用途
teach 是一个面向 AI 智能体的教学技能,用于在指定工作区内教授用户一项新技能或概念。用户提出学习请求后,该技能将其视为有状态的多会话学习过程,把当前目录作为教学空间,持续记录和推进学习进度。
主要能力
-
教学状态管理:通过工作区中的多个文件保存学习状态,包括:
MISSION.md:记录用户学习该主题的原因,作为所有教学的锚点,格式见MISSION-FORMAT.md。./reference/*.html:参考材料目录,存放课程压缩后的学习单元,如速查表、参考算法、语法、瑜伽体式、术语表等,设计为适合打印和快速查阅的文档。RESOURCES.md:资源列表,用于为教学提供背景知识或获取知识,格式见RESOURCES-FORMAT.md。./learning-records/*.md:学习记录目录,类似软件开发中的架构决策记录,捕捉非显而易见的经验与关键洞察,用于计算最近发展区,命名格式为0001-<dash-case-name>.md,编号递增,格式见LEARNING-RECORD-FORMAT.md。./lessons/*.html:课程目录,每节课是一个自包含 HTML 文件,教授一个与使命紧密相关的具体内容,是教学的主要单元,命名格式为0001-<dash-case-name>.html,编号递增。./assets/*:跨课程复用的组件,如样式表、测验组件、模拟器、图表辅助工具等。NOTES.md:记录用户偏好或工作笔记的草稿本。
-
教学理念:深度学习需要三样东西——知识(来自高质量、高可信资源)、技能(通过基于知识设计的互动课程获得)、智慧(来自与其他学习者和实践者的互动)。在
RESOURCES.md充实之前,重点寻找高质量资源;事实性教学声明应使用可信资源,并与工作区知识或未经验证的答案区分开。不同主题对知识和技能的侧重不同,例如理论物理偏知识,瑜伽偏技能。 -
流畅度与存储强度:区分两种学习——流畅度(即时检索知识)和存储强度(长期保持知识)。流畅度可能带来虚假的掌握感,存储强度才是真正目标。课程应通过合意困难设计来建立长期保持,包括检索练习(从记忆中回忆)、间隔(将练习分散到不同时间)、交错(在技能练习中混合不同但相关的主题)。
-
课程设计:每节课是一个自包含 HTML 文件,保存到
./lessons/,命名格式为0001-<dash-case-name>.html。课程应美观、排版清晰易读,便于日后回顾;应简短、可快速完成,因为学习者工作记忆有限;每节课应给用户一个可积累的具体收获,直接关联使命,并处于最近发展区内。如有可能,通过 CLI 命令为用户打开课程文件。每节课应通过 HTML 锚点链接到其他课程和参考文档,推荐一个高质量、高可信的主要资源供用户阅读或观看,并包含提醒用户向智能体追问的提示。 -
组件复用:课程由
./assets/中的可复用组件构建,包括样式表、测验组件、模拟器、图表辅助工具等。复用是默认而非例外;编写课程前先阅读./assets/并基于已有组件构建;需要新的可复用内容时,将其写为组件并链接,不要内联代码导致未来课程重复。共享样式表是每个工作区首先应具备的组件,每节课都链接它,使课程看起来像一门一致的课程而非一堆一次性文件。 -
使命:每节课都应关联使命——用户学习该主题的原因。如果用户对使命不清楚,或
MISSION.md未填写,首要任务是询问用户为什么想学这个。不理解使命会导致知识获取不接地气,课程过于抽象,也无法判断下一步该教什么。使命可能随用户技能和知识发展而变化,这是正常的,但更新MISSION.md并添加学习记录前应先与用户确认。 -
最近发展区:每节课应让用户感觉挑战“刚刚好”。用户可能指定想学的具体内容;如果没有,则通过阅读学习记录、根据使命判断合适内容,来找出最近发展区,教授最相关且处于该区域的内容。
-
知识:课程应围绕用户将要学习的技能设计,课程中的知识应仅为获得该技能所需。先教知识,再通过互动反馈循环让用户练习技能。知识应首先从可信资源收集,用
RESOURCES.md跟踪。课程应大量引用外部资源链接以支持任何声明,提高可信度。获取知识时,难度是敌人,会消耗理解所需的工作记忆。 -
技能:知识关乎获取,技能关乎持久与灵活。让知识扎根。技能获取中,难度是工具,费力的检索才能建立存储强度。技能应通过互动课程教授,可用工具包括:使用测验和轻量浏览器任务的互动课程;引导用户完成一系列真实世界步骤的课程(例如瑜伽体式)。这些都基于反馈循环,用户获得表现反馈,反馈循环应尽可能紧密,最好即时且自动。测验中,每个答案的单词数应完全相同(字符数也尽可能相同),不要通过格式给用户答案线索。
-
获取智慧:智慧来自真实世界互动——在学习环境之外测试技能。当用户提出似乎需要智慧的问题时,默认姿态是尝试回答,但最终委托给社区。社区是用户可以在真实世界测试技能的地方(线上或线下),如论坛、subreddit、线下课程(预算允许)或本地兴趣小组。应尝试寻找高声誉社区供用户加入;如果用户表示不想加入社区,应尊重。
-
参考文档:创建课程时也应创建参考文档。课程可以引用这些文档,它们用于跟踪跨课程有用的原始知识单元。课程很少被回顾,参考文档则会被回顾。参考文档应是课程的压缩精华,设计为快速查阅。适合参考的主题包括:编程的语法和代码片段、流程的算法和流程图、瑜伽的体式和序列、健身的练习和常规、任何有自己术语体系主题的术语表。术语表尤其重要,一旦创建,每节课都应遵守。
-
NOTES.md:用户有时会表达希望如何被教授的偏好或需要记住的事项,这里记录这些偏好,以便设计课程或与用户合作时参考。
使用方式
该技能通过 AI 智能体在工作区中运行。用户提出学习请求后,智能体将当前目录作为教学空间,按上述文件结构组织教学状态。用户无需手动管理文件,智能体负责创建和维护课程、参考文档、学习记录等。用户可与智能体进行多会话学习,并在每节课后向智能体追问。
适用场景
适用于希望系统性学习新技能或概念、并愿意跨多次会话持续学习的用户。适合需要长期保持知识、建立存储强度的学习目标,也适合需要将知识转化为可练习技能的主题。
限制
资料未提供该技能的具体平台依赖、安装命令、收费方式或价格信息。资料未提供其支持的具体主题范围限制。资料未提供其与特定 AI 智能体或模型的绑定关系。