本文经原作者授权转载，版权归原作者所有。原作者：dontbesilent（@dontbesilent）。查看原文 →
dbskill 更新到 v2.9.0，新增了一个 skill：
/dbs-learning
这个 skill 用来做交互式学习。它会把一个课题拆成连续文章，并根据用户在上一篇里的反馈，生成下一篇
为什么做这个功能
这个功能的起点，是 Benjamin Bloom 在 1984 年提出的 2 Sigma Problem
Bloom 比较了几种学习方式：普通课堂、掌握学习、一对一辅导。结果显示，一对一辅导的学生成绩显著高于普通课堂学生，平均提升大约 2 个标准差。按 Bloom 的说法，一对一辅导组的平均学生，表现高于普通课堂中大约 98% 的学生
这个结论本身很直接：一对一辅导有效
真正的问题是，一对一辅导很难规模化。它需要老师持续观察学生的理解状态，并根据学生的反馈调整下一步。一个老师很难同时对大量学生做这种级别的个性化调整
Bloom 把这个问题称为 2 Sigma Problem：有没有办法在更低成本、更大规模的条件下，接近一对一辅导的学习效果
一对一辅导为什么有效
一对一辅导有效，不只是因为老师讲得更清楚
更关键的是，老师能根据学生的当前状态调整学习过程
- 学生没看懂，就回到没看懂的地方
- 学生已经掌握了，就继续推进
- 学生提出了具体问题，下一步先回应问题
- 学生对某个方向更感兴趣，老师可以把后续内容往那里展开
这套机制的核心是反馈
学习不是固定大纲从头走到尾，而是在每一步之后根据反馈调整下一步
AI 在这里能做什么
AI 很容易生成一篇文章
但单篇文章解决不了 Bloom 说的问题。真正有价值的地方，是 AI 能不能持续读取用户反馈，并根据反馈调整后续内容
要做到这一点，需要把学习过程保存下来
如果没有保存，AI 每次都只能根据当前对话临时判断。对话一长，信息会丢；换一个窗口，学习过程就断了
所以 dbs-learning 做的不是简单写文章，而是把学习过程变成一组可持续读取的文件
dbs-learning 怎么工作
使用方式很简单：
/dbs-learning 带我学奥派经济学入门
它会创建一个课题目录，并生成第一篇文章：
01.md
文章末尾会保留「学习反馈」区域。用户读完以后，可以在这里写：
- 哪里看懂了
- 哪里没看懂
- 哪个地方想展开
- 这个主题和自己的真实问题有什么关系
下一次继续时，输入：
/dbs-learning 继续下一篇
它会先读取上一篇文章末尾的反馈，再生成下一篇
如果用户写「没看懂供需曲线」，下一篇就会降低抽象度，用更具体的例子解释
如果用户写「这个我懂了，我想知道怎么用于商业判断」，下一篇就会转向案例和应用场景
这就是这个 skill 的基本逻辑：
生成 01.md 用户阅读并写反馈 读取反馈 生成 02.md 继续根据反馈调整
文件会放在哪里
如果你在一个项目目录里使用，学习文件默认放在：
学习课题/{课题名}/
例如：
学习课题/奥派经济学入门/ ├── 00-学习计划.md ├── 01.md ├── 02.md └── assets/
如果当前目录是根目录、桌面、下载目录这类泛目录，文件会放到：
~/Documents/dbskill-learning/{课题名}/
这样可以避免学习文件散落在系统目录里
如何更新
通用安装和更新命令：
npx -y skills add dontbesilent2025/dbskill -g --all
GitHub Release：
https://github.com/dontbesilent2025/dbskill/releases/tag/v2.9.0
这次更新的意义
dbs-learning 的目标，是把 AI 从单次回答工具，变成一个能跟随反馈持续调整的学习流程
它不保证直接复制一对一导师的效果
但它把一对一辅导里最重要的一部分抽出来了：读取反馈，调整下一步，形成连续学习梯度
这也是这次更新真正想解决的问题