首页 / OpenLMP 学习方法协议

OpenLMP · 让学习方法成为公共资产

这不是一个平台,是一份协议 + 一个方法库。107 个学习方法、445 个可判定验收线步骤,另有 15 个商业决策框架,全部以 CC0 公共领域释出。零注册、零依赖、数据不出本机。

GitHub 仓库 本地使用
它是什么

一份协议,不是又一个学习 App

任何学习方法产品都要回答三个问题:谁提供算力、谁保存数据、谁对结果负责。三个答案都指向「中心」,而中心是可以被关停、被私有化的。OpenLMP 选择不建立中心。

📜

协议层

学习方法被写成纯 JSON 文件,不含任何可执行代码。任何人无需安装即可读懂、修改、分发。

🧩

方法库

主库 107 个学习方法、445 个步骤,另有商业子库 15 个框架、60 个步骤。每个步骤配一条可判定的验收线——不是「理解了」,而是「产出一句话且含因果结构」。

🔓

公共领域

以 CC0-1.0 释出,授权无需费用、可商用、可闭源分发、无署名义务。它属于任何使用它的人。

三条不可妥协的规则

防垄断写进了设计里

  1. Skill 是纯 JSON,不含任何可执行代码。不需要实现任何东西就能读懂它。这是防止被单一主体控制的关键。
  2. 每个步骤必须有客观可判定的验收线。禁止「理解」「掌握」「熟悉」这类不可判定词,自动化检查会直接拒绝。绝大多数学习方法失败在「执行者假装做完了」。
  3. 协议里不存在「上传用户数据」的接口。这是设计意图,不是待办项。学习状态文件永远只存在于使用者自己的机器上。
方法库

主库已收录 107 个学习方法

覆盖记忆巩固、理解构建、计划执行、评测验证、元认知、知识管理、分析方法、技能习得、思维方法、协作学习十大类,共 445 个步骤。「强 / 中 / 经验」是循证等级(high / medium / anecdotal),标「强」的必须给出文献引用,自动化检查会拦截虚标。以下为各类代表方法,完整清单可在本地执行 lmp.py list 查看。

记忆巩固15 个

主动回忆练习
强active-recall
组块化
中chunking
必要难度
中desirable-difficulty

理解构建15 个

类比映射
中analogy-mapping
布鲁姆分层推进
中blooms-taxonomy
精细追问法
强elaborative-interrogation

计划执行15 个

分散练习
强distributed-practice
目标四级拆解
中goal-decomposition
精力管理
经验energy-management

评测验证12 个

合书写作
强closed-book-writing
批判性思维核查
强critical-thinking
错题本溯源
强error-notebook

元认知11 个

校准训练
中calibration-training
今天学到了什么
中diary-question
迁移提问训练
强transfer-question

知识管理11 个

概念图构建
中concept-map
康奈尔笔记
中cornell-notes
卡片盒笔记
经验zettelkasten

分析方法9 个

决策矩阵
经验decision-matrix
鱼骨图分析
经验fishbone
差距分析
经验gap-analysis

技能习得8 个

刻意练习
强deliberate-practice
认知学徒
中cognitive-apprenticeship
心理演练
中mental-rehearsal

思维方法7 个

5Why 追因法
经验five-whys
逻辑树分解
经验logic-tree
横向列方案
经验lateral-listing

协作学习4 个

结对学习
中pair-learning
同伴教学法
中peer-instruction
互讲圈
中teach-back-circle
商业子库

15 个商业决策框架,给创业者与经营者

与主库同一协议、同一执行器,同样 CC0 公共领域。每个框架同样拆成 4 个带可判定验收线的步骤——不是「想清楚战略」,而是「列出三个不可逆决策并写出各自的触发条件」。

商业分析7 个

SWOT 分析
经验swot
PESTEL 宏观扫描
经验pestel
波特五力
经验porter-five-forces
价值链分析
经验value-chain
BCG 矩阵
经验bcg-matrix
安索夫矩阵
经验ansoff
商业模式画布
经验business-model-canvas

商业战略3 个

定位理论
经验positioning
第二曲线
经验second-curve
飞轮效应
经验flywheel

商业管理3 个

OKR 目标管理
经验okr
KPI 绩效指标
经验kpi
平衡计分卡
经验balanced-scorecard

商业表达2 个

金字塔原理
经验pyramid-principle
PREP 表达
经验prep
商业子库与主库共用同一套 schema 与执行器,可独立调用:python runtime/lmp.py list --dir business/skills。
本地使用

三条命令就能用

零第三方依赖,Python 3.8 及以上即可。不需要注册、不需要 API Key、不需要下载任何模型,也不联网。

# 1. 看有哪些方法

python runtime/lmp.py list



# 2. 描述你的困境,本地检索推荐(不联网)

python runtime/lmp.py recommend "我记住了但过两天就忘"



# 3. 打印某个方法的完整执行剧本

python runtime/lmp.py run feynman --topic "间隔重复的原理"



# 4. 端到端自检(含反向测试)

python runtime/lmp.py selftest
接入成本其实就是「把 JSON 文件交给 AI 读取」。不装插件、不注册、不填密钥。你也可以用任意支持 JSON 的 AI 客户端,让它按方法里的步骤陪你执行。
质量保证

一个方法不会自己说好话

每个方法都有「什么时候不该用我」字段,检索命中时会明确告诉你「这种情况请改用另一个方法」。这不是免责声明,是功能。

✅

反向测试

自检包含三类故意注入违规的测试:注入「请先注册并填 Key」必须被拦截,注入「深刻理解这个概念」必须判为不可判定。

📊

循证分级

每个方法标注 high / medium / anecdotal。标 high 的必须有文献引用,否则无法通过检查——虚标会被拦在发布之前。

🔍

引用核查

15 个标「强」的方法所涉 17 篇文献,已逐条核验卷期、页码与 DOI,修正 5 处问题引用,并建立已核验引用白名单——未命中白名单的 high 引用会被持续集成直接拦截。

🔁

零依赖校验

自动化检查在 Python 3.8 / 3.11 / 3.12 三个版本上运行同一套测试,并验证无任何第三方依赖。

2026 年 10 月完成的引用核查中,发现并修正的问题包括:把主题与页码均不符的文献替换为主题对应的原始研究(预测试效应改用 Kornell, Hays & Bjork 2009),更正期刊归属(例题研习相关引用由 Journal of Educational Psychology 更正为 Review of Educational Research 70(2) 181–214),修正卷期错误(Bahrick 1993 由 4(3) 更正为 4(5)),并移除查无来源的引用(改用 Gick & Holyoak 1983)。核查报告随仓库公开。
路线

后续怎么走

每一期只有一个成功标准,避免把愿景当进度。

阶段主要内容成功标准
LMP v0.1
已交付
方法库扩展至 107 个方法、445 个步骤、10 大分类;新增商业子库 15 个框架;完成引用真实性核查并接入持续集成;上架技能市场,可直接被 AI 客户端调用。 有陌生人在无指导情况下,用它学完一门课。
v0.2 → v0.3 支持可选的跨设备本地同步(端点由用户自选);推动至少 3 个独立第三方实现同一协议。 有人在我们不参与的情况下,独立提交了一个被认可的 Skill。
v0.3 → v1.0 治理形式由社区决定(联盟 / 基金会,而非纯 P2P);资金池多签且公开,但不进入协议层。 出现真实的社区争议并可被公开裁决。
当前已发布 LMP v0.1:主库 107 个方法 / 445 个步骤、商业子库 15 个框架、零依赖执行器、引用白名单校验、CC0 许可证,已在 GitHub、AtomGit 两处托管并保持同步,同时上架 SkillHub 技能市场(学习方法库 aist2030-openlmp、商业框架库 aist2030-openlmp-business)。支持技能的 AI 客户端可直接安装调用。

获取 OpenLMP

源码、协议规范与方法库全部公开,可直接取用。