用途：这是生成智能教科书流程的第一步，后续 Skill 为 learning-graph-generator。它分析或创建高质量课程描述，检查 /docs/course-description.md 的完整性、质量及与 2001 Bloom 分类学习成果的对齐情况，为生成 200+ 概念的学习图谱做准备。
主要能力：先判断 /docs/course-description.md 是否存在。不存在则进入创建流程，依次询问课程标题、目标受众（小学、初中、高中、大学本科、研究生、成人继续教育、职业发展或其他）、先修要求（无则明确写 None）、主要主题列表，以及按 Bloom 六层（记忆、理解、应用、分析、评价、创造）组织的学习成果；随后用 assets/course-description-template.md 模板生成文件，包含标题、受众、先修、主题、未涵盖主题、六层学习成果和课程重要性说明。文件存在则进入分析流程，按 100 分制评分：标题 5、受众 5、先修 5、主要主题 10、排除主题 5、学习成果标题 5、六个 Bloom 层级各 10、描述性背景 5；Bloom 层级需至少 3 条具体可操作成果才得满分。之后做差距分析、改进建议，并用 mkdir -p docs/learning-graph 创建目录，将评估报告写入 docs/learning-graph/course-description-assessment.md，给出总分与质量评级（90-100 优秀、75-89 良好、60-74 合格、40-59 一般、0-39 差）。还会更新课程描述顶部的 yml 元数据（title、description、quality_score），评估概念生成就绪度，并询问是否将新文件加入 mkdocs.yml 导航。
使用方式：作为 Claude Skill 调用，按工作流决策树执行；创建后自动进入分析验证。
适用场景：为智能教科书准备课程描述、检查课程描述质量、评估能否生成 200 个概念。
限制：评分≥85 才建议继续生成学习图谱；低于 85 建议先补差距。具体安装命令、收费与平台信息暂未提供。