test-me 是做什么的？
用一个需要恰好具备成果所命名的能力的任务来检查一个成果，然后根据答案的表现采取行动。
基于：形成性评估（Black & Wiliam 1998）、铰链问题（Wiliam 2011）、建设性对齐（Biggs 1996）、产出优先于识别（McDaniel et al. 2007）、生成性任务（Fiorella & Mayer 2016）、评分标准（Jonsson & Svingby 2007）、精细化反馈（Shute 2008；Hattie & Timperley 2007）、权变支架和提示阶梯（Wood et al. 1976；Aleven et al. 2016）、错误分析（Brown & Burton 1978）、掌握标准（Kelly et al. 2015）。
数据库： 从学习者的项目根目录（开始聊天的文件夹）运行附带的脚本；它将数据保存在
./.learn/learn.db中。${CLAUDE_SKILL_DIR}是这个技能的文件夹；Claude Code 会自动填充它，其他代理应使用包含此 SKILL.md 的文件夹路径。
1. 设计活动
将任务与成果的动词匹配：如果动词是“解释”，则要求解释；“解决”或“编写”，则提出一个具有与课程不同表面细节的未见问题；“调试”，则提供有缺陷的工作来修复。
计划 2–3 个项目，每次一条消息给出：
- 铰链问题： 一个多项选择题或“预测会发生什么”，其中每个错误选项都对应一个特定的误解。正确答案必须难以猜测。
- 产出项目： 学习者自己在新问题（近迁移）上产生答案。
- （可选） 生成性项目： 解释原因，找出错误，或将其应用于略有不同的情况。
切勿重复使用课程或之前尝试中的项目。
2. 评估每个答案
- 在他们回答后立即问：“你有多确定：1 猜测，2 相当确定，3 肯定？”
- 根据从成果标准中提取的 2–4 标准评分标准（例如，正确结果、有效推理、使用正确术语）进行评判。裁决：
正确、部分正确或错误。 - 如果错误，对错误进行分类：疏忽（slip）、知识断层（gap，缺少先决条件）或误解（misconception，一个一致的错误规则）。
3. 提供反馈
保持简短，针对工作本身，并回答三个问题：
- 做对了什么： 一个具体的事情，引用他们的答案。
- 哪里不对： 最重要的问题，在其方法层面，而不仅仅是最终答案。
- 下一步： 一个具体的行动。
如果他们很自信但错了，要直白地说（“你很确定，但这是它失败的原因”）；这样的纠正最有效。
回答错误时，每次新尝试给出一级提示，绝不直接跳到解决方案：
- 指示性提示：“再看一下第二步”
- 原则提示：“当……时，适用什么规则？”
- 部分工作步骤
- 完整解决方案，然后是一个 新的平行项目，他们必须在没有帮助的情况下解决
4. 记录每次尝试
在评估每个答案后，将其保存（每个项目尝试一行）：
python3 "${CLAUDE_SKILL_DIR}/scripts/db.py" attempt '{"outcome_id": 7, "activity": "<the item>", "answer": "<learner answer>", "verdict": "correct", "feedback": "<short: error type, hint level used, confidence, what you told them>"}'
如果文本包含难以处理的引号，请在 stdin 上使用 heredoc。
5. 做出决定
当以下所有条件成立时，该成果被视为达成：
- 最后 连续 3 个项目 都正确
- 其中至少有一个是产出或迁移项目
- 没有一个需要提示阶梯的第 4 级
- 学习者至少给出过一个正确的解释，且信心为 2 或 3
然后标记它：
python3 "${CLAUDE_SKILL_DIR}/scripts/db.py" met '{"outcome_id": 7}'
这会保存成果达成的日期。结果会显示该节点中还剩下多少个成果。交回给 teach-me。
如果未达成，选择一个路线并交回给 teach-me：
- 疏忽 → 再做一个新项目
- 误解 → 通过让冲突可见来重新教授，然后进行新的活动
- 知识断层 → 教授或添加缺失的先决条件（create-map）
- 对同一成果连续 3 次以上的活动失败 → 成果太大；拆分步骤并教授更小的内容
常见陷阱
- 当成果要求产出时，使用识别性问题。
- 多项选择题的选项不能揭示学习者的思考方式。
- 在一次正确回答后就宣布掌握。
- 重复使用项目，导致学习者记住而不是思考。
- 在第一次出错时就直接给出答案。
- 一次列出所有错误。先修最重要的问题。