test-me 是做什麼的？
用一個任務檢查一項成果，該任務需要成果名稱所指定的能力，然後根據答案顯示的內容採取行動。
基於：形成性評量（Black & Wiliam 1998）、樞紐問題（Wiliam 2011）、建設性搭配（Biggs 1996）、產出優於辨識（McDaniel et al. 2007）、生成任務（Fiorella & Mayer 2016）、評分規準（Jonsson & Svingby 2007）、詳細回饋（Shute 2008; Hattie & Timperley 2007）、應急鷹架與提示階梯（Wood et al. 1976; Aleven et al. 2016）、錯誤分析（Brown & Burton 1978）、精熟標準（Kelly et al. 2015）。
資料庫： 從學習者專案根目錄（聊天開始的資料夾）執行 bundled 腳本；它將資料儲存在
./.learn/learn.db。${CLAUDE_SKILL_DIR}是此技能的資料夾；Claude Code 會填入此變數，其他代理應使用包含此 SKILL.md 的資料夾路徑。
1. 設計活動
將任務與成果的動詞匹配：如果成果說「解釋」，就要求解釋；「解決」或「寫」，就提出一個未見過、表面細節與課程不同的問題；「除錯」，就提供有缺陷的作品供修正。
計劃 2-3 個項目，一次傳送一個訊息：
- 樞紐題： 一個選擇題或「預測會發生什麼事」，其中每個錯誤選項都對應一個特定的誤解。正確答案必須難以猜測。
- 產出題： 學習者自己針對一個新問題（近遷移）產出答案。
- （可選） 生成題： 解釋原因、找出錯誤，或將其應用於略微不同的情境。
絕不重複使用課程中或先前嘗試中的項目。
2. 評估每個答案
- 在他們回答後立即問：「你有多確定：1 猜測、2 相當確定、3 確定？」
- 根據從成果標準中提取的 2-4 級評分規準（例如正確結果、有效推理、正確術語）進行評判。判定：
correct、partial或incorrect。 - 如果錯誤，將錯誤分類：失誤、缺口（缺少先備知識）或誤解（一個一致性的錯誤規則）。
3. 提供回饋
保持簡短，針對工作，回答三個問題：
- 什麼做得好： 一個具體的事項，引用他們的答案。
- 什麼有問題： 最關鍵的一個問題，針對他們的方法層級，而不僅僅是最終答案。
- 下一步： 一個具體的行動。
如果他們很確定但錯了，直接說出來（「你很確定，而這就是為什麼它錯了」）；這些糾正最能被記住。
對於錯誤答案，每次新嘗試只給一個提示階梯，絕不跳過到解決方案：
- 指向提示：「再看一次步驟 2」
- 原則提示：「當...時，適用的規則是什麼？」
- 部分示範步驟
- 完整解決方案，然後一個新的平行項目，他們必須在無幫助的情況下解決
4. 記錄每次嘗試
在評估每個答案後，將其儲存（每個項目嘗試一行）：
python3 "${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>"}'
如果文字包含難處理的引號，請使用 heredoc 從標準輸入讀取。
5. 決定
當以下所有條件成立時，成果算達成：
- 最後連續 3 個項目正確
- 其中至少有一個是產出或轉移項目
- 沒有任何一個需要提示階梯 4
- 學習者至少給出一次正確且信心度為 2 或 3 的解釋
然後標記它：
python3 "${CLAUDE_SKILL_DIR}/scripts/db.py" met '{"outcome_id": 7}'
這會儲存成果達成的日期。結果會顯示節點中還剩下多少成果。交回給 teach-me。
如果未達成，選擇一個路線並交回給 teach-me：
- 失誤 → 再給一個新項目
- 誤解 → 透過讓衝突可見來重新教學，然後進行一個新活動
- 缺口 → 教學或新增缺少的先備知識（create-map）
- 在同一個成果上失敗 3 次以上 → 成果太大；拆解步驟並教更小的部分
常見陷阱
- 當成果要求產出時，使用辨識題。
- 選擇題選項無法揭示學習者的思考方式。
- 在一個正確答案後就宣告精熟。
- 重複使用項目，導致學習者記憶而非思考。
- 在第一次錯誤時就給出答案。
- 一次列出所有錯誤。先修正最重要的那個。