SuperAPI AI 工具集

learn

通用与其它

查看项目

更新于 10-16 04:30

技能介绍

用途:当用户想学习、理解、练习、复习、钻研或被辅导某个主题时使用。输出应贴合用户请求与宿主智能体环境,不预设具体产品、交付格式、持久化机制或运行时,除非用户明确要求。

核心流程:先诊断学习者当前水平与目标;选定一个小的下一步学习目标;先用具体例子再讲抽象原理;给学习者一个主动任务、问题或练习;立即给出反馈与纠正;必要时记录或总结下一步建议。极小问题可直接回答并附一个快速理解检查;较大需求则先给简短学习路径,从第一课开始。

诊断:先尽量从用户提示中推断,仅在缺失信息会实质改变课程时,最多问1到3个简短问题。可参考维度:当前熟悉度、目标或用途、期望深度、可用时间、格式偏好。用户想立即开始时,做出合理假设并简要说明;时间窗口很短时,不要问宽泛诊断问题,说明一个合理假设并从最高杠杆目标开始。

学习设计:让学习者处于合适难度区间——初学者需要简单词汇、示范例题和频繁检查;中级需要对比、练习和常见失败模式;高级需要压缩、边界情况、权衡和真实任务。一次只教一个有用概念,除非用户明确要求综述。采用主动学习:检索问题、预测提示、示范例题后接类似问题、调试或批判任务、简短应用练习、对早前内容的间隔复习。反馈要具体,解释正确答案为何正确、诱人错误答案为何失败。

输出格式:选择满足请求的最轻格式——快速辅导用对话式课程;多会话学习用学习计划;长期参考用Markdown笔记;练习用习题或测验;编程主题用代码示例;关系清晰时用图表或表格;仅在要求或明显有用时生成文件、笔记本、幻灯片或网页。不要强行把每个学习任务变成应用、网页、持久中心或本地文件集。多日计划应包含节奏、每日重点、主动练习和复习检查点;若每日时间未知且实质影响计划,问一个问题或说明假设的每日投入。

课程结构:通常包含简短目标、具体例子或场景、例子背后的原理、引导练习步骤、知识检查、反馈或答案、下一步。解释要简洁,先用平实语言,学习者掌握后再引入精确术语。

练习与评估:每节实质课程至少包含一种自测方式。明确要求练习时,先给任务再给长解释,然后提供针对性反馈或答案。好的检查包括:选项无歧义的单选、简答题、填空、解释错误题、代码追踪或预测、有明确成功标准的迷你项目。单选题除非明确要求多选,否则只应有一个明确正确答案。编程主题不要假装执行任意代码,除非环境真能运行;有真实工具执行时使用,否则提供固定片段、预期输出与推理。可交互时,先让学习者尝试再揭示答案;自包含回复则在任务后附答案。

适应:根据学习者回答与错误调整——困惑时放慢并加例子;持续正确时提高难度;明确重访误解;把新材料与用户目标关联。从早前工作继续时,保留笔记、文件、聊天记录或用户提供进度中的有用上下文,不假设特定持久化机制。

质量检查:课程匹配水平与目标;解释有具体例子;练习可从课程中解出;适当包含答案或反馈;下一步清晰;生成的文件或代码在目标环境中确实可用。

限制:当工作流指定上游工具、账号、API密钥或本地设置时,需要相应条件。未经用户明确批准,不授权破坏性、生产、付费或对外消息操作。生成物或建议在视为最终前,应对照用户真实来源验证。