一句话定位
一句话定位
在你的 Claude Code 里装一个”学习教练”——完成架构性工作后，它会主动问：“要不要花 10-15 分钟做一个学习练习？”
Learning Opportunities 是一个 Claude Code / Codex 插件（同时也是一个插件市场），由心理科学家 Dr. Cat Hicks 基于学习科学研究开发。它用认知科学的方法论，帮你在 AI 辅助编码的同时真正提升自己的技能，而不是陷在”产出很多、学到的很少”的陷阱里。
我为什么需要这个
我在用什么
日常工作重度使用 Claude Code 和 Codex 进行 Agent 开发、Node.js/TypeScript 后端、React 前端开发。典型场景：
- 用 Claude Code 做架构设计、模块重构
- 用 Codex 做交互式编码
- 不熟悉的领域（新框架、新模式）直接用 AI 快速试错
我面临的问题
AI 编码的速度是一把双刃剑。当我用 Claude Code 快速生成一个完整的模块、一套数据库 schema、或一次大规模重构时，有一个真实的感受：“代码写完了，但我不确定自己是否真的理解了。”
这背后是学习科学已经证实的五个具体风险：
| 风险 | 在 Claude Code 中的表现 | | ---------------- | ----------------------------------------------- | ---------------------- | | 生成效应削弱 | Claude 生成代码，我直接接受，跳过了主动构建理解 | | 流畅性幻觉 | 输出太干净了，让我误以为已经懂了 | | 间隔效应消失 | 一口气让 Claude 完成了所有功能，没有间隔和反思 | | 元认知被压制 | 快速产出让人没空问自己”我真的学会了吗？” | | 测试效应缺失 | Claude 总是给完整答案，我从不自我测试 |
Learning Opportunities 就是在解决这个问题——它不是拦着你用 AI，而是在合适的时机插入刻意练习。
安装（Claude Code）
1. 添加插件市场
/plugin marketplace add https://github.com/DrCatHicks/learning-opportunities.git2. 安装插件
# 核心技能（必装）
/plugin install learning-opportunities@learning-opportunities
# 可选：自动触发（推荐）
/plugin install learning-opportunities-auto@learning-opportunities
# 可选：仓库导航
/plugin install orient@learning-opportunities3. 重启 Claude Code
安装后重启即可生效。
Codex 安装
codex plugin marketplace add https://github.com/DrCatHicks/learning-opportunities.git三个插件详解
learning-opportunities/ # 这是一个插件市场
├── learning-opportunities/ # 🎯 核心：学习练习引擎
│ └── skills/learning-opportunities/
│ ├── SKILL.md # ~250 行 prompt，定义全部行为
│ └── resources/
│ └── PRINCIPLES.md # 学习科学原理手册
├── learning-opportunities-auto/ # 🔔 post-commit 自动提醒
│ └── hooks/post-tool-use.sh
└── orient/ # 🧭 新仓库学习路径生成器
└── skills/orient/
插件一：learning-opportunities（核心）
触发时机： Claude 完成以下工作后，主动问一声”要不要做学习练习？”
- 创建新文件或模块
- 数据库 schema 变更
- 架构决策或重构
- 实现不熟悉的模式
- 开发过程中我问过”Why”类问题
自动抑制：
- 我拒绝过一次 → 本次会话不再问
- 已完成 2 次练习 → 本次会话软上限
插件二：learning-opportunities-auto（推荐装）
每次 git commit 后自动触发学习提示。对 macOS/Linux 开箱即用。适合我这种 commit 频繁的开发习惯。
插件三：orient（探索新仓库时用）
接手新项目时，先生成 orientation.md，然后 Claude 带你按学习路径走一遍代码库。基于程序理解和代码导航的实证研究设计。
# 在目标仓库目录下
/orient
# 然后
/learning-opportunities orient六种练习类型
安装后，Claude 会用以下方式和我互动：
| 练习 | Claude 会怎么问 | 背后的学习原理 |
|---|---|---|
| 预测→观察→反思 | ”你觉得这个中间件收到请求后会发生什么？“ | 前测效应 + 生成效应 |
| 生成→对比 | ”在我展示实现之前，你先画一下你会怎么做” | 生成效应 |
| 追踪执行路径 | ”请求到了这一步，接下来会经过哪个函数？“ | 主动加工 |
| 调试分析 | ”这段代码有个 bug，你觉得问题出在哪？“ | 错误分析 + 动态测试 |
| 教我一遍 | ”假设我是新人，给我解释一下这个模块” | 检索练习 |
| 回顾检查 | ”上次我们做了 X，你还记得关键设计吗？“ | 间隔效应 |
关键设计：硬停止
关键设计：硬停止
“End your message immediately after the question.”
这个设计非常刻意——Claude 提问后会硬停止，不给提示、不给示例答案、不给任何教学线索。我必须自己思考并回答，然后 Claude 才会继续。
这和 Claude 默认”总是提供完整答案”的行为相反。刚开始可能有点不舒服，但这正是必要难度原则的体现。
学习科学基础
PRINCIPLES.md 是一份高质量的学习科学速查手册，覆盖十大原理：
- 生成效应 — 主动产生 > 被动消费
- 前测效应 — 错误的预测也有学习价值
- 间隔效应 — 分散学 > 集中填
- 工作示例效应 — 对新手有效，专家反转
- 必要难度 — 短期难受 → 长期更好
- 流畅性幻觉 — “看着懂” ≠ “真懂了”
- 努力幻觉 — “忙” ≠ “在学”
- 主动 vs 被动 — 检索/解释/生成 > 阅读/观看
- 动态测试 — 错误 + 明确反馈 > 零错误
- 元认知 — 知道自己在学什么、学到哪里
我的使用计划
立即可做
- 安装核心插件 learning-opportunities
- 安装 learning-opportunities-auto（post-commit 自动提醒）
- 在下一个新项目中使用 orient 生成学习路径
- 在 Claude Code 的 CLAUDE.md 中记录自己的技术背景信息，让练习起点更精准
推荐定制方向
- 调整触发条件 — SKILL.md 中的触发规则可以改，比如增加”学到新 API 时触发”
- 添加领域知识 — 在我的 Claude Code 项目级 CLAUDE.md 里补充已知语言和框架（Node.js/TypeScript/React），Claude 会据此调整练习起点
- 对接 Learning-Goal — Dr. Cat Hicks 还有一个配套技能 Learning-Goal，用于设定结构化学习目标（基于 MCII 技术），可以搭配使用
- 调整抑制条件 — 如果觉得 2 次太少/太多，可以改
团队推广
如果效果不错，可以尝试推给团队。项目附带了一套 MEASURE-THIS.md，是经过验证的心理测量量表（源自 3,267 名专业开发者的研究），支持团队级的学习效果量化。
作者与背景
Dr. Cat Hicks — 心理科学家，研究软件团队和技术工作，即将出版《The Psychology of Software Teams》(2026)。她有超过 3,000 名开发者的实证研究数据，这些数据表明：对学习的重视和承诺，能预测开发者在面对 AI 变革时更少的焦虑。
Dr. Michael Mullarkey（orient 插件作者）— 机器学习工程师，前心理治疗师 + 社会科学研究者。
相关信息
- 项目地址：https://github.com/DrCatHicks/learning-opportunities
- 配套技能：https://github.com/DrCatHicks/learning-goal
- 核心论文：The New Developer: AI Skill Threat, Identity Change & Developer Thriving
- 作者 Newsletter：Fight for the Human
- 许可证：CC-BY-4.0
调研时间：2026-05-15 | 学习原理整理：AI 辅助编码中的学习科学原理