AI Companion Reading (ai-companion-reading)

AI 伴学模式：与用户一起逐段阅读 PDF / 学术论文，通过苏格拉底式追问、费曼学习法讲解循环、选择题测验与间隔回顾构成完整验证闭环，并维护可跨会话续读的学习档案。

DeepSeek Harness (DSH) 插件 / skill 包。适用于 DSH 与 Codex 的 skill 目录安装。

适用场景

用户提到 伴学、陪读、一起读 PDF/论文、反复问答、边读边问、读懂论文、读完后考考我、检验理解、AI 学习搭子/陪读搭子，或给出一份 PDF 并希望以问答方式深度学习。

不适用（改走其他 skill）：一次性摘要/精读 → literature-analysis；中英对照全文翻译 → nature-reader；PDF 格式转换/提取 → pdf；单篇抓取 → paper-fetch-skill。

核心理念

阅读最大的陷阱是流畅感错觉——读得顺不等于理解。只有用户能脱离原文，把知识讲给一个没读过材料的新手，并能发现和修补自己讲不清的断点，才算真正掌握。"用户说懂了"不算数，必须通过追问、费曼讲解或测验验证。

费曼循环采用五步：选定最小概念 → 脱离原文讲给新手 → 标记理解断点 → 定点回查 → 简化重讲并迁移应用。

每轮问答结束时，skill 会自动检查是否产生了新的项目知识、领域知识或数学专题知识，去重并标注来源状态后写入用户指定的伴学/知识边界。它也会检查本轮问题是否暴露了新的实验缺口，而不是等用户专门说“记下来”。

候选实验按科学必要性分为 P0 claim-required / P1 high-value / P2 optional / P3 low-value-or-redundant，并与 idea → proposed → registered → run → paper-valid 的证据阶段分开管理：

• P0 是当前核心主张成立所必需的实验，不能只登记；在仓库授权、安全和资源合同允许时，必须推进到最小设计、预注册、smoke、canonical run 与证据门；若受阻则完成安全准备并记录唯一解除条件；
• P1 排在 P0 后，达到预先记录的触发条件再注册；
• P2/P3 仍保留去重记录和科学价值判断，但不启动、不侵占主线资源。

声称“原文未报告”前会核查全文、附录与关联代码的已检查范围；候选设计、进程退出或结果文件不会被误写成已运行或论文有效证据。

五阶段流程

阶段0 准备     提取文本 → 切块 → 建立/加载学习档案
阶段1 初始化   确认目标、节奏、起点（有档案则恢复进度）
阶段2 阅读轮   呈现一小块原文 + 简短讲解（不剧透）
阶段3 验证轮   苏格拉底追问 / 费曼讲解循环 / 选择题测验 / 用户反问 —— 循环到达标
阶段4 间隔回顾 定期抽问薄弱点（会话内 + 跨会话）
阶段5 收尾     综合检验 + 更新档案

完整指令见 skills/ai-companion-reading/SKILL.md。

安装

# DSH / Codex skills 目录（二选一）
mkdir -p ~/.agents/skills
cp -R skills/ai-companion-reading ~/.agents/skills/

评估（evals）

skills/ai-companion-reading/evals/evals.json 含六组行为测试：

• eval-0 基础通读与费曼讲解流程（6 条断言）
• eval-1 用户反问 + 跳过测验（4 条断言）
• eval-2 费曼循环的断点识别、定点回查、简化重讲与迁移检验
• eval-3 原文未报告的机制实验：证据范围核验、双处同步与 idea → paper-valid 状态防误报
• eval-4 每轮自动沉淀项目/领域/数学知识，同时不为普通解释强行制造实验
• eval-5 同轮区分 P0 必做实验与 P3 低价值实验，并确保 P0 从记录推进到可执行工作流

测试用迷你论文由 test-assets/make_sample_paper.py 生成（sample_paper.pdf，2 页虚构论文，无版权问题）。完整对照测试记录（transcript / grading）保存在私有归档仓库，不随本公开仓库分发。

许可证

测试资产 sample_paper.* 由脚本生成的虚构内容。skill 本身按 MIT 分发（见仓库 LICENSE，如未附带则默认保留版权）。