与目标相关的可理解输入、主动提取、真实输出、纠正反馈、迁移和延迟复测，而不是默认采用孤立单词表、学校式语法顺序或被动观看时长。
商业、创作和探索目标保持精简，只加入当前交付物或实验需要的知识，把更多时间留给真实产出和反馈。

分层版详细展开当前阶段，并保留后续阶段的关键内容映射；全量版展开所有阶段。除非“全面掌握学科”本身就是确认目标，否则两种模式都不会把路线变成完整学科目录。

收藏资源、看完课程或整理笔记本身不算进度。每一项输入都必须尽快产生一个成果或验收动作。必要理论仍然保留，但要通过解决、解释、构建、写作或实验进行消化。

目标类型

Skill 会识别以下目标类型，并选择相应诊断、依据和验收方式：

考试与认证：当前官方大纲、题型、评分标准、样题、模拟表现和通过阈值。
技术与项目：功能模块、环境、实现、测试、调试、部署、边界情况与独立完成。
转行与职业能力：真实岗位任务、作品集、可展示证据、面试表达和外部招聘边界。
语言与表达：可理解输入、目标语境、真实表达、纠正反馈、迁移与保持。
理论与学术：概念依赖、推导、论证、反例、典型问题、解释和应用。
商业与创业能力：目标用户、真实问题、最小交付、市场实验、反馈和可控指标。
方向探索：1–2 周探索冲刺、代表性任务，以及继续、换方向或停止的标准。

两种输出模式

分层版（layered）：完整保留依据、时间、验收和总路线；详细展开当前阶段及首周，后续阶段紧凑展示。
全量版（full）：展开所有阶段的主题、前置条件、练习、产出、资源、估算、验收阈值和补救动作；日级计划仍只展开首周。

目标卡确认后，Skill 会询问使用哪种模式。两种模式遵守同一套质量和安全要求。

路线会输出什么？

一份正式路线包括：

目标卡。
第一性原理摘要。
依据表与暂不采用资料。
最终成果倒推的能力链。
最小可达成果、已确认成果和可选扩展成果。
每阶段的具体概念、子技能、项目模块、练习和真实产出。
前置条件、典型错误、边界情况与进入下一阶段的条件。
主资源、最多一个补充资源和访问条件。
预计小时范围与估算置信度。
验收量表、通过阈值、所需证据和失败补救。
迁移层级、反馈来源和延迟复测。
时间、复习与至少 15% 缓冲的计算。
最多三个关键风险、预警信号与应对动作。
暂不学习内容及重新加入的条件。
第一周具体行动和一个立即可做的动作。
不展示内部推理的简短核验摘要。

证据政策

每份入选资料必须直接支持目标范围、适用版本或地区、必要能力、验收标准或运行约束。路线使用四级证据：

当前适用的官方标准、大纲或规范。
官方文档、教程、样例和产品资料。
专业机构、学术组织、真实岗位任务或其他一手证据。
教材、课程和补充学习资源。

官方但与目标无关的资料会明确排除。官方依据不完整时，可以使用低一级资料补足，但必须标明来源等级和置信度。

对于技术或开源目标，GitHub Star 只作为发现候选项目的信号。正式采用前还要检查直接相关性、维护与 Release 活跃度、文档与测试、License、Issue、安全状态和版本兼容性。社区项目不能覆盖当前官方规范。

保存路线兼容性

保存路线使用 schema v2。Skill 可以读取没有 frontmatter 的旧文件和 schema v1 文件，但只有用户同意下一次写入时才迁移。

高于当前支持版本的文件不会被覆盖或静默降级。每次创建、更新或迁移都需要新的用户许可，并保留完成记录、验收结果、卡点和调整历史。

跨 Agent 兼容

项目不声称所有 AI 产品都理解相同命令，而是提供三层兼容方式：

原生 Skill：面向支持原生 Skill 的 Codex、Claude Code、Gemini CLI、OpenCode 和 GitHub Copilot。
项目路由：面向能够读取 AGENTS.md、CLAUDE.md、GEMINI.md 或 Cursor 项目规则的 Agent。
通用提示词：面向能够读取附件或本地文件、但不能自动发现 Skill 的 Agent。

所有路径都加载同一份核心文件 zede-zero-learning-roadmap/SKILL.md，平台适配文件不会复制第二套工作流。

具体支持矩阵、调用差异和限制见跨 Agent 兼容说明。

安装

GitHub 仓库发布后，可以克隆源码：

git clone https://github.com/ssuixinsuoyu/zede-zero-learning-roadmap.git

预览所有原生安装目标：

python scripts/install_cross_agent.py --target all-native

确认目标目录后安装：

python scripts/install_cross_agent.py --target all-native --apply

三个原生安装位置：

Codex：~/.codex/skills/zede-zero-learning-roadmap
Claude Code：~/.claude/skills/zede-zero-learning-roadmap
共享 Agent Skills：~/.agents/skills/zede-zero-learning-roadmap，供 Gemini CLI、OpenCode、GitHub Copilot 及兼容宿主使用

安装程序默认只预览，并拒绝覆盖内容不同的现有副本。不进行全局安装时，也可以把下载后的仓库作为 Agent 工作区打开，再提出匹配的路线规划请求。

Codex 调用示例：

$zede-zero-learning-roadmap 我想在三个月内用 Python 做出一个能够处理三类真实表格的自动化工具，每周可以投入 8 小时。

Claude Code 使用 /zede-zero-learning-roadmap。其他原生宿主可以按 Skill 名称或匹配的自然语言请求激活。无法原生发现 Skill 的 Agent 可以使用 adapters/universal-prompt.md。

常见用途

$zede-zero-learning-roadmap 帮我制定数据分析转行路线。
$zede-zero-learning-roadmap 根据这份已保存的路线和本周实际进度重新安排。
$zede-zero-learning-roadmap 我想提高英语表达，请使用可理解输入、真实输出和反馈复测设计路线。
$zede-zero-learning-roadmap 我想探索自己是否适合学习编程，请先设计两周探索冲刺。
$zede-zero-learning-roadmap 把这条具有通用价值的规划反馈永久写进 Skill。

使用边界

Zede-Zero 负责：

目标澄清与基础诊断。
官方依据和补充材料选择。
能力链、具体内容和项目任务设计。
时间、资源、风险、验收和补救规划。
进度恢复和结构性重排。

Zede-Zero 不负责：

连续逐课教学。
代替用户完成真实任务。
保证考试通过、求职成功、收入或市场结果。
代替职业资格或高风险领域的专业监督。
编造来源、版本、链接、价格或结果。

隐私与反馈

未经用户同意，不创建进度文件。
保存的学习记录放在 learning-roadmaps/，该目录被 Git 忽略。
普通反馈只修改当前路线。
只有明确提出永久升级请求时才修改 Skill。
个人资料、私有学习材料、凭据和一次性偏好不得写入可复用 Skill。

项目结构

.
├── .cursor/rules/zede-zero-learning-roadmap.mdc
├── .github/workflows/validate.yml
├── adapters/universal-prompt.md
├── docs/cross-agent-compatibility.md
├── evals/
│   ├── cases.json
│   └── judge-schema.json
├── scripts/
│   ├── check_contract.py
│   ├── install_cross_agent.py
│   └── run_forward_evals.py
├── AGENTS.md
├── CLAUDE.md
├── GEMINI.md
├── README.md
├── README.en.md
├── LICENSE
└── zede-zero-learning-roadmap/
    ├── SKILL.md
    ├── agents/
    │   └── openai.yaml
    └── references/
        ├── planning-patterns.md
        └── progress-protocol.md

本地验证

打包或发布前运行行为契约检查：

python scripts/check_contract.py

测试覆盖首次规则、逐题澄清、第一性原理、目标确认、所有目标类型、证据诊断、分层版与全量版、资料相关性与时效、迁移、反馈、延迟复测、高风险边界、路线版本兼容、反馈安全和进度重排。

隔离运行模型前向测试：

python scripts/run_forward_evals.py --dry-run
python scripts/run_forward_evals.py --case first-use-complete-input
python scripts/run_forward_evals.py --severity hard

每个案例在可安装 Skill 的独立副本上运行。被测试 Agent 不会收到预期答案；单独的结构化评审器检查必需行为和禁止行为。原始响应与摘要写入被 Git 忽略的 evals/runs/。

匿名示例

$zede-zero-learning-roadmap 我想准备一项认证考试，但还没有确定考试日期。
$zede-zero-learning-roadmap 我想用 Python 自动整理本地表格，每周投入 6 小时。
$zede-zero-learning-roadmap 我想探索自己是否适合转向数据分析。
$zede-zero-learning-roadmap 根据这份 schema v1 路线恢复进度，不要立即写文件。

参与贡献

欢迎提交 Issue 和 Pull Request。建议保持规则通用、可复用，并移除个人或私有信息。

适合贡献的内容包括：

更可靠的目标澄清和基础诊断方式。
不同目标类型的规划模式。
官方资料选择与冲突处理。
更具体的验收、迁移和延迟复测设计。
时间估算、跨 Agent 兼容、错误修复、文档与翻译。
已匿名化的行为测试案例。

行为修改应保留目标确认、写入许可、输出前核验、隐私和反馈安全契约。

开源协议

MIT

zede-zero-learning-roadmap

README 快照