本指南帮助你从零开始配置 Bloom One-vs-One Study 系统，开始你的第一次一对一 AI 导师学习。
你需要：
- Claude Code（Anthropic 官方 CLI 工具）
- 一个终端（macOS Terminal / iTerm2 / Windows Terminal / 任何你习惯的）
- 一个文本编辑器（VS Code、Cursor 等，用于阅读和标注文档）
如果你还没有安装 Claude Code：
npm install -g @anthropic-ai/claude-code安装完成后，运行 claude 确认能正常启动。首次运行需要登录 Anthropic 账号。
如果你不确定 Claude Code 是什么：它是一个命令行工具，让你在终端里和 Claude 对话，并且 Claude 能直接读写你的本地文件。这正是本系统运作的基础。
git clone https://github.com/Li-Evan/Bloom-one-vs-one-study.git
cd Bloom-one-vs-one-study将仓库内置的导师 skill 安装到当前 clone 的本地 Claude Code skills 目录：
mkdir -p .claude/skills
cp -R skills/bloom-tutor .claude/skills/这样公开的导师协议保留在 skills/bloom-tutor/，而不是依赖本地 agent 指令文件。
在仓库目录下启动 Claude Code：
claude开始或继续课程时，明确让 Claude 使用 bloom-tutor skill。
在 Claude Code 对话中输入：
开一个新的文件夹，帮助我学习 [你想学的课题]
例如：
开一个新的文件夹，帮助我学习 Python 装饰器
开一个新的文件夹，帮助我学习 博弈论基础
开一个新的文件夹，帮助我学习 个人所得税
Claude 会立即为你生成：
syllabus.md— 课程大纲（定义你将掌握的所有能力）01.md— 第一篇学习文档
安装完成。 接下来是如何使用。
用你的文本编辑器打开生成的 .md 文件。每篇文档包含：
- 前置知识 / 难度 / 预计阅读时间
- 正文内容（知识讲解，带加粗标注和示例）
- 思考题（2-3 题，不给答案，引导你深入思考）
- 反馈区（你写反馈的地方）
阅读过程中，在任何让你困惑的地方直接写下：
???[这里为什么要用递归而不是循环？]
或者用全角问号也行：
？？？[这个公式的直觉含义是什么？]
可以标注在文中任意位置，标注多少个都行。这些标注是你最真实的思维快照，导师会优先处理。
在文档末尾的「你的反馈」区域写下：
- 思考题的回答（尽量自己推导，错了没关系）
- 你的感悟、困惑、或希望下一篇深入的方向
- 任何你想说的话
回到 Claude Code 终端，说：
我读完了
导师会：
- 读取你的所有标注和反馈
- 可能问你 1-2 个关键问题（最多 2 轮，不会无限追问）
- 生成下一篇文档
下一篇文档的开头会包含：
- 思考题复盘（逐题评估你的回答，给出正确答案）
- ??? 解答（逐条解答你标注的所有困惑）
- 新内容（根据你的理解程度定制）
当大纲中所有掌握项都被覆盖后，系统会自动生成一篇评估篇（无新内容，最终确认理解）。读完评估篇后，系统自动生成 summary.md（完整的课程总结）。
学习过程中，如果遇到特别重要的知识点，想要写入最终总结，可以标注：
#summary:[期权定价的本质是复制——用已知价格的资产组合复制出相同现金流]
也支持不带 # 的写法：
summary:[这个类比太好了，博弈论的纳什均衡就像交通堵车——没人能单方面改变路线获益]
这些素材会被自动收集，最终整合进 summary.md。
课题可以按类别组织：
开一个新的文件夹在 CFA 目录下，帮助我学习 固定收益
这会创建 CFA/固定收益/ 目录。
你可以同时学习多个课题。每次进入 Claude Code 时，告诉导师你想继续哪个课题：
我想继续学习 Python 装饰器，我读完了 02.md
| 命令 | 作用 |
|---|---|
/整理学习 |
扫描所有课题，记录新增文档到学习日志 |
/查看学习日志 |
查看历史学习记录（时间倒序） |
系统本身完全免费开源。你需要的是 Claude Code 的使用权限（需要 Anthropic 账号）。
任何你想学的东西——编程、金融、哲学、心理学、数学、历史……没有限制。
不能，这是系统的核心铁律。一对一导师的精髓在于每一步都基于你的反馈调整，批量生成会破坏这个反馈循环。
全部在你的本地文件系统，在你 clone 的这个仓库目录里。不上传任何数据到云端。你可以用 Git 来版本控制你的学习历史。
内置的 skills/bloom-tutor 包是为 Claude Code Skills 设计的。其他 AI Agent 如果能导入等价的 skill/instruction，也可以尝试，但效果可能有差异。
随时可以。在反馈区写下你想调整的方向，导师会在下一篇中适应你的新兴趣。大纲中的掌握项是目标，路径完全弹性。
这个系统建立在一个简单的信念上：
最好的学习不是被灌输，而是被引导去发现。
传统的在线课程是单向的——录好的视频不会因为你的困惑而停下来解释。ChatGPT 式的问答是碎片化的——你得到答案，但没有体系。
这个系统试图在两者之间找到平衡：有体系的自适应学习。大纲保证你不会偏航，反馈循环保证内容永远匹配你的水平。
Bloom 证明了一对一导师能做到 +2σ。我们相信，精心设计的 AI Agent 可以逼近这个效果。