# learnAnyThing

**Repository Path**: weiner111/learn-any-thing

## Basic Information

- **Project Name**: learnAnyThing
- **Description**: learnAnyThing
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-09-13
- **Last Updated**: 2026-09-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# learnAnyThing

工作区:每个主题一个文件夹,每个文件夹是一套独立的 /teach 教学材料。

## 当前主题

- **[python-numpy/](python-numpy/index.html)** — Python + NumPy for ML Preprocessing(17 节课,~9 小时)✅
- **[pandas/](pandas/index.html)** — Pandas for Data Cleaning(6 节课,~3 小时)✅
- **[scikit-learn/](scikit-learn/index.html)** — scikit-learn for Classical ML(7 节课,~4 小时)✅
- **[linux-docker-k8s/](linux-docker-k8s/index.html)** — Linux + Docker + Kubernetes(9 节课,~5 小时)✅
- **[nginx/](nginx/index.html)** — Nginx for AI Service Deployment(4 节课,~2 小时)✅
- **[llm-api/](llm-api/index.html)** — LLM API for AI Developers(6 节课,~3.5 小时)✅

  任务:[README](llm-api/MISSION.md) · [索引](llm-api/index.html) · [速查表](llm-api/reference/cheatsheet.html)

## 🎧 音频版(MiniMax TTS 男声)

每个主题目录下都有 `audio/index.html`,浏览器打开就能点播讲解(mp3 文件较大,已 gitignore,clone 后跑 `python tts.py` 自动生成)。

[👉 所有主题音频入口](audio/index.html)

| 主题 | 音频完成情况 | 入口 |
|---|---|---|
| Python + NumPy | 17/17 | [播放器](python-numpy/audio/index.html) |
| Pandas | 6/6 | [播放器](pandas/audio/index.html) |
| scikit-learn | 6/7 | [播放器](scikit-learn/audio/index.html) |
| Linux + Docker + K8S | 0/9 | (尚未生成) |
| Nginx | 0/4 | (尚未生成) |
| LLM API | 1/6 | [播放器](llm-api/audio/index.html) |

> TTS 撞了 Token Plan 配额上限(已两次),剩 19 节(linux-docker-k8s / nginx / llm-api / scikit-learn 末节)失败。已生成的都是真正可播的 MP3(128 kbps / 32 kHz 单声道)。
>
> 三种恢复方式:
> 1. **升级 Token Plan** 或购买积分(平台侧)
> 2. **等下个计费周期** 重置后跑 `python tts.py`(自动续跑已存在的)
> 3. **改用 `speech-02-turbo`** 模型(`.env` 里改 `MINIMAX_MODEL=speech-02-turbo`,配额消耗更低但音质略差)

### 数学地基

- **[linear-algebra/](linear-algebra/index.html)** — 线性代数 · 几何直觉重建(20 节课,每天 1 小时)

  大学学过但基本忘了("记得矩阵乘法怎么算,说不出特征值的意义")。目标不是会算,是**看到一个矩阵就知道它对空间做了什么**。

  **顺序刻意反着来。** 国内教材是「行列式 → 矩阵 → 方程组 → 特征值」,几何意义放最后——那正是"会算但不懂"的根源。这门课**先用四节课把"矩阵 = 对空间做的一个动作"砸实**,行列式排到第 11 课。三面承重墙:**矩阵就是变换 / 特征值 / SVD**。

  方法:**不教手算**——不做行列式展开、不做克拉默法则,计算交给 NumPy,脑子用来建立直觉。每节课配一个**可拖拽的几何画布**(拖 î 和 ĵ 看网格变形、看单位圆变成椭圆)。

  贯穿全课的一条线是**静默失效**:形状会静默广播、接近奇异时 `inv` 不报错却不可信、特征值算法在退化矩阵上留下 1e-8 的误差……每个陷阱都给"怎么发现它"的可操作办法。

  参考:[术语表](linear-algebra/reference/glossary.html)(中英对照,69 条)· [NumPy 线代速查](linear-algebra/reference/numpy-cheatsheet.html)(**每段输出都是真跑出来的**)· [几何直觉地图](linear-algebra/reference/geometry-map.html)

### AI 开发线之外

- **[price-action/](price-action/index.html)** — 价格行为 · Al Brooks 体系(20 节课)

  **这门课和前面所有课都不一样。** 线代没有争议；宏观有学派之争但争的是模型之间。**价格行为是一位实践者的主观判读方法,有效性本身有争议**——而用户打算用真金白银做决策。

  所以它有一条别的交易课不会有的规矩:**每一节都同时给你「Brooks 是这么说的」和「证据怎么说」**,两件事用不同颜色的框在视觉上分开。别的课只给你前者,还把它包装成后者。

  而且 Brooks **自己**说他的概率数字是主观的、没测过的:

  > "Pick a number — 80 percent of breakouts fail... and that is subjective... **Have I tested it? No.** It's just my guideline."

  课程里每个概率断言都标了这一点。最容易抄错的地方是**两个 80% 方向相反**——区间里「80% 的突破会失败」(反向做),趋势里「80% 的反转会失败」(顺势做)。

  **图都是真的。** 用东方财富的真实历史数据(上证指数等),每张图标了品种、区间、复权方式、拉取日期,可以自己去核对;示意图明确标注「合成数据」。**绝不伪造看起来像真实行情但无法核实的图。**

  证据层是认真做的:各国监管机构公布的零售账户亏损率(ESMA 74–89%、ASIC 68.42%)、台湾全样本研究(扣费后能稳定盈利的不到 1%)、**唯一一次公开的 Brooks 规则机械化尝试**(不带手续费 +60.7%,加 0.1% 成本后 −59.1%)。**反方也给足了**——纽约联储的整数关口订单流机制、200 年趋势跟踪的统计显著性。

  参考:[术语表](price-action/GLOSSARY.md)(含**三个最容易记错的词**)· [资源清单](price-action/RESOURCES.md)(含**10 处经核实是错的、不要沿用的说法**)· [课程地图](price-action/OUTLINE.md)

  工具:`tools/fetch-bars.py`(取真实行情)· `tools/embed-bars.py`(嵌数据)· `assets/pchart.js`(K 线图组件)

- **[price-action-volman/](price-action-volman/audio/index.html)** — Price Action · Bob Volman 复习手册(**MP3 朗读版**)

  把 Bob Volman《Forex Price Action Scalping》Chapter 7-14 的内容压成一份**全结构细节复习手册**:七个 setup(DD / FB / SB / BB / RB / IRB / ARB)+ Tipping Point + 检查表。每个 setup 用「基础结构 + 突破前细节 + Q&A 强化」三层展开,口诀用一句话压缩。

  配套 **37 分钟朗读 MP3**([播放器](price-action-volman/audio/index.html)),走路、开车、跑步时可以反复听。朗读版本用 MiniMax 男声(`male-qn-qingse` / `speech-02-hd`)。

- **[english/](english/index.html)** — Spoken English for Real Conversation(18 节课,每天 1 小时 × 2 个月)

  目标不是考试,是能进行正常的英文对话。**一条连续的故事线**——你和 Alex 从第一次碰面到成为朋友,18 节课是这段关系的 18 个场景。每课练一个**跨话题通用的对话动作**(开场、追问、自我披露、叙事、表达观点、收尾),话题只当练习素材。

  方法:**语块优先**(母语者超过一半的话语由预制语块构成),配一层薄语法;发音按 **Lingua Franca Core + 真实误解语料**排优先级,不是按音标表。

  参考:[语块表](english/reference/chunk-list.html)(175 个块,按对话功能分 10 组)· [发音优先级](english/reference/pronunciation.html)(哪些音该改、哪些可以一直不管)

  ⚠️ 结构性限制:教学方听不到用户说话,发音反馈必须走外部工具 + 真人。

- **[macroeconomics/](macroeconomics/index.html)** — 宏观经济学 · 曼昆《经济学原理·宏观部分》(18 节课,每天 1 小时)

  **零基础**。覆盖中译第 23-36 章全部 14 章,外加 4 节工具预备课(供需分析不在宏观分册里,但后面每张图都是它的变体)。

  方法:**每节课的核心是「机制链」不是定义**。学完的标准是"给定一个冲击,能顺着模型把后果推出来",不是背概念。练习全部是"你来推"。

  两个专属组件:**「新闻里」框**(33 个,把概念钉到现实)· **「有争议」框**(24 个,标出学派之争——教材有立场,不把一家之言讲成定论)。

  参考:[资源与数据源](macroeconomics/RESOURCES.md)(**大陆实测能直连的宏观数据** + 配套中文视频课)· [学习目标](macroeconomics/MISSION.md)

## 学习路线图

- **[roadmap.md](roadmap.md)** — 4 周成为 AI 开发者的完整路径(混合路径:LLM 应用 + ML 基础)
  - 当前进度:Python + NumPy ✅ → Pandas ✅ → scikit-learn ✅ → 部署线 ✅,下一步 Prompt Engineering

## 工具

- **[mattpocock-skills/](mattpocock-skills/)** — GitHub 仓库原样。装了 25 个 Claude Code skills(/teach /grill-me /tdd /code-review 等)。已经被 Claude Code 作为本地 marketplace 加载。

- **[tools/export-pdf.py](tools/export-pdf.py)** — 把所有课件导出成可打印的 PDF,每个主题一个文件,输出到 `pdf/`。

  ```bash
  uv run --with pypdf --with pikepdf python tools/export-pdf.py
  uv run --with pypdf --with pikepdf python tools/export-pdf.py --only linear-algebra
  ```

  它处理了几件网页版不需要、但纸上必须处理的事:**展开所有折叠答案**(纸面点不开)· **标出正确选项**(浏览器默认不打印背景色,所以用的是边框+文字标注,黑白打印也认得出)· **长代码行换行**(`overflow-x:auto` 在纸上不能滚动,超宽部分会被静默裁掉)· **盖掉三个主题里 `display:none` 的打印规则**。

  `pdf/` 是生成物,已在 `.gitignore` 里——需要的话重新跑一遍就有。

## 添加新主题

随时跟我说"用 /teach 学 [主题]",我会自动建好对应的主题目录、初始化 mission、生成课程。每个主题目录里的 `index.html` 记录学习进度(浏览器 localStorage)。