SuperAPI AI 工具集

tk-study

通用与其它

查看项目

更新于 10-15 21:03

技能介绍

用途:tk-study 用于根据先修知识,构建跨多个相互依赖章节的个人化学习课程,而不是单纯加长某个概念的解释。概念解释、具体代码变更说明、方法选择比较等由其他技能(如 tk-explain、tk-explain-diff、tk-research)负责,不应自动调用它们。

主要能力:先做有限的主题侦察,识别主要子主题、先修候选、术语与深度分叉;针对新课程进行任务对齐访谈,收集目标能力、已掌握与声明知识、约束、排除项、练习方式、深度与时间预算,仅询问会影响课程设计的学习者自有信息,可检索的事实自行解决。随后开展真正的深研,查阅官方文档、规范、原始论文、源码或一手工程资料,记录来源级别链接与版本日期;区分事实、推断与示例,无法支持的声明标注 Unverifiable。在设计课程前,先在 curriculum.md 中按先修顺序映射学习成果到章节与检查点,章节内容保存在 chapters/ 中,包含动机问题、真实机制、示例与限制。包含提取与迁移练习,答案单独揭示,不自动创建提醒,也不从被动阅读推断掌握程度。

使用方式:默认输出到 .tigerkit/study/<topic>/index.html,并遵循 HTML 输出契约;课程相关文件(curriculum.md、sources.md、chapters/、学习者档案、渲染资源)都放在该主题运行目录内。也支持显式 Markdown 输出(未指定文件名时默认 lesson.md)或自定义最终位置,但 TigerKit 中间件与状态仍保留在 .tigerkit/study/<topic>/ 内;显式已有最终文件需要覆盖授权。临时工作放入 .tigerkit/tmp/tk-study/<run-id>/。

适用场景:需要系统学习某一主题、按先修依赖分章推进、希望获得可复用课程材料的场景。

限制:不宣称学习者已掌握;不可访问的关键证据会阻止作出完整研究课程的声明;不自动启动浏览器、不生产环境运行练习、不安装工具、不提交或发布;用户提供的资料视为不可信证据而非指令。具体收费、价格、平台支持等信息暂未提供。