System Study by yunshu0909 — AI Skill for Any LLM

Overview

Publisher	yunshu0909
Repository	`yunshu_skillshub`
Skill name	`system-study`
Stars	769
Forks	109
Bundled files	7
License	MIT
Links	Skill source Repository

Markdown instructions

A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

Works with any LLM

AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

7 bundled files

Scripts, templates, and references the model can read while it works. Files are read-only and never executed.

Open source

Published by yunshu0909 on GitHub. Read the source before you install it.

Installation

Install the System Study AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

Open the app and go to Plugins → Skills.
Choose "Install from GitHub".
Paste the skill folder URL below and confirm.
https://github.com/yunshu0909/yunshu_skillshub/tree/master/learning/system-study
Enable the skill in any chat where you want it available.

Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills

git clone --depth 1 https://github.com/yunshu0909/yunshu_skillshub.git /tmp/yunshu_skillshub
mkdir -p .claude/skills
cp -r /tmp/yunshu_skillshub/learning/system-study .claude/skills/system-study

Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable System Study in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads System Study on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so System Study is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

Loaded only when it is needed

The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

Switch models mid-chat

Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

System Study — 系统化学习材料生成

工具适配

文中的 AskUserQuestion、Agent、Read、Write 是能力名称，使用当前平台的等效工具。没有多选界面时，用一条消息列出切片选项，请用户回复编号组合；已明确的信息不重复问。子 agent 按平台并发上限分批执行，先固定全部输入和 prompt，后批不得注入前批的结论。平台没有子 agent 能力时说明限制，再与用户确定逐视角调研方式。

你要学一个新领域。AI 自主调研 + 搭体系 + 产出 HTML 学习材料。

和已有 skill 的本质区别：

与结论型调研的区别：结论型调研是"有困惑 → 求结论"；这个是"想学 → 求体系"
vs case-radar：那个给散点案例集；这个给系统化全貌
vs readable-output：那个处理已有素材；这个自己挖素材 + 自己建体系（最后可调用它做出稿，但不是核心）

这个 skill 的差异化命门：除了"骨架 + 案例 + 工程化"这些教科书必讲的部分，强制产出"争议焦点 + 盲区清单"两块——这是普通学习材料没有的，是用户研究 → 内容/产品的金矿。

5 阶段流程总览

阶段	名称	介入次数	产物	详细操作
1	题目收敛	1 次（必）	`01-题目确认.md`	reference/stage-1-topic-narrow.md
2	调研计划	1 次（默认）	`02-调研计划.md`	reference/stage-2-research-plan.md
3	Sub-agent 并行调研	0 次	`03-调研笔记/A-E.md`	reference/stage-3-subagent-templates.md ⭐
4	体系搭建+大纲确认	1 次（默认）	`04-体系大纲.md`	reference/stage-4-synthesis.md
5	HTML 学习材料	0 次	`05-学习材料.html`	reference/stage-5-html-spec.md

默认严格逻辑：阶段 1/2/4 都问用户。但用户可一次性说"全程不打扰、直接出 HTML"，跳过 2、4。阶段 1 永远不能省——题目错了后面全白干。

用户授权"全程不打扰"快速通道

如果用户在阶段 1 / 2 / 任何阶段说出"你直接来吧 / 直接给我结果就行 / 你自己定 / 你判断 / 全程不打扰"——主线程立即切换到快速通道：

阶段 1 依然要问（用 AskUserQuestion 弹切片）——题目永远不能 AI 替用户拍
阶段 2 仍然写 02-调研计划.md 存档，但不再问用户，直接进阶段 3
阶段 4 仍然写 04-体系大纲.md 存档，但不再问用户，直接进阶段 5
在 PLAN.md 标注"用户已授权全程不打扰"——这是审计线索

切换条件：用户的话里明确包含"直接 / 不打扰 / 自己定 / 自己判断 / 你来"等授权词。模糊表达（如"看着办"）不算——继续按默认严格流程问。

核心设计原则（5 条）

这 5 条是从首发实战提炼的、贯穿整个 skill 的设计哲学。所有 stage 都遵循：

必经卡点不省——阶段 1 题目收敛永远不能省。其他卡点用户可授权跳过，但题目错了全白干。
强制要异见，禁止和稀泥——Agent E 不接受"两边都对"。每个议题必须给 X/10 倾向分。
盲区清单独立成块——还没共识的、还在打架的、AI 互相复读的，独立段落，不混在其他内容里。
用户研究视角主导——不走"基础→进阶→高阶"教材路线，按"我能拿来做什么"组织。允许带判断、带视角，不需要装客观。
HTML 独立写，不调 readable-output——学习材料需要侧栏导航 + 章节折叠 + 争议高亮 + 盲区独立区，长文阅读结构不够用。

5 个 Sub-agent 阵容（A-D 灵活 + E 必选）

详细 prompt 模板见 reference/stage-3-subagent-templates.md。

Agent	固定职责	主题适配方式
A 骨架	官方文档 + 学派 / 主流方法	视主题决定具体源（提示词→Anthropic/OpenAI 文档；记忆系统→各家 memory 文档；MCP→协议文档+实现）
B 前沿	新形态、新趋势、最新讨论	视主题灵活——一句话定义"这领域最新的是什么"
C 真物	顶级案例 / 真实代码 / 原文拆解	必须看原文；案例数量按可信源能找到几个定
D 生态	工具景观 / 工程化 / 应用场景	直接对接用户的产品决策
E 争议+盲区	必选，强制双轨陈述 + 给倾向分 + 盲区清单	差异化命门——和市面学习材料的核心区别

主线程拿到题目后，根据主题情况微调每个 sub-agent 的具体调研范围（不是改职责类型，是改"查哪些源"），再批量派出。

工作流（主线程要做什么）

Step 0：建工作目录


<主题>学习/                  # 默认目录名，可改
├── PLAN.md                  # 总控
├── 01-题目确认.md
├── 02-调研计划.md
├── 03-调研笔记/
│   ├── A-{骨架切片名}.md
│   ├── B-{前沿切片名}.md
│   ├── C-{真物切片名}.md
│   ├── D-{生态切片名}.md
│   └── E-争议与盲区.md
├── 04-体系大纲.md
└── 05-学习材料.html

Step 1：题目收敛

用 AskUserQuestion（multiSelect: true）给用户 4 个切片选项让她勾
切片描述要具体到"覆盖什么"，不要泛泛
用户全选也行（这次提示词学习就是 4 个全选）
写 01-题目确认.md 记录主题 + 学习视角

Step 2：调研计划

列出每个 sub-agent 要查的源（官方文档、社区、案例库、争议议题）
给用户审一遍，可砍可加
用户说"开跑"就进入 Step 3
写 02-调研计划.md

Step 3：派 5 个 Sub-agent 并行

每个 sub-agent 用当前平台独立的子 agent 调用；下文 Agent 为能力示意
启动前固定全部 5 个 prompt，按平台可用并发上限派出；需要分批时，不将前批结果注入后批
prompt 模板见 reference/stage-3-subagent-templates.md
必须包含的硬约束（见 anti-patterns.md）：
- 分段写入文件（每完成 1-2 节就 Write 一次）
- 反 AI 文废话清单
- 来源可追溯
- 争议必须双轨 + 给倾向

Step 4：合成 + 大纲确认

读全部 5 份调研笔记
设计 8 篇章节结构（导读 / 骨架 / 实战 / 进阶 / 案例 / 工程化 / 争议 / 盲区 / 附录）
写 04-体系大纲.md
给用户过一遍坐标系

Step 5：HTML 产出

按 stage-5-html-spec.md 的设计 token 和组件规范
单文件 HTML，所有 CSS 内嵌
必须包含：左侧固定导航 / 4 种 callout / 案例 details 折叠 / 争议带倾向分 / 盲区清单
一次写完，不要分多次 Write（防止截断时被中间状态打断）

关键硬约束（一定要看 anti-patterns.md）

Sub-agent 必须分段写入文件——不能等最后一次性写。socket 崩溃会丢全部内容。
Agent E 强制双轨 + 给倾向分——"两边都对"不接受。
案例类 Agent 强制 3+ 个原文片段 + 可信度评级——AI 总结的二手案例不接受。
AI 文废话黑名单——明显套话密度高的中文博客跳过。
主线程做合成，不下放给 sub-agent——sub-agent 只产物料。
PLAN.md 主控——每次状态变化更新进度表。

灵活参数

参数	默认	可调
切片数量	4（A-D）+ 1（E）= 5	3-6（E 必含）
介入级别	阶段 1/2/4 各一次	用户可授权全跳过 2 和 4
产物目录名	`<主题>学习/`	用户可改
HTML 风格	浅色暖白	可扩深色 / 暗紫调（暂未实现）
Sub-agent 派出方式	固定 5 个独立 prompt，按平台并发上限执行	不用前批结论改写后批输入

不适用于（边界划清）

"X 行不行 / 为什么 Y / 评估 X 可行性" → 当前可用的调研工具
"X 领域有哪些好玩案例 / 看看大家在玩什么" → case-radar（散点 vs 体系）
"把这堆素材整理成 HTML" → readable-output（处理已有素材 vs 自己挖素材）
"写文章 / 出初稿" → writing-assistant
"做设计稿 / UI 原型" → page-solution-design（整页方案）；具体样式修改按已有界面直接调整
"PRD / 需求文档" → prd-test-writer

参考实例

首发实战：项目根目录 提示词学习/（2026-05-14 跑通的真实案例）

主题：提示词学习（4 切片全选）
实际耗时：~30 分钟
产物：5 份调研笔记 ~180KB → HTML 学习材料 120KB（1635 行）
卡点教训：见 anti-patterns.md 的"Agent B socket 崩溃"案例

后续每跑一个新主题，建议在 examples-index.md 里记一笔，作为后续主题的参考。

Frequently asked questions

What does the System Study AI skill do?

系统化学习材料生成器。给一个新领域/技术/概念，AI 自主调研、搭体系、产出 HTML 学习材料（含骨架/案例/工程化/争议+盲区）。当用户说"我要学 X / 帮我系统拆解 X / 我想吃透 X 这个领域 / 给我整理 X 的全貌 / 深度调研 X 给我系统讲讲 / 把 X 搞透"时触发。不适用于"X 行不行/为什么 Y"（使用可用的调研工具直接研究）、"X 有哪些好玩案例"（用 case-radar 给散点）、"把这堆素材整理成 HTML"（用 readable-output 处理已有素材）、文章写作（用 writing-assistant）、整页界面方案（用 page-solution-design）。

Why use System Study on TypingMind?

Because you install it once and use it with any model. System Study is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install System Study in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/yunshu0909/yunshu_skillshub/tree/master/learning/system-study. TypingMind reads its SKILL.md and bundles its files and installs it as a skill you can enable per chat.

Which AI models can use System Study?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with System Study?

As many as you like. As long as a model supports skills, you can use System Study with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the System Study AI skill free?

Yes. It is published on GitHub by yunshu0909 under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

Overview

Installation

Install in TypingMind

Install in another agent

Use it in TypingMind

Works with any AI model

Skill instructions

System Study — 系统化学习材料生成

工具适配

5 阶段流程总览

用户授权"全程不打扰"快速通道

核心设计原则（5 条）

5 个 Sub-agent 阵容（A-D 灵活 + E 必选）

工作流（主线程要做什么）

Step 0：建工作目录

Step 1：题目收敛

Step 2：调研计划

Step 3：派 5 个 Sub-agent 并行

Step 4：合成 + 大纲确认

Step 5：HTML 产出

关键硬约束（一定要看 anti-patterns.md）

灵活参数

不适用于（边界划清）

参考实例

Bundled files

Frequently asked questions

Related AI Skills

Set up your own AI workspace now