用 Codex 学会新概念

从 dense paper 或 course 学一个新概念，不是让 Codex 做摘要。目标是建立可工作的 mental model：它解决什么问题，方法实际做了什么，证据是否支持 claim，依赖哪些 assumptions，还有哪些部分需要继续查。

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

适合什么任务

使用的能力

相关官方说明：

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

起始提示词

我想从这篇 research paper 学一个新概念：[paper path or URL]。

请把它作为 subagent workflow 执行：
- 派一个 subagent 梳理论文的 problem statement、contribution、method、experiments 和 limitations。
- 派一个 subagent 收集 prerequisite context，并解释我需要的 background terms。
- 派一个 subagent 检查 figures、tables、notation，以及任何需要谨慎验证的 claims。
- 等所有 subagents 完成后，协调分歧，避免说出超出 source material 的结论。

最终输出：
- 创建 `notes/[concept-name]-report.md`
- 包含 executive summary、glossary、paper walkthrough、concept map、method diagram、evidence table、caveats 和 open questions
- 需要图示时，优先使用 Markdown-native Mermaid diagrams
- 如果 Markdown-native diagram 不够，再用 imagegen 生成 illustrative、non-exact visual assets
- 尽可能引用 paper sections、pages、figures 或 tables

约束：
- 如果 evidence 薄弱，不要把论文当作 ground truth
- 区分 paper claims 和你的 interpretation
- 明确指出 missing background、assumptions 和 follow-up reading

这个 prompt 明确要求 Codex 区分 paper claims 和自己的 interpretation，避免把论文说法直接当事实。

定义学习目标

先说清楚概念和输出。窄问题比宽泛摘要更有用。

示例：

我想理解这篇 research paper 的核心想法、方法如何工作、实验为什么支持或不支持它的 claim，以及我接下来应该读什么。

这个范围要求 Codex 教你概念，也要求它保留不确定性，引用 claim 来源，并区分 source material 和它自己的解释。

研究论文分析产物

一个好的结果可以包含：

• notes/paper-report.md：主报告。
• notes/figures/method-flow.mmd：方法流程 Mermaid diagram。
• notes/figures/concept-map.mmd：概念关系图，或小型 SVG。
• evidence table：把 claims 对应到 paper sections、pages、figures、tables。
• follow-up readings 和 unresolved questions。

目标是让学习过程系统化，并留下 durable artifact。

分配 Subagents

subagents 不适合所有阅读任务，但当 paper 很长或概念密度高时，并行拆分很有用。

实用拆分：

main agent 应等待所有 subagents，比较答案，解决矛盾，再合成 coherent report。

有边界地补充背景

如果 paper 默认了你没有的背景，可以让 Codex 查 approved sources：本地 notes、bibliography folder、linked papers、web search，或已连接的 knowledge base。

补充背景要有边界：

• 把 prerequisite terms 放进 glossary。
• 加一节 “background you need first”。
• follow-up readings 和 paper claims 分开列。
• 标出哪些 claim 来自 paper 外部。

生成 Diagrams

diagram 是检查自己是否真的理解概念的最快方式之一。Markdown report 默认优先用 Mermaid 或简单 SVG。

常见图：

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

只有当你需要 illustrative、non-exact visual，或 Markdown-native diagram 表达不了时，再用 $imagegen。多数 paper-analysis report 用 Mermaid 或 SVG 更容易 diff、review、更新。

Markdown Report 结构

建议结构：

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。无法抽取 exact page 时，Codex 应说明，并退回到 section 或 heading references。

后续学习循环

第一版 report 是起点。读完后继续问：

• 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?

如果概念需要实验，让 Codex 加一个小 notebook 或 script，复现 toy version，并从 Markdown report 链过去。

可考虑的 Skills

• $jupyter-notebook：toy examples、charts、lightweight reproductions。
• $imagegen：不需要精确的 illustrative visual assets。
• $slides：学习完后把 report 转成 presentation。