以往用 AI 学习某个知识点时，返回的结果通常是一长段文字。答案看似完整，但看完之后哪些是基础、哪些是重点、下一步该学什么，完全没有头绪。一步步追问，聊天记录越堆越长，重要的知识点也需要手动整理保存。

这里介绍一个开源 Skill：Superlearn。它能让 AI Agent 围绕一个主题自动查找资料、规划学习顺序，最终生成为一个可以直接打开的交互学习网站。以"AI Agent 是如何工作的"这个主题为例，最终生成的不是一篇长文，而是一整张可以浏览、缩放和复习的学习板。

它到底能做什么？

Superlearn 会先分析主题需要学习哪些内容，检索公开资料，整理学习路线，最后生成本地网页。整个过程包括：自动拆分知识点、按从基础到进阶的顺序组织内容、生成概念讲解和思维导图、加入真实的视频与延伸阅读、保存资料来源，以及生成记忆卡片方便复习。它支持四种模式：普通学习、面试准备、专题研究和文档整理。

安装 Superlearn

最简单的方式是在 Codex 中直接发送：

帮我安装这个 Skill：https://github.com/raiyanyahya/Superlearn

安装程序会把 Skill 和配套配置复制到 Codex 的全局目录，不需要申请模型 API，也不需要安装额外的 Python 组件。

安装完成后，新建一个 Codex 任务或重启 Codex，输入：

请使用 $superlearn，告诉我这个 Skill 能做什么，暂时不要生成学习板。

如果 Codex 能识别并介绍它会生成交互式学习面板，就代表安装成功。

Superlearn 需要联网搜索资料。如果运行时提示无法访问网络，按照 Codex 的提示允许网络权限，或在 ~/.codex/config.toml 中加入：

[sandbox_workspace_write]
network_access = true

一句话生成课程

使用时不需要提前设计学习重点，核心任务只需要一句话：

使用 $superlearn，用中文帮我从零学懂"AI Agent 是如何工作的"，请自行规划学习重点并生成交互式学习面板。

接下来学什么、按什么顺序讲、需要查找哪些资料，都由 Superlearn 自己设计生成。在本次测试中，Superlearn 先搜索资料、制定课程计划，再逐个研究知识点。完成后，本地浏览器自动打开了学习页面。

查看生成的学习板

这次生成的课程被拆成了 7 个部分：起点、核心架构、执行循环、记忆系统、可靠交付、继续观看和继续阅读。整个学习板包含：25 个内容模块、3 张交互式结构图、6 张记忆卡片、2 个相关视频、5 份官方延伸资料。

它没有直接返回一大堆搜索结果，而是先讲聊天机器人、固定工作流和 AI Agent 的区别，再解释模型、指令、工具与运行环境如何协同。后面才进入 Agent 的"计划—行动—观察—停止"循环，以及记忆、护栏和人工接管。即使之前不了解 Agent，也能顺着这个顺序逐步看下去。

六种视图，换一种方式理解同一个主题

同一套内容可以切换成 Board、Notes、Grid、Mindmap、Canvas 和 Feed 六种视图。打开 Mindmap，原本分散在不同章节里的概念会被整理成一张思维导图。

想按顺序学习可以进入专注阅读模式，看完一个知识点后页面会记录进度，下次打开还能继续学习。学完以后还可以打开记忆卡片复习，点击卡片即可查看答案，再根据掌握程度选择 Again、Hard、Good 或 Easy。

这样，一次生成的内容不只是"看完就结束"，以后还可以继续补充和复习。

每个结论都能找到资料来源

Superlearn 会保留完整的研究轨迹。这次课程生成了 5 份主题研究笔记和 6 份原始资料记录，主要参考了 OpenAI、Anthropic、Google Cloud、OpenAI Agents SDK 和 LangGraph 的官方资料。打开 Research 面板，就能查看每个主题使用了哪些资料。

最终交付的学习板校验结果为 0 个错误、0 个警告，项目自带的 23 项测试全部通过，浏览器运行时也没有发现报错。最后还成功导出了一份约 175KB 的独立 HTML 文件，可以保存到本地继续查看。

这个 Skill 最适合怎么用？

它最实用的场景，是帮助普通用户快速进入一个自己想要了解的知识领域。与其自己打开十几个网页再慢慢整理笔记，不如先让 Superlearn 搭出一套完整的学习框架。

使用方式很简单：安装 Skill、输入学习主题、等待资料整理、打开学习网页。它最重要的能力是把 AI 给出的一次性回答，变成一套可以浏览、追溯和重复学习的知识系统。

GitHub 项目：https://github.com/raiyanyahya/Superlearn