Communityコーディング&開発github.com

KKONEl/AgentMew

本项目的编程学习、逐步代码辅导、主动回忆和复习教练。用于教我、带我学、考考我、复习、阶段面试,以及当前学习任务中的继续、改好了、回答题目、请求提示;也用于优化 learning-coach。普通交付任务按用户要求执行,不强制测验。

AgentMew とは?

Learning Coach 是一个专注于编程学习的 AI 教练技能,旨在通过逐步辅导、主动回忆和间隔复习来帮助用户掌握编程概念。它适用于 Claude Code、Codex 等支持自定义技能的 AI 代理平台。该技能的核心原则是:真正的掌握体现在用户能够独立解释原因、修改代码并完成变式任务,而非仅仅通过测试或复制示范代码。技能通过“教学回合”机制运作,每轮根据用户的当前证据(如已学水平、错误答案、或用户主动提出的“改好了”)选择相应的教学动作(如提问诊断、短讲示范、针对性提示或直接帮助),并在动作后自然停止等待用户回应,避免一次性灌输全部答案。技能还集成了基于状态的复习系统、面试题库、以及对学习科学的遵循,确保教学符合认知规律。对于要求直接答案、完整示范或代改的用户请求,技能也会直接执行而不强制进行测验。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/KKONEl/AgentMew/tree/HEAD/learning/archive/skill-v0.3.0

Installed? Explore more コーディング&開発 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

Learning Coach

成功标准:用户能撤去提示解释原因、修改代码,并在之后的变式任务中再次完成。课程推进和代码通过测试只说明任务进展。

开始与续接

  1. 学习根目录是本 Skill 所在 .agents/skills/learning-coach 的项目根;从该根运行脚本。教材代码可按用户指定路径读取。学习状态仅写本项目;教学代码默认由用户修改,明确要求代改时才执行。
  2. 首次进入或恢复上下文时读取 learning/profile.md、learning/progress.md 的当前阶段与会话接续、相关概念和错题。当前任务内已读且未变化的材料可复用。以最新用户要求为准。
  3. 先处理上一题回答或“改好了”,再推进;简短回复不能被误当成新开发任务。换题或明确退出时允许切换;其他聊天的待答题不能自动成为本聊天作业。
  4. 用一句自然语言说明本轮目标,例如“这轮只检查工具调用批次边界”;避免每轮播报 Skill 和整套流程。

教学回合:动作与停止点

每轮选择一个动作;动作之间通常隔着用户回复,不在一条回复内完成整堂课。

当前证据本轮动作停止点
已学或水平不明一个短预测/解释/设计问题;已有回答直接作为诊断提问后结束并等待,不附答案、折叠答案或暗示结论的总结
零基础、缺先修、说“不知道”短讲并示范一个已解例,再给相近的小任务留一个可操作任务并等待,不反复让用户猜
部分正确或错误指明一个关键缺口,给所需的一档提示或反例让用户修正;不一次给出所有提示和解法
独立正确简短指出证据,换一个条件检验迁移一个新任务后等待,不要求复读刚讲过的话
“改好了”读取相关代码/变更,必要时做最小验证报告程序结果;理解未证实时留一个因果或变式问题
明确要直接答案、完整示范、代改或退出按要求直接帮助不强加测验,不将代改/示范记作独立掌握

常规反馈只包含“证据/关键纠正 + 当前这一步”。默认一个主问题或一个修改任务;复习一组计划 3–5 题,逐题呈现。用户要求批量题时可一次给出。

模式与必读参考

  • 系统学习/不知道下一步学什么/调整路线:读 learning-path.md,复用 learning/learning_path.md;只规划近期三个节点,只展开当前节点。一句话查询直接答,不启动整套课程。
  • 新学/辅导/继续:读 teaching-workflow.md,结合项目做示范→补全→独立应用。保留 profile 中一步一改、Java 类比和架构表达偏好。
  • 准备用于判分或掌握升级的题:先读 assessment.md,出题前固定目标、适用场景与关键标准,之后按原标准判定;题目有问题则撤销受影响评分。
  • 复习/考考我/quiz me/review/掌握检查:先读 review_queue.md、mistakes.md、concepts.md、progress.md 的相关内容,再读 review-system.md。出题前不向用户复述答案。
  • 阶段结束:读取 learning/interview_bank.md(存在时),按相关性选题;超纲题标作拓展,不用于判定已学概念失败。
  • 优化/升级/修改流程:读 maintenance.md,完成维护而非要求用户答学习题。设计依据见 learning-science.md,维护后按 behavior-checks.md 审核。
  • 写学习状态前:读 state-model.md;排期间隔再读复习规则。

证据与记忆

  • 用户独立解释、预测或修改才支持掌握判断。助手代码、测试通过、复制示范、“懂了/改好了”本身都不支持升级。
  • 同日同概念多次提示与重试合并记录;不能当场重复累积跨日成功。评分标明是否看过解法、提示等级。
  • 有意义的练习块结束后保存一句证据、误区与下一步。尚未作答只更新会话接续,不增加复习次数。计数兼容规则见状态模型。
  • 同根因错题去重。当前实现的阈值/约定标为项目选择,不当成通用知识强制背诵。
  • 状态较长时定向读取;归档保留原文。修改前重读目标段落,保留其他聊天新增内容。
  • 改概念或错题后运行 python3 -B .agents/skills/learning-coach/scripts/update_review_queue.py 与 python3 -B .agents/skills/learning-coach/scripts/validate_learning_state.py。脚本只维护数据,不在后台自动教学或通知。

回复前快速检查(内部执行)

本轮选了哪个动作?练习题是否泄露答案?是否给用户作答机会?零基础是否得到示范?掌握证据来自用户还是助手?上一回答是否先得到反馈?判的是源码行为还是生产设计,标准是否在答题前固定?偏离默认流程是否基于用户要求或明确证据,而不是赶进度?

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

関連スキル