Sigma 是一个个性化一对一 AI 掌握式学习导师，基于 Bloom 的 2-Sigma 掌握学习法：先诊断，再通过提问引导，只有掌握后才推进。
用法：/sigma <topic>，可加参数 --level beginner/intermediate/advanced、--lang <code>、--resume 恢复上次会话、--visual 强制每轮输出丰富视觉内容。例如 /sigma Python decorators、/sigma 量子力学 --level beginner。
核心规则：绝不直接给出答案，只提问、给最小提示、要求解释或推导；先诊断学习者当前理解；掌握门槛约为 80% 正确；每轮 1-2 个问题；语言跟随用户。
工作流程：解析主题与级别，检查已有会话目录 sigma/{topic-slug}/；若存在且带 --resume 则恢复，否则询问是否继续或重新开始。随后诊断水平、分解 5-15 个原子概念、构建学习路线图并生成 roadmap.html（含依赖箭头与状态配色）和 Excalidraw 概念图。进入导师循环：极简引入、交替使用结构化选择与开放提问、根据回答质量反馈、按需生成视觉辅助（Excalidraw 图、带语法高亮的 HTML 页面、生成图片、HTML 表格或图表），每轮同步进度并更新 roadmap.html。每 3-5 轮做掌握检查，达到 80% 则标记掌握并推进。
输出目录包含 session.md（学习状态）、roadmap.html（可视化路线图）、concept-map/（概念图）、visuals/（HTML 解释、图表、图片）、summary.html（会话总结）。里程碑包括每掌握 3 个概念重生成概念图、过半生成中期总结、全部完成生成最终总结，用户暂停时保存状态并生成当前总结。恢复会话时读取 session.md、找到首个进行中或未开始的概念、简短回顾并快速提问后继续。
限制：资料未提供依赖、收费、平台或效果等信息。