用途：在缺乏先验背景时，对陌生代码库、框架、API 或领域概念进行结构化知识获取，通过“测绘—假设—探索—整合—验证—巩固”的反馈循环建立可预测的心智模型，而非依赖记忆式回答。
主要能力：按领域类型选择学习模态——代码库用结构测绘（Glob 找文件树、Grep 找导入导出、Read 读关键文件），API/库用接口测绘（WebFetch 查文档、Read 看示例、Grep 找用法），领域概念用本体测绘（WebSearch 找综述、WebFetch 查定义），用户上下文用对话测绘（读对话、MEMORY.md、CLAUDE.md）。流程包含六步：测绘地形并列出 5-15 个地标；提出 2-3 个可证伪假设并排序；用最小探针逐一检验；整合出 3-5 句可预测行为的心智模型；用 3 个预测挑战模型并修正；最后浓缩为可检索摘要，必要时更新 MEMORY.md。
使用方式：输入学习目标（必填），可选范围边界、用户目的、已知起点。按步骤执行，先测绘后深入，假设须明确陈述并检验，至少有一个假设因证据被修正。
适用场景：接触无背景的代码库或框架；问题超出当前知识且需真实调查；存在多个冲突来源需从头建模；验证直觉线索；准备讲授某主题前先深入理解。
限制与注意：避免跳过测绘、提出不可证伪假设、探索中的确认偏误、过早巩固、完美主义和无目的学习。若地形过大应缩小范围，若模型无法整合需重测或如实记录系统本身不连贯。相关技能包括 learn-guidance、teach、remote-viewing、meditate、observe。具体工具调用与平台细节以实际环境为准，资料未提供收费、价格等信息。