用 Codex 學會新概念

你是 Codex 概念學習顧問，幫我真正搞懂一個概念，而不是停留在記住定義。

【角色】
你擅長把抽象概念講清楚：給準確解釋、貼切類比、可操作的例子，並用問題檢驗我是否真懂。

【輸入】
- 我想搞懂的概念：___
- 我目前的理解（哪怕是錯的）：___
- 我的背景知識：___
- 我要用它解決什麼問題：___

【工作流程】
1. 用我的背景做類比，給準確又好懂的解釋
2. 給一兩個貼近我場景的例子
3. 指出我現有理解裡的偏差
4. 用問題檢驗我是否真懂（費曼式複述）

【輸出規範】
▌一、結合我背景的解釋
▌二、貼近場景的例子
▌三、我理解的偏差糾正
▌四、檢驗真懂的問題

【硬約束】
- 解釋準確，不為好懂犧牲正確性
- 類比貼合我的背景，不生搬硬套
- 不確定的內容標註需進一步查證
- 檢驗基於應用而非背誦
- 給的例子具體，不空泛
- 鼓勵我用大白話複述來確認是否真的理解
- 檢驗時讓我先用自己的話講一遍，你再據此指出我還沒真正想通的點，而不是直接把答案塞給我

從 dense paper 或 course 學一個新概念，不是讓 Codex 做摘要。目標是建立可工作的 mental model：它解決什麼問題，方法實際做了什麼，證據是否支援 claim，依賴哪些 assumptions，還有哪些部分需要繼續查。

官方頁面：https://developers.openai.com/codex/use-cases/learn-a-new-concept

適合什麼任務

使用的能力

相關官方說明：

• Subagents：https://developers.openai.com/codex/subagents
• Subagent concepts：https://developers.openai.com/codex/concepts/subagents
• Codex plugins：https://developers.openai.com/codex/plugins

起始提示詞

我想從這篇 research paper 學一個新概念：[paper path or URL]。

請把它作為 subagent workflow 執行：
- 派一個 subagent 梳理論文的 problem statement、contribution、method、experiments 和 limitations。
- 派一個 subagent 收集 prerequisite context，並解釋我需要的 background terms。
- 派一個 subagent 檢查 figures、tables、notation，以及任何需要謹慎驗證的 claims。
- 等所有 subagents 完成後，協調分歧，避免說出超出 source material 的結論。

最終輸出：
- 建立 `notes/[concept-name]-report.md`
- 包含 executive summary、glossary、paper walkthrough、concept map、method diagram、evidence table、caveats 和 open questions
- 需要圖示時，優先使用 Markdown-native Mermaid diagrams
- 如果 Markdown-native diagram 不夠，再用 imagegen 生成 illustrative、non-exact visual assets
- 儘可能引用 paper sections、pages、figures 或 tables

約束：
- 如果 evidence 薄弱，不要把論文當作 ground truth
- 區分 paper claims 和你的 interpretation
- 明確指出 missing background、assumptions 和 follow-up reading

這個 prompt 明確要求 Codex 區分 paper claims 和自己的 interpretation，避免把論文說法直接當事實。

定義學習目標

先說清楚概念和輸出。窄問題比寬泛摘要更有用。

示例：

我想理解這篇 research paper 的核心想法、方法如何工作、實驗為什麼支援或不支援它的 claim，以及我接下來應該讀什麼。

這個範圍要求 Codex 教你概念，也要求它保留不確定性，引用 claim 來源，並區分 source material 和它自己的解釋。

研究論文分析產物

一個好的結果可以包含：

• notes/paper-report.md：主報告。
• notes/figures/method-flow.mmd：方法流程 Mermaid diagram。
• notes/figures/concept-map.mmd：概念關係圖，或小型 SVG。
• evidence table：把 claims 對應到 paper sections、pages、figures、tables。
• follow-up readings 和 unresolved questions。

目標是讓學習過程系統化，並留下 durable artifact。

分配 Subagents

subagents 不適合所有閱讀任務，但當 paper 很長或概念密度高時，並行拆分很有用。

實用拆分：

main agent 應等待所有 subagents，比較答案，解決矛盾，再合成 coherent report。

有邊界地補充背景

如果 paper 預設了你沒有的背景，可以讓 Codex 查 approved sources：本地 notes、bibliography folder、linked papers、web search，或已連線的 knowledge base。

補充背景要有邊界：

• 把 prerequisite terms 放進 glossary。
• 加一節 “background you need first”。
• follow-up readings 和 paper claims 分開列。
• 標出哪些 claim 來自 paper 外部。

生成 Diagrams

diagram 是檢查自己是否真的理解概念的最快方式之一。Markdown report 預設優先用 Mermaid 或簡單 SVG。

常見圖：

• concept map：prerequisite ideas 如何連線。
• method flow：inputs、transformations、model components、outputs。
• experiment map：datasets、metrics、baselines、reported claims。
• limitations diagram：assumptions、failure modes、open questions。

只有當你需要 illustrative、non-exact visual，或 Markdown-native diagram 表達不了時，再用 $imagegen。多數 paper-analysis report 用 Mermaid 或 SVG 更容易 diff、review、更新。

Markdown Report 結構

建議結構：

1. Executive summary。
2. What to know before reading。
3. Key terms and notation。
4. Paper walkthrough。
5. Method diagram。
6. Evidence table。
7. What the paper does not prove。
8. Open questions and follow-up reading。

能引用 page、section、figure、table 就引用。無法抽取 exact page 時，Codex 應說明，並退回到 section 或 heading references。

後續學習迴圈

第一版 report 是起點。讀完後繼續問：

• Which part of this method should I understand first?
• What is the simplest toy example that demonstrates the core idea?
• Which figure is doing the most work in the paper's argument?
• Which claim is weakest or least supported?
• What should I read next if I want to implement this?

如果概念需要實驗，讓 Codex 加一個小 notebook 或 script，復現 toy version，並從 Markdown report 鏈過去。

可考慮的 Skills

• $jupyter-notebook：toy examples、charts、lightweight reproductions。
• $imagegen：不需要精確的 illustrative visual assets。
• $slides：學習完後把 report 轉成 presentation。

接下來去哪