个性化学习助手

功能说明: 本技能涵盖 中文交互、化工作流场景 等核心能力。

个性化学习助手

AI驱动的个性化学习助手，支持项目教程、语言学习、写作反馈、视觉学习与学习指南.

输入规范

运行环境

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux
• Python环境: Python 3.8+（如使用CellCog SDK）

依赖项

可用性分类

• 分类: MD+EXEC（）
• 说明: 基于Markdown的AI Skill，通过自然语言指令驱动Agent执行学习辅导任务

API Key配置方式:

export API_KEY="${API_KEY:?请设置环境变量}"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

能力范围

项目教程（Project Tutorials）

通过实战项目驱动学习，从零到一构建完整应用：

• 逐步引导：将复杂项目拆解为可执行的步骤，每步附带代码示例
• 项目类型：REST API搭建、Web应用开发、CLI工具构建、数据处理管道等
• 可运行代码：提供可直接运行的代码示例，边学边做
• 深度概念讲解：在项目实践中讲解Docker容器、React Hooks等技术原理
• 能力评估：通过mini-project综合检验学习成果

示例请求：

"Walk me through building a REST API step by step" "Teach me React hooks: My level is I know basic JavaScript, never used React"

语言学习（Language Learning）

系统化掌握新语言，覆盖听说读写全方位训练：

• 语法讲解（Grammar Explanations）：如"Explain Japanese particles with examples"
• 对话练习（Conversation Practice）：如"Practice ordering food in French"场景对话
• 词汇构建（Vocabulary Building）：如"Teach me 20 essential business Chinese phrases"
• 多语言支持：日语（JLPT N4-N1）、法语、西班牙语、中文等
• 文化背景：附带语言使用的文化语境与注意事项

写作反馈（Writing Feedback）

对文章、论文、邮件等写作内容提供专业反馈：

• 语法与拼写检查：识别并修正语法错误与拼写问题
• 结构优化：评估文章结构，建议段落重组与逻辑改进
• 语言润色：优化用词、句式与语气，提升表达力
• 写作风格指导：学术写作、商务写作、创意写作的风格调整
• 语言学习写作：如"Check my Spanish essay and explain my mistakes"

视觉学习（Visual Learning）

通过图表、图示、信息图等视觉化方式辅助理解：

• 概念图示：如"Create a diagram explaining the water cycle"
• 流程图：将复杂流程可视化为步骤图
• 信息图：将数据与概念组织为易理解的视觉格式
• 对比图：通过视觉对比帮助理解差异
• 学习风格适配：支持Visual（图表）、Examples（示例）、Analogies（类比）、Step-by-Step（步骤）、Big Picture（全局）、Hands-On（实践）等多种学习风格

学习指南（Study Guides）

生成系统化的学习材料与备考资源：

• 学习指南（Study Guides）：如"Create a study guide for AP Chemistry exam"
• 闪卡（Flashcards）：如"Generate 50 flashcards for Spanish vocabulary"
• 模拟测试（Practice Tests）：如"Create a practice quiz on US History 1900-1950"
• 摘要笔记（Summary Notes）：如"Summarize Chapter 5 of my biology textbook"
• 速查表（Cheat Sheets）：如"Create a one-page reference for Python syntax"

概念解释与作业辅导（Concept Explanations & Homework）

多角度解释概念与作业问题解答：

• 概念拆解：如"Explain quantum entanglement like I'm 10 years old"
• 多角度解释：如"Explain recursion using 3 different analogies"
• 数学解题：逐步解答微积分、物理等问题并解释每步
• 代码调试：解释代码为何不工作并帮助修复
• 作文结构：帮助构建论文框架与论点

---

操作步骤

1. 确认运行环境满足依赖说明中的要求
2. 明确学习目标：概念理解、项目实践、语言学习、写作反馈或备考
3. 说明当前水平：如"Complete beginner"或"I understand the basics"
4. 选择学习风格：Visual、Examples、Analogies、Step-by-Step、Big Picture或Hands-On
5. 使用自然语言描述学习需求，Agent生成个性化学习内容
6. 通过主动回忆（Active Recall）与练习巩固学习成果

结果验证: 任务完成后,查看输出确认状态。成功时返回摘要和数据;失败时根据错误信息排查,参考恢复章节获取修复步骤.

示例展示

示例1：学习React Hooks

用户: Teach me React hooks, I know basic JavaScript, never used React
# ...
Agent: React Hooks学习计划：
1. What problem do hooks solve? - 状态逻辑复用与组件简化
2. useState with simple examples - 计数器示例
3. useEffect with practical use cases - 数据获取与副作用
4. When to use which hook - 决策树
5. A mini-project putting it together - Todo App
# ...
[附带可运行的代码示例]

示例2：生成AWS认证学习指南

用户: Create a study guide for the AWS Solutions Architect exam
# ...
Agent: AWS Solutions Architect学习指南：
- Key services and when to use them (EC2, S3, RDS, Lambda...)
- Networking concepts (VPC, Subnets, Route53...)
- Security best practices (IAM, KMS, Security Groups...)
- Cost optimization strategies (Reserved Instances, Spot Fleet...)
[每节附练习题]

示例3：日语对话练习

用户: Help me practice Japanese, Level: JLPT N4, Focus: Conversational
# ...
Agent: 日语对话练习 - 在东京问路：
- Scenario: Asking for directions in Tokyo
- Vocabulary list: 駅、交差点、右、左...
- Grammar points used: 〜はどこですか、〜てください
- Cultural notes: 礼貌用语与鞠躬礼仪
- Variations to practice: 正式场合与日常场景
[Romaji + 汉字 + ひらがな标注]

常见疑问

Q1: 如何获得优选学习效果？

A: 1）说明当前水平；2）多问"为什么"而非只要答案；3）请求练习题；4）承认困惑点；5）基于已理解的内容构建新知识；6）使用主动回忆（要求测验而非仅解释）.

Q2: agent模式和agent team模式有什么区别？

A: agent模式适合大多数学习场景：快速解释、作业辅导、学习材料生成。agent team模式适合综合学习：完整课程大纲、研究论文、多源综合分析.

Q3: 支持哪些学科领域？

A: STEM（数学、物理、化学、生物、计算机、统计）、人文（历史、文学、哲学、语言、心理）、职业（商业、金融、营销、项目管理、设计、法律）、技术技能（编程语言、云平台、DevOps、数据工程、AI/ML）.

Q4: 如何进行语言学习写作反馈？

A: 将你的写作内容发送给Agent，说明语言（如西班牙语），Agent会检查语法错误、解释错误原因、提供修改建议并优化表达.

Q5: CellCog未安装怎么办？

A: 运行 /cellcog-setup 安装认证，或手动执行 pip install -U cellcog 并设置 CELLCOG_API_KEY。也可直接使用Agent内置LLM进行学习辅导.

Q6: 如何生成备考学习计划？

A: 提供考试名称、时间线、目标分数、薄弱环节，Agent会生成包含每周计划、资源推荐、练习测试策略与考前清单的完整学习计划.

功能边界

• 单次会话仅覆盖一个学习意图，跨学科综合问题需拆分为多次交互
• CellCog SDK为可选依赖，未安装时部分高级功能受限
• 视觉学习生成的图表为文本描述格式，非真实图片
• 语言学习口语练习需配合TTS工具实现语音输出
• 复杂学科（如高级医学、法学）的准确性需人工验证
• 学习进度跟踪需要用户手动维护

输出规范

{
  "success": true,
  "data": {
    "result": "个性化学习助手处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "learn-cog"
    }
  },
  "execution_log": [
    "解析输入参数",
    "执行核心处理",
    "格式化输出结果"
  ],
  "error": null
}

创新优势

效率提升量化分析

差异化对比

核心痛点解决

诊断与修复

安全规范

1. [与「个性化学习助手」相关的安全注意事项]
   • 保护用户隐私，不泄露用户学习数据。
   • 确保数据传输加密，防止数据被窃取。
   • 定期更新AI模型，防止安全漏洞。
   • 对敏感操作进行权限控制，防止未授权访问。
   • 定期进行合规检查，确保系统安全。

安全风险防范

故障应对方案

针对个性化学习助手使用中可能遇到的常见问题,提供以下排查方案:

个性化学习助手通用排查步骤

1. 检查输入参数: 确认所有必填参数已提供且格式正确
2. 查看日志输出: 定位具体错误行和异常类型
3. 验证环境配置: 确认依赖库版本和运行环境满足要求
4. 逐步调试: 缩小问题范围,隔离故障模块

前置条件

• 已安装所需运行环境(参考依赖说明)
• 已获取必要的API密钥或访问凭证(如适用)
• 输入数据已准备就绪

典型场景

• 日常开发: 个性化学习助手可快速集成到现有开发流程中,提升工作效率
• 接口集成: 对接第三方API服务,实现数据自动获取和处理
• 内容生成: 自动生成文档、代码或结构化数据
• 文件批处理: 批量处理文件内容,支持多格式转换和解析
• 环境管理: 批量管理开发环境和部署流程
• 数据处理: 对结构化数据进行清洗、转换和分析