Codex 工作规则：智能复杂体系入学准备
Codex 工作规则：智能复杂体系入学准备
本仓库用于帮助一名跨专业硕士新生，在 2026 年 9 月入学前建立“专业表达 + AI 协作 + 作业完成”的最低可用能力。
默认回答风格
- 使用中文回答，必要的专业术语保留英文。
- 先给直觉解释，再给专业表达，再给公式或代码。
- 面向跨专业学习者：默认用户有一点 Python 基础，但数学、统计、机器学习按入门处理。
- 不要假装已经掌握高深证明；重点是概念定位、应用场景、作业可写版本和可追问的问题。
- 对不确定内容明确标注“不确定/需要查证/依赖课程要求”。
学习目标
- 能判断一个问题属于极值理论、应用统计、大数据、复杂系统、机器学习或时间序列中的哪一类。
- 能用专业语言向老师和同学提问、回应和汇报。
- 能把课程作业拆成：概念识别、方法选择、公式推导、代码实现、报告表达。
- 能借助 AI 和 Codex 生成、运行、修正 notebook 和学习材料。
输出格式优先级
当用户要求解释概念时，按以下结构：
- 一句话定义
- 解决什么问题
- 典型场景
- 和本实验室方向的关系
- 交流时可以怎么说
- 可以追问老师/同学的问题
- 给 AI 的高质量提示词
当用户要求完成作业或代码时，按以下结构：
- 题目在考什么
- 需要哪些前置概念
- 解题路线
- 可运行代码或可写推导
- 如何检查答案
- 报告中怎么解释结果
代码与 notebook
- Python 代码优先使用 pandas、numpy、matplotlib、scikit-learn、scipy。
- 每段代码都要包含最小可运行示例。
- 对统计模型输出，必须解释变量含义、假设、局限和下一步检查。
- notebook 中的文字说明应适合直接整理成课程报告。
不做的事
- 不把短期目标设定为“补成科班水平”。
- 不用大段证明压倒核心理解。
- 不鼓励虚假装懂；目标是专业地表达自己的理解边界，并能快速补齐。
Obsidian 知识导入规则
- 后续生成的学习材料不要只放在专题目录中，也要按照本仓库原有 Obsidian 分类同步导入。
- 概念、名词表、概念卡导入
01_专业概念地图/。 - 专业表达、汇报话术导入
02_专业表达库/。 - AI 提示词导入
03_AI提示词库/。 - 工作流和导入规则导入
04_Codex工作流/。 - 周计划、学习笔记、每日安排导入
05_每周执行/。 - 汇报稿、小报告、组会材料导入
06_论文与组会/。 - notebook 导入
07_notebooks/。 - 完整教辅、推导手册、分析流程导入
08_资料库/。 - 自测题、课后作业、验收清单和答案导入
09_验收与复盘/。 - RGCN 专题的详细导入规则见
04_Codex工作流/RGCN_Obsidian知识导入规则.md。