README.md
CSDN 技能森林
本仓库是技能树森林的 RFC(Request for Comments) 仓库。提议请在 rfc/ 目录下创建文档，例如 rfc_001.md
如何参与贡献
- fork 下面对应开放技能树编辑仓库，仔细阅读对应的仓库的README规则，新增习题或者改进已有习题
- 提交 pull-request 等待审核合并
- 核心贡献者会邀请加入项目仓库成员
- 技能树社区将展示出题者信息，以及根据贡献值奖励一定的原力值
- 参考参与贡献Q/A
技能树仓库和技能树社区
- 技能树开放编辑仓库采用 MIT 或者 CC4 开源协议
- 一个技能树仓库的章节结构和习题就绪时，则上线初版的技能树社区
技能树服务构建项目
技能树数据处理的流水线如下：
技能树开放编辑仓库 --> 技能树命令行工具 --> 技能树服务
其中 技能树开放编辑仓库 就是每个领域的编辑仓库。
而 技能树命令行工具 和 技能树服务 会分别创建两个独立的仓库
- skill_tree_cli（参考下一节）
- skill_tree_server（TODO）
实现上，skill_tree_cli 和 skill_tree_server 都会有一些对技能树编辑仓库数据的结构解析、校验、转换需求，这些解析器的实现托管在一个独立的 技能树解析 仓库里。也即：
技能树命令行设计(草稿)
技能树仓库编辑命令 最终应该和 技能树管道处理命令组合在一起，类似 git 一样提供一个 skill_tree 命令，该命令包含如下 actions
-
init命令：初始化一个技能树仓库，该过程会交互式询问，输入技能树仓库相关的 meta 信息，用来自动完成技能树仓库- 原始数据编辑目录：data/
- 处理脚本目录：src/
- 管道数据处理目录：pipeline/
- 保持结构并规格化处理输出目录：pipeline/spec
- 链接合成目录：pipeline/link
-
tree命令：在data/ 目录下通过该命令为每个节点和习题分配id，自动化生成必要的元数据 -
spec命令：在pipeline/spec 目录下输出严格规格化的中间数据格式 -
link命令：链接节点数据，包含- 生成节社区（抽象意义上）
- 生成节频道（抽象意义上）
- 生成习题交流贴（抽象意义上）
-
deploy命令：将link后的产生的数据发布到抽象技能树服务 -
server命令：启动抽象技能树服务，用户可以开始使用。
技能树概述
内容生产者， 内容消费者，学习者： 他们有不同的需求。
从一个“产品设计” 的角度，一个领域 （Python） 有一个技能树。 这个技能树上面有很多 知识点，这些知识点有 {初中高} 的特性。 每个知识点有 相关的 {博客， 问答， 代码， 视频，... } 集合。 用户如何证明自己掌握了某个知识点？ 考虑：
- 每个知识点有相关的 “测试”，通过了这个 “测试”.
- 成为这个知识点的回答采纳目标。
- 写原创博客获得一定的赞。
- 通过某种考试。
痛点的解决
- 我怎么能证明我自己懂了这个领域？ 解决：显示用户花了时间，通过了测试，写了博客。
- 光看博客就能证明自己懂了么？ 解决：不行，必须通过测试了
- 我看了程序，但是只有程序片段，我怎么运行在我的电脑呢？ CSDN 的程序是完整的，但是拷贝到我的电脑上，怎么不行啊？ 解决：让用户能执行完整的可运行的程序。
- 回答者的痛点：我不断地回答相似的问题，一遍一遍给他们源代码。 解决：把完整的解决代码放在 Code 平台上，以后让提问者来这里看。 （这个和 ‘问答’ 业务很相关）
对于技能树上的一个问题，我们应该有完整的解决方案，让用户非常满意：
- 问题（怎么做归并排序？）
- 解答（原理是这样的）
- 代码：这个代码是要能在 Code-China 上可以运行的 （归并排序的代码在 JupyterNotebook 之类的平台运行）
- 解释通过代码的评论来完成：用户会说：我不大懂第十行， 为何要这样写？ 专家就会解释。
技能树社区核心设计
- 构建结构化信息，通过难度等级、章/节+子树，使用算法匹配学习知识
- 每个知识点节点是一个微社区
- 每个微社区内包含3个重要元素：
- 参考资料（学习，使用算法匹配+推荐给出最优质内容）
- 习题（验证学习，是否掌握了知识点？习题做完可以去Notebook运行）
- 交流讨论区（同主题交流，通过输出进一步强化学习）