> ## Documentation Index
> Fetch the complete documentation index at: https://support.labex.io/llms.txt
> Use this file to discover all available pages before exploring further.
# LabEx Skill Trees V2：面向动手学习的更精确技能模型
> LabEx Skill Trees V2 引入了更严谨的技能评估模型，用于连接实验、挑战、进度和推荐。
## 概览
LabEx Skill Trees 是 LabEx 动手学习背后的技能评估模型。它连接技术技能、Guided Labs、Challenge Labs、用户进度、学习推荐、徽章和证书。
Skill Trees V2 是对这个模型的一次重要优化。它的目标不只是增加更多 skills，而是更准确地描述技术能力：学习者练习过什么、证明了什么，以及哪些能力还需要更多证据。
## 为什么需要 Skill Trees
LabEx 围绕动手实践构建。Guided Labs 帮助学习者按步骤理解概念。Challenge Labs 验证学习者能否在真实环境中独立应用这些概念。
这需要一个独立于课程结构的能力模型。课程告诉学习者下一步学什么；Skill Tree 描述一个技术领域的能力空间。
在这个模型中，一个实验可以教学或评估多个 skills，一个 skill 也可以由多个 labs 和 challenges 支撑。因此，进度来自学习证据，而不只是课程完成状态。
## V1 的局限
V1 为 LabEx 建立了第一版较完整的技能分类体系，但也存在一些局限。
有些 skills 太宽，有些又太细。一些 Skill Trees 混合了相邻领域，例如 Linux、Shell、Git、Docker、Jenkins 和 Kubernetes。还有一些方向，如 Cybersecurity、React、Jenkins 和 Wireshark，相比其真实能力空间覆盖不足。
这导致 skill 数量并不总能清楚表达真实能力。学习者可能解锁了很多小 skill，但底层能力其实更适合由更少、更稳定的概念级 skills 表示。
## V2 的改进
V2 围绕更清晰的领域边界和更一致的技能粒度重新设计了 taxonomy。
每个 skill 都尽量表示一个概念级能力：足够具体，可以教学和评估；也足够通用，可以应用到多个实验和真实任务中。模型也更谨慎地区分相邻领域。Linux 聚焦系统使用与管理。Shell 聚焦命令和脚本语义。Docker、Kubernetes 和 Jenkins 则作为相关但不同的交付与自动化领域建模。
在当前 canonical 数据集中，V2 包含：
* **25 棵 Skill Trees**
* **1,129 个概念级 skills**
* V1 中为 **783 个 skills**
这并不只是扩张。一些树变大，是因为 V1 对相关领域覆盖不足。另一些树变小，是因为 V2 删除了重复内容，或把 skills 移动到了更合适的树中。例如，Linux 从 V1 的 118 个 skills 调整为 V2 的 86 个 skills，原因是边界变得更精确。
## 开放的技能评估模型
Skill Trees V2 也被设计为由 LabEx 主导的开放技术技能评估模型。
canonical Skill Tree 数据维护在 [labex-labs/labex-skilltrees](https://github.com/labex-labs/labex-skilltrees) 仓库中。它定义了 LabEx Skill Trees 背后的技术方向、稳定 skill 标识、面向用户的名称、描述和 canonical 顺序。
我们开放这个模型，是希望 Skill Trees 不只服务于 LabEx 自身。个人学习者可以用它进行自我评估。教育者可以用它设计实践课程、实验和挑战。团队可以把它作为讨论技术能力的共同框架。贡献者也可以在发现某个 skill 缺失、过宽、过细、重复或过时时提出改进。
我们的目标是推广一个由 LabEx 主导的动手技术学习技能评估标准：它足够开放，可以接受社区审查和贡献；同时也足够严谨，可以支撑能力衡量、学习推荐、徽章、证书和团队学习分析。
## 迁移和用户进度
V2 不是 V1 的一对一重命名。V2 推出时，LabEx 会将现有用户学习记录迁移到新的技能模型中，根据 V2 的 skill 定义重新解释历史实验完成记录、挑战完成记录和相关学习证据。
这意味着学习者看到的已获得 skill 数量可能变化。在很多情况下，这个数字可能会减少。
这并不意味着已完成实验、挑战历史或学习成果丢失。它意味着同一批证据正在被一个更干净、更保守的模型重新衡量。
例如：
* 多个较小的 V1 skills 可能映射到一个更强的 V2 skill。
* 一个过去计入 Linux 的 skill，可能现在更适合归入 Shell、Git、Docker 或其他更精确的树。
* 一个已完成实验可能仍然贡献进度，但会贡献到另一组 V2 skills。
* 如果 V2 把某个 skill 定义在更深入的层级上，部分进度可能需要额外的挑战证据。
## 这意味着什么
对学习者来说，V2 会让 Skill Trees 更容易理解，也更直接地连接到真实练习。对团队和教育者来说，它提供了更清晰的能力框架，可用于培训、评估和进度分析。
对 LabEx 来说，V2 是更好推荐、更有意义的徽章和证书，以及更可靠团队分析的基础。
核心变化很简单：V2 不是为了统计更多 skills，而是为了让每个 skill 更有意义。
您可以在 [labex.io/learn](https://labex.io/learn) 浏览当前 Skill Trees，也可以阅读这里的支持文档概览：
[LabEx Skill Trees](/cn/using-labex/skill-trees)