core-learning — плагин для Claude Code: что делает и как установить
Плагин core-learning организует обучение через сократовский диалог, метод Фейнмана и интервальные повторения с проверкой реального результата.
MIT ★ 1 596 обновлён 2026-10-29
/plugin marketplace add hashgraph-online/awesome-codex-plugins
/plugin install core-learning@awesome-codex-pluginsЧто делает core-learning
Плагин разбивает сложную тему на пять–девять ключевых понятий и выстраивает практику короткими циклами. Модель задаёт по одному вопросу, ждёт ответа, а при ошибках выдаёт подсказки вместо готовых решений. В работу заложены пять режимов: сократовский разбор тем, обратное объяснение для проверки пробелов, скоростное решение задач, жёсткое ревью готового проекта и интервальное тестирование в начале сессии.
Прогресс фиксируется в рабочей директории, а не во внутреннем кэше плагина, поэтому данные сессий и ошибки сохраняются между запусками. При этом экспорт для Anki формирует только локальные файлы: сам плагин не запускает фоновые напоминания и не рассчитывает FSRS-интервалы.
Какие задачи решает
- освоить сложную тему через пошаговые вопросы без готовых подсказок
- проверить пробелы в понимании через собственное объяснение концепций
- получить строгую проверку проекта по критериям приёмки
- выгрузить материалы для интервального повторения в Anki
Примеры запросов агенту
- Используй $learn-core: помоги разобрать Transformer на Python, бюджет 20 часов, двигайся строго по одному вопросу
- Переключи режим на обратное объяснение: я расскажу принцип работы, а ты укажи на логические ошибки
- Проведи интервальный опрос по теме прошлой сессии перед началом новой темы
Как установить core-learning
Через маркетплейс плагинов
/plugin marketplace add hashgraph-online/awesome-codex-plugins/plugin install core-learning@awesome-codex-pluginsПо шагам, с командами для каждой платформы: Плагины Claude Code: маркетплейсы, установка и как собрать свой
Вопросы о core-learning
Как установить core-learning в Claude Code?
Выполните две команды в терминале: сначала добавьте каталог /plugin marketplace add hashgraph-online/awesome-codex-plugins, затем установите пакет /plugin install core-learning@awesome-codex-plugins.
Что делает плагин core-learning?
Он переводит агента в режим репетитора с пятью форматами работы: сократовский диалог с подсказками, метод Фейнмана, тренинг скорости, критика готового проекта и интервальные тесты.
Как в core-learning работает повторение через Anki?
Плагин лишь генерирует локальные файлы для экспорта, а импортом карточек и алгоритмом FSRS управляет сама программа Anki.
Исходный текст
codex-learning-plugin · MIT
# 学习 把学习组织成可验收的能力增长:先找到最值得学的少数概念,再通过尝试、提示、再试、倒讲和延迟测验,尽早交付真实作品。 在新任务中选择「学习」,或输入: ```text 用 $learn-core 带我学习 Transformer。我会 Python,预算20小时。 目标是手写 causal attention + MLP,训通字符级小 GPT,讲清 mask 与 √dₖ。 默认一次一题,答错只给提示,等我答完再继续。 ``` 也可以说「切换倒讲,我来解释」「给我5道提速题,先别给答案」「毒舌评审我的作品」「先考上次学过的内容」。显示名为「学习」;内部插件标识 `core-learning` 和技能调用名 `$learn-core` 保留,便于已有安装继续使用。 ## 八条默认原则 1. 用一句话约定能做什么、怎样验收;知道名词不等于达到目标。 2. 第一轮保留5–9个高杠杆概念,列出必要前置和「现在故意不学什么」。很小的目标不硬凑数量。 3. 每次会话自动重申家教规则:一次一个概念、一道题、等作答;错了只提示,再试;能讲清原因才进入下一块。 4. 尽早做出粗糙但可运行、可演示的首版,避免把准备当成果。 5. 大部分主动学习时间用于「试→错→提示→再试」。 6. 由你倒讲,AI指出关键漏洞,等你修正。 7. 新会话先回忆旧内容;长期记忆可用Anki的FSRS安排复习。 8. 20小时冲刺结束前必须有符合目标的交付物;缺少作品或独立表现证据,标记为未完成。 ## 五种模式 | 模式 | 何时用 | AI此时的任务 | |---|---|---| | 苏格拉底练习(默认) | 学新核心、修复卡点 | 一题一等、分级提示、独立新题验证 | | 倒讲查漏 | 练完一块后 | 听你讲,只指出模糊、错误、缺条件之处 | | 刷题提速 | 基础已正确,需要熟练 | 短题、先作答后反馈,逐步交错相近题型 | | 项目毒舌评审 | 已有作品 | 用验收标准找缺陷、给复现办法、由你修复 | | 间隔测验 | 每次续学开始 | 先闭卷,记录首次表现,再安排补学与复习 | 每轮只运行一种模式。阶段结束时明确切换,不在同一条待答题下同时给答案、倒讲任务、刷题和评审。短解释或不同例子的示范可作为必要支架;不会把长篇讲解当成默认学习方式。 ## 时间与能力边界 20小时是可调整的冲刺预算,不是精通所有领域的保证。可使用30分钟、2小时或更长预算;先按基础缩小成果,再保留练习和验收。AI生成的内容、AI代写的作品、提示下做对,均不自动算作你的独立能力。 进度保存在学习工作区,不写入插件缓存。支持保存待答题、错误类型、提示使用情况、作品证据和续学安排。Anki导出脚本只生成本地文件;导入和FSRS调度由Anki完成,插件本身不在后台提醒,也不内置FSRS算法。 - [完整方法调研与来源](skills/learn-core/references/方法梳理与溯源.md) - [五种模式的运行规则](skills/learn-core/references/modes.md) - [课程设计、验收与跨领域适配](skills/learn-core/references/teaching.md) - [进度保存与续学](skills/learn-core/references/progress.md) - [Anki导出与FSRS流程](skills/learn-core/references/spaced-recall.md)
© Codex Learning Plugin contributors · MIT · hashgraph-online/awesome-codex-plugins