核心 GUIDE
Learning Objective Design（学习目标设计）
好的 Learning Objective 会说明学习者最终能够做出什么 Decision、Explanation 或 Action，并且能够用可观察 Evidence 验证，而不是只列出课程准备“覆盖”的 Topic。
核心心智模型
Learning Objective 是 Content、Practice 与 Assessment 之间的 Outcome Contract：它描述 Learner Behavior、发生行为的 Condition/Constraint，以及什么 Evidence 能证明学习结果真的发生。
为什么重要
AI 让 Lesson Generation 变得非常便宜，也更容易制造一堆精美但没有共同 Learning Purpose 的内容。显式 Objective 可以阻止 Course 退化成 Topic Inventory：它决定哪些 Explanation 必须存在、Practice 应要求什么，也决定哪些虽然有趣却应该删掉。
01
生成 Lesson 之前先写 Objective
从学习者完成单元后真正要处理的 Decision 或 Task 出发，使用 Diagnose、Compare、Design、Verify、Defend 等可观察 Verb，定义 Scenario Constraint 与 Expected Evidence，再从目标反推 Concept 和 Practice。任何不能帮助学习者抵达 Objective 的 Paragraph 或 Activity 都应该重新审视。
02
示例：把“学习 RAG”改成可观察决策
不要写“理解 RAG”，而写成：“给出 5 个失败 Query 的 Retrieval Trace，判断每个 Failure 来自 Recall、Ranking 还是 Source Authority，并提出一个可测量 Intervention。”这个 Objective 会直接约束需要哪些 Guide Concept、Lab Evidence 和 Assessment，比宽泛 Topic Label 更有用。
常见失败模式
- 把 Objective 写成“学习 Embedding”这样的 Content Heading。
- 先批量生成 Activity，再事后发明 Objective 为它们找理由。
- 使用 Understand 等模糊 Verb，却不定义 Observable Evidence。
工程启发
- 每个 Objective 都绑定真实 Decision、Artifact 或 Explanation。
- Objective 不只用于增加 Content，也用于删除无关 Content。
- 检查 Practice 是否真的产生了 Objective 要求的 Evidence。
关键结论
- 01Objective 描述 Learner Outcome，而不是 Author Coverage。
- 02Observable Evidence 连接 Guide 与 Practice。
- 03清晰 Objective 是控制 AI-generated Content Scope 的机制。
阅读记录
这里只记录你真实做过的动作，不代表掌握、熟练或认证。
用于这些学习路径
这个 Concept 会在多个 canonical 学习路径中复用。
来自 Knowledge Graph 的相关知识点
这些关系直接来自 canonical graph，不维护第二套 Guide 分类体系。