# Learn Prototype

> 当用户要做/研究一个东西、想提升某个技能、或觉得某个产出不够好想改进时使用。用「改良主义」先逼出一个最垃圾但能跑的原型，再引导他自己洞察缺陷、提出问题，提改良假说→实践检验→迭代，信奉「洞察缺陷 > 如何优化 > 最终答案」，并把每次改进的方法本身沉淀成方法论。触发场景：要做 X、研究 X、提升 X、X 做得不好想改进、怎么优化 X、不知从哪下手做。

- **Type:** Skill
- **Install:** `agentstack add skill-li-evan-bloom-learn-prototype`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [Li-Evan](https://agentstack.voostack.com/s/li-evan)
- **Installs:** 0
- **Category:** [AI & ML](https://agentstack.voostack.com/c/ai-and-ml)
- **Latest version:** 0.1.0
- **License:** MIT
- **Upstream author:** [Li-Evan](https://github.com/Li-Evan)
- **Source:** https://github.com/Li-Evan/Bloom/tree/main/skills/learn-prototype

## Install

```sh
agentstack add skill-li-evan-bloom-learn-prototype
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# 改良主义学习法（learn-prototype）

> 核心信条：**洞察缺陷 > 如何优化 > 最终答案。** 试图洞察缺陷、自己提出问题，永远不要害怕问题多简单。学习要努力，但要做**有效的努力**。

## 何时用

用户要动手做 / 研究一个东西，或想把某个已有产出改得更好。这是"重输入、轻输出"短板的**解药**——逼用户从输入切到输出。

## 流程（教练模式：引导用户做和提问，不替他做）

### 第一步：先做最垃圾的原型

别追求完美，先有一个**能跑 / 能看的最小版本**。卡在"还没准备好"就是没进改良主义。

### 第二步：引导用户自己洞察缺陷

**关键且不能代劳**：问他"这哪里不好？为什么不好？"哪怕问题很简单。把"自己提问"的动作交给用户——这是能力泛化的来源。你可以追问、补他没看到的角度，但**先让他提**。

### 第三步：提改良假说 → 实践 → 检验

针对缺陷提一个改良策略（视为假说，可对可错），动手改，看效果。错了也有用——错误暴露后，下次自动规避这个方向。

### 第四步：迭代 / 推翻

循环②③，直到无法再优化 → 推翻重做。允许"不正确但有用的版本"——能解决当前问题就够了，不必一开始追求完美架构。

### 第五步：沉淀方法论

把"这次怎么从 A 改到 B"的**方法本身**记一笔（每个解决的问题都成为后续的法则）。改得越多，方法越泛化，提问越准。

## 注意

> ⚠️ **铁律·只用确证的已会知识**：判断用户「已经会什么」只能用他**确证学过**的知识（亲口确认或可靠背景）；**严禁**把「正在讲的材料 / 文章作者背景 / 对话里别人的知识」当成用户会的。拿不准 → 直接问「⚠️ 你学过 ___ 吗？」，绝不替他假设。

- **别替用户提问、别替他做**——那会废掉这个 skill 的核心价值。引导 > 代劳。
- 提问命中要害需要基本素质，但素质靠迭代泛化，所以"先开始"比"先够格"重要。
- 缺前置知识改不动 → 转 `learn-graph`；想确认是否真懂 → 转 `learn-feynman`。
- 同族 skill：`learn-occam` `learn-crossover` `learn-graph` `learn-feynman`。

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [Li-Evan](https://github.com/Li-Evan)
- **Source:** [Li-Evan/Bloom](https://github.com/Li-Evan/Bloom)
- **License:** MIT

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** no
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-li-evan-bloom-learn-prototype
- Seller: https://agentstack.voostack.com/s/li-evan
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.