#learning #eli5 #visualization #ai-skill

KnowPitch

用足球阵型把知识领域拆解成"一支球队"来深入学习与讲透。触发：kp11/kpt/kpitch/knowpitch + 主题；阵型学习、知识阵型图、 4-3-3/CB/CDM/AMD 等位置代码+学习；"用足球阵型讲"、"排成球队"。产出：阵型图 SVG + 球员卡（ELI5 风格）+ 战术板（学习路径与连线）。 Do NOT use for: 快速概念解释（用 ELI5）、思维导图、闪卡、非知识类主题（情感/咨询）、需要精确数据的报告。

AllenLin@iyabao

Install

openclaw skills install @iyabao/knowpitch

KnowPitch — 阵型学习法

Put your knowledge on the pitch.（把你的知识放上球场）

适用边界

✅ 适合： 系统学习、知识梳理、备考复习、教学准备、概念深度理解 ❌ 不适合： 快速问答、情感咨询、精确数据分析、代码调试、纯事实查询

前置条件

Python 3.8+（用于生成阵型图 SVG）
主题必须是"知识类"（有明确概念体系），非情感/观点类
如需外部事实，先检索/读资料，确保知识点有来源、不编造

核心思维模式

排阵型前先问自己：

这个主题的"门将"是什么？（最底层、丢了就全崩的基础）

这个主题的"前锋"是什么？（最终要回答的核心结论）

中间的"中场"如何把基础变成结论？（机制/方法/思想）

这个技能是什么

把任何知识领域当作一支足球队来理解：知识点是球员，按职能排进 4-3-3、4-2-3-1 等阵型，再配一个主教练（一句话核心思想）、一个门将（底线基础）和替补席（进阶知识点）。每个"球员"都用 ELI5 的方式讲成大白话。最后交付：阵型图（SVG）+ 球员卡 + 教练战术板。

它内化了 ELI5 技能的内核，因此所有讲解遵循：

假设零背景，不是零智商（assume zero background, not zero intelligence）

用 5 岁小孩也能懂的大白话 + 日常类比，但不牺牲准确性。

每个专业词第一次出现时，紧跟一句大白话解释。

短句、短段、口语化；先讲"它是干嘛的"，再讲"怎么做到"，最后讲"为什么重要"。

工作流

按顺序执行：

Step 1: 识别主题与深度需求

解析用户请求，确定要学习的主题
解析受众参数（--age/--job/--grade），调整语言难度和类比方向
判断用户需要的深度：
- kpt / 快速模式：≤ 5 个知识点，精简阵容
- kp11 / 默认模式：6-11 个知识点，标准阵容
- kpitch / 完整模式：> 20 个知识点，启用 B 队
如需外部事实，先检索/读资料，确保知识点有来源、不编造；拿不准的标"待考证"。

Step 2: 盘点知识点与职能分类

列出该主题的主流知识点
每个先写好"一句大白话解释 + 一个日常类比"
打上职能标签：地基(守)/机制(转)/思想(想)/应用(打)/结论(进)
根据受众参数调整类比方向（--age 5 用玩具类比，--job manager 用商业类比）

Step 3: 选择阵型（决策树）

按以下决策树选择阵型：

text

知识点数量？
├─ ≤ 5 个 → 精简阵（主教练 + 门将 + 能放的位置，不硬凑）
├─ 6-11 个 → 一套主力阵型
├─ 12-20 个 → 主力 + 替补席
└─ > 20 个 → 主力 + B 队

知识结构形态？
├─ 基础/机制/应用三层均衡 → 4-3-3
├─ 有一个非常清晰的主结论 → 4-2-3-1（单箭头+三前腰）
├─ 主结论+两个衍生结论 → 4-3-2-1（圣诞树）
├─ 理论 vs 实践两大板块 → 4-4-2
├─ 一个关键机制托底 → 4-1-4-1（单后腰）
├─ 机制/方法特别多 → 4-5-1 或 3-5-2
└─ 应用/案例非常多 → 3-4-3

阵型选择权衡：

4-3-3 最通用，但对"单一主结论"的主题表达力弱
4-2-3-1 适合"目标导向"主题，但中场防守（基础）可能薄弱
3-5-2 中场最厚，但后卫（基础）只有 3 人，不适合基础概念多的主题

Step 4: 排位置

按 references/positions.md 的角色映射，把知识点放进对应位置：
- 主教练 = 一句话核心思想
- 门将 = 最底层基础
- CB = 核心基础
- LB/RB = 背景前置
- CDM = 机制
- CM = 方法/流程
- AMD(CAM) = 核心思想/理论
- LW/RW = 应用/案例
- CF = 核心结论
- SS = 衍生结论
- 替补 = 进阶/边角
人不够 11 个就留空位（= 可继续深挖的位置）

Step 5: 写球员卡（ELI5 风格）

每个首发球员按下方【球员卡模板】用 ELI5 写法输出
替补/B 队可更简
根据受众参数调整语言难度（--age 5 每句≤10字，--age 25+ 可用术语）
质量标准： 零背景读者能看懂、有日常类比、无未解释的术语

Step 6: 画战术板

写出学习路径（球路，如 GK→CB→CDM→AMD→CF）
关键连线（谁和谁强相关）
"三种输球方式"（最容易误解/出错的点）

Step 7: 渲染阵型图

把阵容写成 JSON（结构见下方【阵型图 JSON Schema】）
运行 python3 scripts/formation_diagram.py team.json output.svg
校验输出 SVG 存在且非空

Step 8: 交付与质量自查

按【输出模板】组织正文
阵型图用 present_files 交付
完成 10 项质量自查清单

异常处理

情况	处理方式
知识点 < 3 个	提示用户主题太窄，建议扩展；只排"主教练+门将+1后卫"
知识点 > 50 个	自动拆分为多个子主题，每个子主题单独排阵型
阵型图生成失败	降级为纯文本阵型图（ASCII 艺术），并提示用户检查 Python 环境
找不到主教练	如实说明"本主题没有单一核心思想"，让门将承担统领角色
用户不满意阵型	提供 2-3 个备选阵型供选择，说明各阵型的表达差异

输入契约

用户输入格式：[触发词] [主题] [可选参数]

参数	类型	必填	说明
触发词	string	是	kp11/kpt/kpitch/knowpitch
主题	string	是	要学习的知识领域/概念
深度	enum	否	quick/standard/deep，默认由触发词决定
阵型	string	否	强制指定阵型（4-3-3/4-2-3-1 等）
语言	string	否	输出语言，默认中文
--age	int	否	受众年龄（5/10/15/18/25+），调整语言难度
--job	string	否	受众职业（manager/developer/student），调整类比方向
--grade	string	否	受众年级（5th/college/grad），调整专业深度

受众适配规则：

--age 5：极简单词，玩具/动画类比，每句 ≤10 字
--age 10：简单词汇，学校/游戏类比，每句 ≤15 字
--age 15：日常词汇，生活/社交类比，正常句式
--age 25+：专业词汇，职场/技术类比，可包含术语
--job manager：商业框架，ROI/风险/决策导向，避免代码
--job developer：技术类比，代码/架构/性能导向
--job student：学习类比，考试/笔记/课程导向

输入示例：

kp11 讲一下机器学习（默认模式，4-3-3）
kpt 什么是通货膨胀（快速模式，精简）
kpitch 深入讲解 React Hooks（完整模式，B 队）
kp11 神经网络 --阵型 4-2-3-1（指定阵型）
kp11 数据库索引 --age 5（5 岁小孩能懂）
kp11 代码库结构 --job manager（给经理解释，商务化）
kp11 Git 合并冲突 --grade 5th（5 年级学生能懂）

输出契约

输出结构

text

# 【主题】阵型学习卡（阵型：XXX）
├── 主教练的话（1 段 ELI5 总览 + 一句话核心思想）
├── 阵型图（SVG）
├── 首发阵容
│   ├── 门将 GK（1 人）
│   ├── 后卫（2-4 人）
│   ├── 中场（3-5 人）
│   └── 前锋（1-3 人）
├── 替补席（0-9 人）
├── 教练战术板
│   ├── 为什么用这个阵型
│   ├── 球路（学习路径）
│   ├── 关键连线
│   └── 三种输球方式
└── B 队（可选，>20 知识点时）

阵型图 JSON Schema

json

{
  "topic": "主题名（string，必填）",
  "formation": "4-3-3（string，必填，可选：4-3-3/4-2-3-1/4-3-2-1/4-4-2/4-5-1/4-1-4-1/3-5-2/3-4-3）",
  "coach": {
    "name": "主教练名（string，必填，= 一句话核心思想）",
    "desc": "一句话说明（string，可选）"
  },
  "players": [
    {
      "pos": "CB（string，必填，位置代码）",
      "name": "知识点名（string，必填）",
      "desc": "一句话说明（string，可选，用于警告统计）"
    }
  ],
  "bench": [
    {
      "name": "替补知识点名（string，必填）",
      "desc": "一句话说明（string，可选）"
    }
  ],
  "flow": ["GK", "CB", "CDM", "AMD", "CF"],
  "b_team": {
    "formation": "3-4-3（string，可选）",
    "coach": {"name": "B队教练", "desc": "次级核心思想"},
    "players": [{"pos": "CM", "name": "扩展知识点", "desc": "一句话"}]
  }
}

位置代码： GK RB CB LB CDM CM CAM AMD LAM RAM RM LM LW RW CF SS

边界值输出

空主题： 提示"请提供要学习的主题"
非知识类主题： 提示"本技能适用于知识类主题，建议使用其他方式"
知识点 < 3： 精简阵型，明确标注"主题较窄，建议扩展"

输出模板

按此结构组织最终回答（阵型图作为配图放在最前面）：

text

# 【主题】阵型学习卡（阵型：XXX）

## 主教练的话
[一段 ELI5 大白话总览 + 主教练=一句话核心思想]

## 阵型图
[SVG]

## 首发阵容
### 门将 GK
- 【知识点名】一句话大白话
### 后卫（CB / LB / RB）
- ...
### 中场（CDM / CM / AMD）
- ...
### 前锋（CF / SS / LW / RW）
- ...

## 替补席
- ...

## 教练战术板
- 为什么用这个阵型：一句话
- 球路（学习路径）：GK → CB → CDM → AMD → CF ...
- 关键连线：A 和 B 的关系一句话
- 三种输球方式（最容易错/误解的点）：3 条

## B 队（如果适用）
[B 队阵型、B 队教练=次级核心思想、球员卡精简版]

球员卡模板（ELI5）

每个首发球员卡统一 4 行（默认 1–3 句；用户要求"深入"时可扩到 100–300 字）：

text

【位置代码｜知识点名】
- 是什么：一句大白话（像对 5 岁小孩解释）
- 像什么：一个日常类比（玩具/厨房/上学/手机……）
- 传给谁：它和哪些队友联动（依赖/关系）
- 为什么在这：一句话说明它为什么待在这个位置

NEVER 清单（不要做这些）

NEVER 硬凑 11 人 — 知识点不够时留空位，不要把边角料硬塞进首发。
- WHY：凑数的球员会稀释核心知识点，让阵型图失去重点。
- 错误示例：把"历史背景"这种边角料放进 CB 核心位置。
NEVER 按重要性排序位置 — 位置由"职能"决定，不是由"重要性"决定。
- WHY：重要的知识点可能是"应用"（LW/RW），不是"基础"（CB）。
- 错误示例：把最重要的结论放 GK（门将应该是最底层基础）。
NEVER 跳过阵型图生成 — 即使时间紧，也要生成 SVG。
- WHY：阵型图是本技能的核心差异化，纯文本输出和 ELI5 没有区别。
NEVER 用专业术语解释专业术语 — 球员卡必须用大白话。
- WHY：违反 ELI5 内核，零背景读者看不懂。
- 错误示例："梯度下降是一种一阶迭代优化算法"（应该说"一步步往山下走，找到最低点"）。
NEVER 编造知识点 — 不确定的标"待考证"，不要瞎编。
- WHY：错误知识比没有知识更有害。
NEVER 把 B 队当主力 — B 队是扩展，不是第二套核心。
- WHY：B 队应该是"想再多学一点"的内容，不能和主力抢重点。
NEVER 忽略"三种输球方式" — 战术板必须包含常见误解/错误。
- WHY：知道"什么是错的"和知道"什么是对的"同样重要。
NEVER 在 description 里写 "I can" / "You can" — 用第三人称。
- WHY：第一人称会破坏 Skill 的发现机制。

完整示例

示例 1：机器学习（kp11，4-2-3-1 + B 队）

用户输入： kp11 讲一下机器学习

主教练： 机器学习 = 让电脑从数据中自己找规律，而不是人写死规则

首发阵容（4-2-3-1）：

门将 GK｜什么是"从数据找规律"

是什么：电脑看很多例子，自己总结出规律，不用人一条条写规则
像什么：小孩看了很多猫的照片，自己学会认猫，没人教他"猫有四条腿+尾巴+耳朵"
传给谁：所有球员都基于这个基础
为什么在这：这是机器学习的定义，丢了就全崩

后卫 CB｜特征/标签/训练集

是什么：特征是输入的数据，标签是答案，训练集是学习用的题库
像什么：练习题（特征）+ 答案（标签）+ 一本题库（训练集）
传给谁：给 CDM（梯度下降）提供原料
为什么在这：没有数据就没法学习，这是地基

后腰 CDM｜梯度下降

是什么：一步步调整参数，让预测错误越来越小的优化方法
像什么：蒙眼下山，每步都往最陡的方向走，直到走到谷底
传给谁：给 CM（损失函数）提供优化方向
为什么在这：这是机器学习的核心机制，所有模型都靠它训练

后腰 CDM｜损失函数

是什么：衡量预测有多错的函数，错得越多分越高
像什么：考试扣分，错一题扣一分，目标是扣到 0 分
传给谁：和梯度下降强相关，告诉它"往哪走能减少错误"
为什么在这：没有损失函数就不知道"学对了没有"

前腰 AMD｜监督学习

是什么：给电脑看"题目+答案"，让它学会从题目推答案
像什么：做练习题对答案，做多了就会考试了
传给谁：给 LW（分类/回归）提供理论基础
为什么在这：这是最常用的机器学习范式

前腰 AMD｜无监督学习

是什么：只给电脑看"题目"不给答案，让它自己找规律
像什么：给你一堆水果，不告诉你分类，你自己按颜色/形状分组
传给谁：给 RW（聚类/降维）提供理论基础
为什么在这：这是发现隐藏模式的核心思想

前腰 AMD｜强化学习

是什么：电脑通过"试错+奖励"学习，做对加分做错扣分
像什么：训练小狗，做对给零食，做错轻轻拍一下
传给谁：给 CF（预测）提供另一条路径
为什么在这：这是决策类问题的核心思想

边锋 LW｜分类与回归

是什么：分类是预测类别（猫/狗），回归是预测数值（房价）
像什么：分类是选择题，回归是填空题
传给谁：给 CF（预测）提供具体应用方法
为什么在这：这是监督学习最常见的应用场景

边锋 RW｜聚类与降维

是什么：聚类是自动分组，降维是把高维数据变简单
像什么：聚类是整理衣柜（按季节分），降维是把厚书浓缩成思维导图
传给谁：给 CF（预测）提供无监督应用
为什么在这：这是无监督学习的主要应用

中锋 CF｜预测

是什么：用训练好的模型对新数据做出判断
像什么：学会了知识点后去考试，对没见过的题作答
传给谁：最终输出，全队服务的目标
为什么在这：这是机器学习的最终目的——预测

替补席：

过拟合/欠拟合（进阶概念）
正则化（防止过拟合的方法）
交叉验证（评估模型的方法）
特征工程（数据预处理）

阵型图： [SVG]

教练战术板：

为什么用 4-2-3-1：机器学习有一个明确的最终目标（预测），双后腰（梯度下降+损失函数）是核心机制，三前腰（三大范式）给目标喂球
球路（学习路径）：GK → CB → CDM → AMD → CF
关键连线：梯度下降 ↔ 损失函数（互相依赖）；监督学习 ↔ 分类/回归（理论→应用）
三种输球方式：
1. 过拟合：模型死记硬背训练数据，换新题就不会（像背答案不理解）
2. 欠拟合：模型太简单，连训练数据都学不会（像基础太差）
3. 数据泄露：测试数据混进训练集，成绩虚高（像考试前偷看了答案）

B 队（3-4-3，进阶应用）：

B 队教练：机器学习在真实世界的应用
前锋：计算机视觉（CV）、自然语言处理（NLP）、推荐系统
中场：深度学习、集成学习、迁移学习、在线学习
后卫：卷积神经网络（CNN）、循环神经网络（RNN）、Transformer

示例 2：通货膨胀（kpt，4-3-3 精简）

用户输入： kpt 讲一下通货膨胀

主教练： 通货膨胀 = 钱变多了，但东西没多，所以钱不值钱了

首发阵容（4-3-3，精简 6 人）：

门将 GK｜货币与价格

是什么：钱是交换的媒介，价格是东西值多少钱
像什么：钱是票，东西是演出，票印多了每张就不值钱了
传给谁：所有球员的基础
为什么在这：不懂货币就不懂通胀

后卫 CB｜需求拉动

是什么：大家都想买，东西不够，价格就涨了
像什么：演唱会门票，抢的人多了黄牛就加价
传给谁：给 CM（货币政策）提供原因
为什么在这：这是通胀的主要原因之一

后腰 CDM｜货币乘数

是什么：银行把钱贷出去，钱就变多了（100 块存款能变出 500 块贷款）
像什么：魔术师的帽子，放进去 1 只兔子，能变出 5 只
传给谁：给 CM（货币政策）提供机制
为什么在这：这是钱变多的核心机制

中前卫 CM｜货币政策工具

是什么：央行通过加息/降息、印钱/收钱来控制货币量
像什么：水龙头，拧大水流大（通胀），拧小水流小（通缩）
传给谁：给 CF（钱包影响）提供手段
为什么在这：这是控制通胀的方法

边锋 LW｜历史案例

是什么：德国 1923 年（买面包要推车钱）、津巴布韦（万亿面值钞票）
像什么：极端的反面教材，告诉你失控有多可怕
传给谁：给 CF（钱包影响）提供实证
为什么在这：案例让抽象概念变具体

中锋 CF｜通胀怎么影响你的钱包

是什么：工资不涨但物价涨，实际购买力下降
像什么：你口袋里的钱没变，但能买的东西变少了
传给谁：最终结论
为什么在这：这是大家最关心的——通胀和我有什么关系

阵型图： [SVG]

教练战术板：

为什么用 4-3-3：通胀是均衡主题，原因（需求）、机制（货币乘数）、影响（钱包）三层都有
球路：GK → CB → CDM → CM → CF
关键连线：货币乘数 ↔ 货币政策（机制和手段互相影响）
三种输球方式：
1. 把通胀当成"物价上涨"（通胀是货币现象，不是所有涨价都是通胀）
2. 以为加息立刻能降通胀（货币政策有 6-18 个月滞后）
3. 以为工资涨能跑赢通胀（工资通常涨得比物价慢）

示例 3：数据库索引（kp11 --age 5，给 5 岁小孩讲）

用户输入： kp11 数据库索引 --age 5

主教练： 索引 = 书的目录，找东西不用一页页翻

首发阵容（4-3-3，精简 5 人，5 岁语言）：

门将 GK｜什么是索引

是什么：就像书前面的目录
像什么：你想看恐龙那页，看目录就知道在第 50 页，不用从第 1 页翻
传给谁：所有人的基础
为什么在这：不懂目录就不懂索引

后卫 CB｜没有索引会怎样

是什么：要一页一页翻，很慢很慢
像什么：1000 页的书，找"小红帽"要翻 500 页
传给谁：给 CDM（为什么快）提供对比
为什么在这：知道"慢"才懂"快"的好

后腰 CDM｜为什么索引快

是什么：目录告诉你在哪一页，直接翻过去
像什么：玩躲猫猫，有人告诉你"他在柜子里"，你不用到处找
传给谁：给 CF（结果）提供原因
为什么在这：这是索引的核心魔法

边锋 LW｜生活中的索引

是什么：字典的拼音检字表、超市的分类牌
像什么：超市写着"零食区"，你直接走过去，不用每个货架都看
传给谁：给 CF（结果）提供例子
为什么在这：例子让抽象变具体

中锋 CF｜结果

是什么：找东西又快又准
像什么：有了目录，1 秒钟找到，不用翻 10 分钟
传给谁：最终答案
为什么在这：这是索引的目的——快

阵型图： [SVG]

教练战术板：

为什么用 4-3-3：均衡主题，是什么→为什么→例子→结果
球路：GK → CB → CDM → CF
关键连线：没有索引（慢）↔ 有索引（快）（对比关系）
三种输球方式：
1. 以为索引是"另一份数据"（索引是目录，不是内容）
2. 以为所有东西都要索引（太多目录反而慢）
3. 以为索引永远不会变（书加了新内容，目录也要更新）

KnowPitch

Install

KnowPitch — 阵型学习法

适用边界

前置条件

核心思维模式

这个技能是什么

工作流

Step 1: 识别主题与深度需求

Step 2: 盘点知识点与职能分类

Step 3: 选择阵型（决策树）

Step 4: 排位置

Step 5: 写球员卡（ELI5 风格）

Step 6: 画战术板

Step 7: 渲染阵型图

Step 8: 交付与质量自查

异常处理

输入契约

输出契约

输出结构

阵型图 JSON Schema

边界值输出

输出模板

球员卡模板（ELI5）

NEVER 清单（不要做这些）

完整示例

示例 1：机器学习（kp11，4-2-3-1 + B 队）

示例 2：通货膨胀（kpt，4-3-3 精简）

示例 3：数据库索引（kp11 --age 5，给 5 岁小孩讲）

质量要求（交付前自查）

Related skills