用途：面向不熟悉主题、方法、子领域或研究方向的广度优先入门，目标是形成可用的知识地图——核心问题、主要方法族、关键论文，以及足以开始阅读原始文献的工作直觉。该技能是编排器，决定下一步做什么、交给哪个技能，本身不产出教学内容。
与同类技能的区别：deep-understanding 用于对已熟悉对象做深度优先精通，当广度不再是瓶颈时使用；idea-to-proof 用于把用户自己的想法转化为形式化命题，目标不同。
开始前需定位用户：只问无法推断的信息，包括具体目标主题、起点（完全新手、邻近领域迁移、或“听过但记不住”）、目的与深度（泛泛了解、能读论文、能动手构建）、时间预算（一小时概览还是数周爬坡）。若目标模糊（如“我想学机器学习”），先收窄再路由。
流水线按顺序执行，可跳到用户当前所处阶段：定向 → 绘制领域地图 → 建立核心直觉 → 用玩具案例落地 → 桥接原始文献 →（交接）。
阶段1定向：直接给出一屏概览，说明该领域要解决什么问题、内部3–6个子领域、常听到的名字。出口条件：用户能说出主要子领域并指出关心哪个。
阶段2绘制地图：交给 literature-triangulation，构建有来源支撑的地图，包括经典论文、方法族、基准与真实分歧，避免教出幻觉式共识。出口条件：有具体阅读清单和方法族地图，并确定目标子领域。
阶段3建立核心直觉：交给 professor-mentor-technical-teaching，逐个概念按动机→直觉→假设→形式化→局限讲解，不要一次性倾倒整个领域。出口条件：用户能解释每个核心方法为何存在、回应什么压力。
阶段4玩具案例落地：交给 theory-to-toy-cases，把抽象变成可计算或可想象的最小具体案例。出口条件：每个核心想法至少完成或观察一个最小示例。
阶段5桥接原始文献：回到阶段2阅读清单，让用户读第一篇经典论文；若记号与已知形式体系冲突，可交给 formalism-translator。出口条件：能读该领域原始论文而不卡在预备知识上。
对外交接：某个论文或方法需要严格精通时转 deep-understanding；有想法要形式化转 idea-to-proof；想评估方法好坏或找空白转 gap-finder 或 research-idea-stress-test。
路由规则：委托而不重复，每个阶段交给单一技能；从用户实际水平继续而非重来；阶段3–4一次一个概念；尊重深度目标，“读论文”止于阶段5，“只是好奇”可止于阶段3；达到出口条件即停止，不强迫走完不需要的阶段。