前面写了一篇怎么从零创作技能的文，这回再写一个新技能的构思过程：帮人学习的技能。

学习这件事的第一步，其实不是学，是找到靠谱的东西来学。信息源不靠谱，后面全是白费。这不是什么高深的道理，但很多人着急的时候往往跳过这一步。

从博士论文入手

博士学位论文有一个好处：要过盲审。不是谁都能随便写一篇就毕业的。这就给了它一个基本的质量底线。另一个好处是博士论文通常有章是导论性质的，把某个领域的来龙去脉讲一遍，比教材新，比期刊深入浅出。要了解一个自己不熟的领域，从一篇好的博士论文看起，效率往往很高。

但博士论文不全免费。有的数据库可以免费下，有的只能看摘要。如果让模型来帮忙，它可以去搜哪些数据库是免费的、哪些可以通过学校图书馆访问、哪些有开放获取的政策。这比自己一个一个试快得多。

各学科的专业站点

搜索引擎搜出来的东西良莠不齐。百科类网站谁都能编辑，有的是广告，有的是粉丝维护的。不是说全不能用，是得留个心眼。

但每个学科总有一些大家默认靠谱的地方。计算机的 Stack Overflow、医学的丁香园、物理的 arXiv，这些站点在各自圈子里是经过时间检验的。让模型做一个列表，把不同领域对应的专业站点整理出来，再根据你具体要查的东西去定向搜索，比泛泛地搜好很多。

引用必须能验证

用模型查东西最怕一件事：它编了一个看上去很真的引用，你去查，根本不存在。这在学术上是非常严重的问题。有人因为这个被取消了学位——这不是玩笑。

所以这个技能里有一条死要求：引用的每一个地方，都必须有可点击的超链接。而且要去验证那个链接是不是真的能打开，打开后的内容和引用的是不是一致。做完之后，还要脱离前面的上下文，单独把参考文献列表和正文中的引用位置核对一遍。宁愿少引几条，也不要混进去一条假的。

自己不熟悉的领域要查东西，让模型来检索是好的，让它来替你做判断是不好的。

为什么不能完全交给模型

有个现象得说一下。现在的模型是概率生成，它偏向于给出最常见、最中庸的答案。这在很多日常场景下是优点，但在需要前沿、需要严谨的专业领域就可能是问题。最高概率的往往只是最平庸的老生常谈。

有的人，包括一些老师，习惯什么事都拿模型来问，然后让模型帮自己做决定。这样久了容易产生一种心态，觉得模型说的都对。但到了你自己熟悉的专业领域，你一看就会发现问题——很多地方不靠谱，甚至干脆是错的。你熟悉的领域能看出来，那不熟悉的呢。

以前有一次和一个师兄聊这个事。他坚持用某个模型来给自己提供医疗和健康方面的建议。我劝过他，说不太靠谱。他说有很多什么专家也在这么用，所以可靠。后来有研究团队发了文章，指出多模态模型在诊断场景下存在一个效应：它根本不认真看图，而是直接输出迎合评分标准的答案。你说它答对了，其实是它在做应试，不是真的在看图分析。我把文章发给他，他还是不改变看法。

这件事让我想了很久。不是想模型的问题，是想人为什么在一些事情上会那么难以改变。

认知茧房和永远对的人

有一种情况，我观察过不少次。有的人从来不认为自己需要修正任何看法。支撑他自信的东西，不是对事实的核对，而是他有一套自洽的叙事能解释他看到的东西。只要说得通，就够了。至于事实到底是什么，他没有兴趣去核对。

这不是年龄的问题。有的人年纪轻轻就已经是这种状态了，反过来有的老人保持着旺盛的好奇心和纠正自己的勇气。区别不在年龄，在是否愿意接受自己可能是错的。

遇到这样的人，没必要去辩论。他在自己的叙事里是永远赢的——逻辑自洽、经验丰富、引经据典，你怎么可能辩得过他。但辩论赢了又怎样呢，和自己以为的对错没有关系。

人的时间是有限的。心跳有数，清醒的时刻有限，每一次分心都是不可逆的消耗。把时间花在自己关心的事情上，花在值得深入的东西上，比什么都强。

怎么把这个做成技能

和上一篇视频萃取的思路一样，把刚才说的这些整理成一段话，直接喂给 opencode。下面是我准备好的提示词样本——大家也可以用自己的风格来写，不必照着我的格式来。

要帮我创建一个技能，中文名叫学术导览，英文名叫 AcademicGuide，用来帮人入门一个新的学科领域。

第一步，找博士论文。 搜索和这个领域相关的博士论文，优先找近三年内的。整理出论文标题、作者、学校、年份、下载链接。标注哪些是免费可获取的、哪些需要机构访问、哪些完全封闭。如果是需要机构访问的，也查一下有没有作者发的预印本或者开放获取版本。

第二步，整理专业站点。 针对这个学科，搜索领域内公认靠谱的专业网站、论坛、数据库。不要用泛泛的百科类站点，要找圈子里公认的。比如计算机领域的 Stack Overflow、GitHub，数学和物理的 arXiv、MathOverflow，医学的 PubMed、UpToDate。把地址、简介、更新频率列一个表出来。

第三步，搜索和记录。 每一次搜索的结果都必须保留原始记录。搜到了什么、从哪个网站来的、什么时候搜的，全部记录下来。最终输出的时候，每一条引用都要有一个可点击验证的超链接，还有一个完整的参考文献列表。

第四步，验证引用。 这步最重要。把参考文献列表单独拿出来，脱离前文的语境，逐条打开链接，确认链接能访问、内容和引用的说法一致。没有经过验证的引用一律不能用。引用格式要规范。

后续如果要使用这个技能，直接通过 /学术导览 <领域名称> 来调用。

上面这段话给了模型它需要的所有约束：信息源的选择标准、验证引用的硬性要求、输出格式的规范。自己先想清楚每一步要做什么、做到什么程度才算合格，再把这段话说给 opencode，它就能帮你做出一个可以反复用的技能来。关键是先想清楚再开口，想不清楚的不要交给它替你想。

说回到技能本身。这个技能的思路并不复杂：找一个方向，搜博士论文和专业站点，把信息源做成列表，每一条都验证引用。模型负责做检索和整理这些费时间的事，人负责判断哪些靠谱、哪些需要再确认、哪些方向值得往下走。分工清楚，各干各擅长的。