Self Directed Education Loop

---
name: self-directed-education-loop
description: 当需要掌握一门新技能或知识领域，而非被动接受现有课程时
---

# self-directed-education-loop

## When to Use

当需要掌握一门新技能或知识领域，而非被动接受现有课程时description

## Core Logic

# 执行步骤

1.  **确立自我生成的目标**
    *   **输入**：初始的兴趣点或模糊的愿望。
    *   **操作**：将其精炼为一个具体、可操作、且对个人有高兴趣/意义的学习目标（例如，从“想学编程”变为“用Python在三个月内构建一个个人网站”）。
    *   **判断标准**：目标清晰，且动力来源于内在兴趣而非外部要求。
    *   **输出**：一个明确的自我生成学习目标。

2.  **进行目标解构**
    *   **输入**：明确的学习目标。
    *   **操作**：
        a. 将目标分解为达成它所需的**核心技能**列表。
        b. 将每个核心技能进一步分解为**基本要素**（关键概念、最小可行操作等）。
    *   **判断标准**：目标被分解为可逐步学习/练习的模块化组件。
    *   **输出**：一份结构化的技能与要素分解图。

3.  **执行技术实验**
    *   **输入**：技能与要素分解图。
    *   **操作**：选择其中一个要素或技能组合，投入至少40小时进行专注的实践与实验。在过程中，积极尝试不同的方法或“技术”。
    *   **判断标准**：有持续、深度的实践投入，并记录了不同技术尝试的过程。
    *   **输出**：关于“哪些技术有效、哪些无效”的初步实验数据与个人体会。

4.  **反思与整合**
    *   **输入**：实验数据与个人体会。
    *   **操作**：定期回顾实验数据。分析有效技术背后的原理，将有效技术纳入个人“工具箱”。根据学习进展和新的理解，**完善或调整原始学习目标**。
    *   **判断标准**：能总结出适用于自身情境的有效方法，并对后续学习方向有更清晰的规划。
    *   **输出**：更新后的个人技术工具箱、以及 refined 后的学习目标。

5.  **循环与价值创造**
    *   **输入**：更新后的工具箱和目标。
    *   **操作**：重复步骤3-4，持续学习和整合新技术，直到能够产出足以实现职业或创造目标的**价值作品**（如一个可用的软件、一篇文章、一个设计方案）。
    *   **IF** 产出了被他人认可或使用的价值作品 → **判断标准**：该轮自我教育循环成功，可应用于新目标。
    *   **ELSE** (未产出预期价值) → 返回步骤4，检查目标是否不切实际，或技术整合是否不到位。
    *   **输出**：最终的价值作品及掌握该技能领域的确认。

# 输出格式要求
引导用户遵循“目标-解构-实验-反思”的循环流程。重点强调从“知识输入”到“技术实验”的转变，以及基于个人反馈进行动态调整的核心思想。输出应是一个可迭代的循环图，并附带当前循环的具体行动项。

## Metadata

| 属性 | 值 |
|------|-----|
| 领域 | 学习策略 |
| 类型 | procedural (procedural) |
| 置信度 | 85% |
| 前置条件 | 有一个自我生成的、感兴趣的学习目标 |
| 来源 | 成为失败者：重新定义成功与快乐 | 2) 真正的教育 |