1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 正式名称 | learning-opportunities | GitHub 独立仓库名 |
| 作者/维护者 | Cat Hicks（DrCatHicks，研究软件团队心理学的学者、Catharsis Consulting 创始人），另有 6 位协作者提交过代码 | GitHub API |
| 来源链接 | https://github.com/DrCatHicks/learning-opportunities | — |
| 许可证 | CC BY 4.0 | GitHub API |
| GitHub Stars / Forks | 2,285 / 81 | GitHub API（认证取数） |
| 最新版本 | 1.0.0（插件市场清单内声明的版本号，未使用 GitHub Release 标签） | 仓库 marketplace.json |
| 安装方式 | Claude Code / Codex 插件市场安装 | 官方 README |
2. 功能介绍与亮点
learning-opportunities 是一个基于学习科学的技能：当用户在 Claude Code 或 Codex 里完成新建文件、数据库 schema 变更、架构决策、重构等“架构性工作”后，技能会主动询问是否要做一次 10-15 分钟的学习练习。练习形式包括预测-观察-反思、生成后对比、逐步追踪调用路径、故意留一个 bug 让用户先分析再讲解、复述讲解给“新同事”听、跨会话的检索式回顾等六种具体技巧。核心机制是“提问后强制暂停”：技能会在提出问题后立即停止输出，等待用户给出自己的答案，不允许提前给出提示或候选答案，用这种方式触发学习科学中的“生成效应”，避免用户被动看 AI 讲解却什么都没记住。
核心亮点：①方法论有据可查——SKILL.md 正文逐条引用生成效应、流畅性错觉、间隔效应等具体学习科学概念，并附带一份 PRINCIPLES.md 详述原理出处；②作者背景权威——作者是专门研究软件团队与技术工作心理学的学者，出版有《The Psychology of Software Teams》一书，仓库本身也有 6 位外部协作者参与代码提交，非单人自娱自乐项目；③生态完整——同一插件市场内附带 orient 技能（署名 Michael Mullarkey），可为陌生代码库生成定制学习导览，与本技能的 orient 模式配合使用；④自动化可选——Linux/macOS 用户可额外安装一个基于 git commit 后置钩子的小插件，让练习提议自动出现，但这不是使用本技能的必要条件。
3. 适用场景
固定分类：元技能与 Agent 增强
面向频繁用 Claude Code 或 Codex 编码、担心长期依赖 AI 生成代码导致自己不真正理解项目架构的初中级开发者，尤其适合正在学习新技术栈、或想把“AI 帮我写代码”的过程转化为真实技能积累的人群；配合 orient 模式，也适用于刚接手一个陌生代码库、想系统了解其核心结构的开发者。
4. 跨 Agent 兼容性
| Agent | 结论 | 依据 |
|---|---|---|
| Claude Code | 原生支持 | 仓库本身是 Claude Code 插件市场，README 给出 /plugin marketplace add + /plugin install 两步安装命令，含专属 .claude-plugin 清单 |
| Codex | 原生支持 | README 给出对应的 codex plugin marketplace add 命令，仓库同时提供独立的 .codex-plugin 清单 |
| OpenClaw | 未验证 | 已抓取的 README、插件清单均未点名 OpenClaw |
| Hermes Agent | 未验证 | 同上，公开材料未提及 |
5. 推荐理由
用生成效应、间隔重复等学习科学中的具体技巧，把“用 AI 编码”的过程变成一次真实的学习机会，在架构性工作刚完成时主动提议一次简短练习，并靠“提问后强制暂停”逼用户自己先想、自己先答，而不是被动看 AI 讲解就当作学会了。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 8 | GitHub 2,285 stars、81 forks，处于 1k–5k 区间；Hacker News 独立讨论帖获 253 分与 15 条评论，其中有具名用户实际试用后反馈“练习最后的问答环节问得相当深入” |
| 可用性 | 8 | 通过 Claude Code / Codex 插件市场安装，需添加 marketplace、安装插件、重启三步；文档完整，附 CHANGELOG 与学习科学参考文献目录；最近一次代码提交在数周内，非弃置状态；不依赖任何付费服务 |
| 安全性 | 9 | 见下方安全检查清单 |
| 综合评分 | 8.3 | 三项均值 |
安全检查清单：
| 检查项 | 结果 |
|---|---|
| ① Shell 命令与权限范围 | 核心技能本身是纯 Markdown 指令文件，不含任何脚本或 shell 调用；可选的自动化钩子插件是一段约 3KB 的 shell 脚本，仅在检测到 git commit 命令后读取会话 ID 做本地计数限流，再输出一段固定文本提示，不执行额外命令 |
| ② 运行时联网外发 | 无——已审查上述钩子脚本全文，未发现任何网络请求代码 |
| ③ API Key/凭据 | 不需要 |
| ④ 可疑指令排查 | 已审查 SKILL.md 全文与钩子脚本全文，未发现 prompt injection 或隐藏指令 |
| ⑤ 作者/组织信誉 | 作者身份可验证，为研究软件团队心理学的学者与咨询公司创始人；仓库另有 6 位协作者提交代码，无刷星迹象 |
| ⑥ License | CC BY 4.0，条款清晰（允许商业使用，需署名） |
| ⑦ 最近维护 | 最近一次提交在数周前，非弃置项目 |
核心技能是纯提示词/指令文件，无代码执行、无外联；唯一涉及代码执行的可选钩子插件范围明确、逻辑透明，经审查无风险。
7. 跟同类 Skills 相比的优势
| 对比对象 | 定位 | 与本 skill 的差异 |
|---|---|---|
| mentor（smixs/mentor） | 读取本地 Claude Code / Codex 会话记录，生成一份关于“最近如何使用 AI 编码 agent”的回顾报告，指出卡顿点与可尝试的新功能 | 定位是“事后复盘”——分析已经发生的会话数据；learning-opportunities 定位是“实时练习”——在架构性工作刚完成时当场提议一次学习练习，并靠提问后强制暂停让用户自己生成答案，两者可以搭配使用 |
| Learning-Goal（同作者产品，DrCatHicks/learning-goal） | 用心理学中的“心理对照+执行意图”（MCII）技巧，帮用户在开始一段编码工作前先设定明确的学习目标 | 定位在工作开始前的目标设定阶段；learning-opportunities 定位在工作完成后的练习巩固阶段，两者是同一学习闭环里前后相邻的两个环节 |
多数“AI 编码效率”类技能聚焦让 agent 产出更好的代码，learning-opportunities 反过来聚焦让人在这个过程里真正学到东西，是少见的、以学习科学实证技巧为方法论核心的技能。
8. 用户评价
- Juvination（Hacker News 评论区）：实际试用后反馈这是个好点子，提到自己因为过度依赖 AI 编码而感到“脑子变懒”，认为每天做几次这样的练习确实有帮助。
- ruguo（Hacker News 评论区）：试用后评价“挺有意思，练习最后的问答环节实际上问得相当深入”。
9. 其他补充
同一作者的姊妹项目 Learning-Goal（独立仓库）覆盖学习目标设定阶段，可与本技能搭配使用形成完整学习闭环；仓库内还附带一个署名 Michael Mullarkey 的 orient 技能，可为陌生代码库生成定制学习导览，配合本技能的 orient 模式使用。许可证为 CC BY 4.0，与常见的 MIT/Apache-2.0 代码许可证不同，再分发或改写时需注明原作者。
10. 安装使用方式
Claude Code：
/plugin marketplace add https://github.com/DrCatHicks/learning-opportunities.git
/plugin install learning-opportunities@learning-opportunities安装后需重启 Claude Code 才能生效。
Codex：
codex plugin marketplace add https://github.com/DrCatHicks/learning-opportunities.git添加 marketplace 后，再从其中安装 learning-opportunities 插件。
可选自动化（仅 Linux/macOS，Windows 需额外配置）：额外安装 learning-opportunities-auto 插件，可让练习提议在每次 git commit 后自动出现，无需手动触发。
安装后注意事项：技能会在检测到新建文件、schema 变更、架构决策、重构等场景后主动询问是否要做练习，用户可随时选择跳过；也可直接对 agent 说“给我一个学习练习”手动触发。
11. 注意事项
- 练习深度依赖当前对话的真实上下文，建议在完成一次真实的架构性改动后再体验效果，而非空跑
- 作者目前未公开量化基准或前后对比测试，“能否让学习效果更好”这一核心主张主要基于学习科学理论与作者的专业背景支撑，尚未见独立第三方的对照实验验证（Hacker News 讨论中已有用户提出同样的疑问）
- 许可证为 CC BY 4.0 而非常见的 MIT/Apache-2.0，再利用或二次分发时的署名义务与代码许可证不同，使用前建议确认
- 自动化钩子插件（
learning-opportunities-auto）需要与核心插件一起安装才能生效，单独安装无效 - OpenClaw、Hermes Agent 的兼容性在已抓取材料中未见点名，标记为未验证