AI Teacher

老师.skill

好老师不是告诉你答案的人，是帮你找到答案的人。

安装 · 使用 · 效果示例 · English

把一份文档、一本书、一门课程丢给 AI，它会像一位耐心的老师一样，先了解你的基础，再用你能听懂的方式，一步步教会你。

不假设你"应该知道"什么，不急于给答案，不跳过任何一步。每个知识点讲完都会确认你真的懂了，然后再往下走。

v2.7 核心能力：说"我想学会XXX的思维方式"自动从开源 skill 仓库/网络搜索获取资料，统一提取思维模型，生成课程并开始教学。支持学习进度持久化、刻意练习循环、艾宾浩斯间隔复习、渐进式学习路径、教学错误纠正。

现在支持 10 个学科 的专业教学策略：数学、编程、语文、英语、物理、化学、历史、生物、AI、费曼思维。说"我想学会巴菲特的思维方式"会自动搜索匹配 skill 并生成课程。

安装

Claude Code

# 项目级（仅当前项目可用）
mkdir -p .claude/skills
git clone https://github.com/chentao326/teacher-skill .claude/skills/teacher-skills

# 全局（所有项目可用）
git clone https://github.com/chentao326/teacher-skill ~/.claude/skills/teacher-skills

重要：Claude Code 从 git 仓库根目录扫描 .claude/skills/，请确保目录结构正确。

OpenAI Codex CLI

# 启用 skills 功能
codex --enable skills

# 项目级
mkdir -p .codex/skills
git clone https://github.com/chentao326/teacher-skill .codex/skills/teacher-skills

# 全局
git clone https://github.com/chentao326/teacher-skill ~/.codex/skills/teacher-skills

OpenCode

# 项目级
mkdir -p .opencode/skills
git clone https://github.com/chentao326/teacher-skill .opencode/skills/teacher-skills

# 个人级
git clone https://github.com/chentao326/teacher-skill ~/.config/opencode/skills/teacher-skills

OpenClaw

git clone https://github.com/chentao326/teacher-skill ~/.openclaw/workspace/skills/teacher-skills
# 重启 Gateway 生效

TRAE

TRAE 使用 Rules 系统而非 Skills 目录。将 SKILL.md 复制为规则文件：

mkdir -p .trae/rules
cp teacher-skills/SKILL.md .trae/rules/teacher.md

在规则文件顶部添加 TRAE 元数据：

---
description: "AI老师：给定资料后像老师一样教会用户理解内容，支持学情诊断和分级教学"
alwaysApply: false
priority: 2
---

在聊天中用 #teacher 引用。

环境要求

• Node.js 18+（Claude Code / Codex CLI 依赖）
• Claude Pro/Max 订阅或 Anthropic API Key（Claude Code）
• OpenAI API Key（Codex CLI）
• Python 3.9+（可选，仅进度追踪脚本需要）

使用

安装完成后，对 AI 说：

教我这份文档的内容

然后粘贴或上传你的资料。AI 会自动进入教学流程。

你也可以直接指定主题：

/teacher 机器学习

模仿名师风格

如果你想 AI 用某位老师的教学风格来教你：

用这个风格教我线性代数

然后上传课程字幕文件（SRT/VTT/TXT），或提供视频链接（YouTube/Bilibili）。

AI 会自动分析该教师的教学风格（句式、词汇、节奏、互动方式等），然后用这种风格教你。

❯ 用这个风格教我（上传某名师的课程字幕）

   我正在分析这份教学素材...

   风格分析完成。这位老师的教学风格是：
   "用密集的短句和生活化的类比拆解复杂概念，
    每讲完一个知识点就用反问确认理解，口头禅是'对吧？'和'很简单'。"

   接下来我会用这种风格教你。如果觉得模仿得不像，
   可以提供更多素材让我调整。

管理命令

效果示例

输入：教我这份 PDF 的内容（上传《线性代数应该这样学》第三章）

❯ 我已经收到了你的资料，让我先看看内容。

   这份资料是《线性代数应该这样学》第三章，主要讲的是"线性映射"。
   大约包含 5 个核心知识点。学完之后你将能够理解什么是线性映射、
   如何判断一个映射是否线性、以及矩阵如何表示线性映射。

   在开始之前，我想先了解一下你的情况——
   你之前学过线性代数吗？了解多少？

❯ 学过一点点，但矩阵那些东西已经记不清了...

   明白。根据我们的交流，我判断你在"线性代数"领域属于中等基础。
   我会用脚手架式教学法来教你：先帮你梳理框架，再逐步深入。
   如果觉得太快或太慢，随时告诉我。

   我们大概会按这个顺序来学：
   ① 线性映射的定义（什么是线性映射）
   ② 判断线性映射的方法
   ③ 线性映射的核与像
   ④ 矩阵表示
   ⑤ 总结与练习

   准备好了吗？我们从①开始。

❯ 好的

   来看第一个概念：线性映射。

   你可以把它想象成一个"规则"——它接受一个输入向量，
   然后按照某种固定的方式，输出另一个向量。

   但这个"规则"有两个硬性要求：
   1. 加法保持：f(u + v) = f(u) + f(v)
   2. 数乘保持：f(cu) = c · f(u)

   用大白话说就是：先加再变 = 变完再加，先乘再变 = 变完再乘。

   到目前为止能跟上吗？

功能特性

学情诊断

通过自然对话评估用户的学习能力，不让人感觉在"考试"。

诊断不是一次性的。教学过程中会根据用户表现持续修正判断，支持动态升级或降级。

三级教学策略

通俗化讲解

内置万能类比库，将抽象概念翻译成日常语言：

进化机制

教学档案创建后支持三种进化方式：

• 追加材料：提供新的课程资料，增量 merge 进现有档案，不覆盖已有结论
• 对话纠正：说"这不对"/"老师不会这样说"，立即生效并记录 Correction
• 版本管理：每次更新自动存档，最多保留 10 个历史版本，支持回滚

风格模仿

上传课程字幕或提供视频链接，AI 自动提取教师的教学风格并模仿：

风格分析覆盖六个维度：句式结构、词汇特征、教学节奏、互动模式、内容组织、情感态度。

依赖：视频字幕提取需要 yt-dlp（pip install yt-dlp）。如果视频没有字幕，请上传课程字幕文件。

跨学科思维（v2.0）

不再孤立地教单个学科——在教学全流程中嵌入网状知识连接，帮助学生建立跨学科联想习惯。

跨学科连接不是额外负担——好的跨学科教学让每个概念都"多了一个维度"。当你学数学时看到物理的影子，学物理时闻到化学的味道，知识就活了。

详见 ref/cross-disciplinary-thinking.md。

技能教学（v2.2）

说"我想学会XXX的思维方式"自动完成搜索、生成、教学全流程：

1. 搜索开源 skill 仓库（awesome-persona-skills 等）查找匹配 skill
2. 搜索不到时自动网络搜索补充公开信息
3. 统一提取管道：用户资料 + skill + 网络信息 → 四维提取（核心观点/实际应用/多视角/案例库）→ 三重验证 → 课程组装
4. 每条核心观点标注来源链接

说"我想学会巴菲特的思维方式" → 搜索巴菲特.skill → 分析提取 6 个心智模型 → 生成课程 → 直接开课。

用户提供自己的资料时，以资料为主，skill 为辅助。

刻意练习循环（v2.5）

基于 Ericsson 刻意练习方法论，单次理解检查升级为刻意练习循环：

初次检查 → 不通过 → 诊断（概念偏差/表达不准/迁移失败/记忆混淆）→ 纠正 → 重试
    ↓ 通过
变式练习（换不同场景）→ 不通过 → 诊断 → 纠正 → 重试
    ↓ 通过
确认掌握 → 进入下一单元（最多 3 次循环，超限降级）

讲解后先做"心智演练"（在脑子里过一遍），再答题，再变式。不是"做对了就过"，是"换场景还能做对"才算掌握。

间隔复习系统（v2.6）

基于 Ebbinghaus 遗忘曲线，学习进度持久化后自动安排间隔复习：

• 每次回来学习时，自动检查是否有到期的复习项
• 快速回顾模式（2-3 分钟），非重新教学
• 复习间隔递增：1 天 → 3 天 → 7 天 → 14 天 → 30 天 → 已巩固
• 用户可以选择"先复习"、"先学新的"或"跳过这次"

项目结构

teacher-skills/
├── SKILL.md                              # 主入口：教学调度器 + 完整SOP
├── README.md                             # 中文文档
├── README_EN.md                          # 英文文档
├── LICENSE                               # MIT 许可证
│
├── config/
│   └── skill-config.json                 # 项目配置
│
├── prompts/
│   ├── intake.md                       # 教师信息录入（3问+教学标签库）
│   ├── style-extractor.md              # 教学风格六维度提取指南
│   ├── style-profile-template.md       # 教学风格档案模板
│   ├── teaching_analyzer.md            # 教学风格分析 Prompt
│   ├── teaching_builder.md             # 教学档案生成模板（Layer 0-5）
│   ├── merger.md                       # 增量 Merge Prompt
│   └── correction_handler.md           # 对话纠正处理
│
├── scripts/
│   ├── generate_quiz.py                # 练习题生成（按等级/题型）
│   ├── evaluate_answer.py              # 答案评估 + 反馈模板
│   ├── track_progress.py               # 学习进度追踪
│   ├── learning_state.py               # 学习状态持久化管理（v2.1）
│   ├── reverse_distill.py              # 反蒸馏分析工具（v2.1）
│   ├── extract_subtitle.py             # 视频/字幕提取工具
│   └── skill_writer.py                 # 教学档案文件管理器
│
├── ref/
│   ├── learner-diagnosis.md              # 学情诊断指南
│   ├── teaching-strategies.md            # 三级教学策略（强/中/弱）
│   ├── teaching-techniques.md            # 通俗化讲解技巧 + 类比库 + 表达DNA
│   ├── question-templates.md             # 出题模板库
│   ├── teaching-sop.md                   # 教学 SOP（主流程 Phase 0-5）
│   ├── management-commands.md            # 管理命令表
│   ├── verification-framework.md         # 教学效果验证框架
│   ├── extraction-framework.md           # 统一提取框架（四维提取+三重验证）
│   ├── skill-to-curriculum-guide.md      # 技能教学操作指引
│   ├── cross-disciplinary-thinking.md   # 跨学科思维教学模块
│   ├── deliberate-practice-research.md   # 刻意练习调研报告
│   ├── forgetting-curve-research.md      # 遗忘曲线调研报告
│   ├── nuwa-absorption.md               # 女娲.skill 吸收分析
│   ├── reverse-distillation-report.md   # 技能教学调研报告
│   ├── unified-extraction-research.md    # 统一提取管道调研
│   └── improvement-roadmap.md            # 改进计划
│
├── adapters/
│   └── trae-teacher.md                   # TRAE 平台适配文件
│
└── subjects/
    ├── _template-SKILL.md                # 学科子Skill模板（可复用）
    ├── math-teacher-SKILL.md             # 数学教学策略
    ├── programming-teacher-SKILL.md      # 编程教学策略
    ├── chinese-teacher-SKILL.md          # 语文教学策略
    ├── english-teacher-SKILL.md          # 英语教学策略
    ├── physics-teacher-SKILL.md          # 物理教学策略
    ├── chemistry-teacher-SKILL.md        # 化学教学策略
    ├── history-teacher-SKILL.md          # 历史教学策略
    ├── biology-teacher-SKILL.md          # 生物教学策略
    ├── ai-teacher-SKILL.md               # AI人工智能教学策略
    └── feynman-teacher-SKILL.md          # 费曼思维（反蒸馏）

已有学科

扩展学科

复制模板创建新的学科子 Skill：

cp subjects/_template-SKILL.md subjects/your-subject-SKILL.md

编辑 your-subject-SKILL.md，填入学科特有的教学策略、常见误解和练习设计。欢迎 PR 贡献新学科！

注意事项

• ⚠️ 本 Skill 不替代专业教育。复杂学科建议结合正规课程使用。
• ⚠️ AI 可能产生知识幻觉。对关键信息建议回查原始资料。
• 所有教学数据仅本地存储，不会上传至任何服务器。
• 支持的资料格式：PDF、TXT、Markdown、HTML、DOCX、EPUB

社区生态

写在最后

教育的本质不是灌满一桶水，而是点燃一把火。

但现实中，大多数人的学习体验是：打开一本厚厚的教材，翻了两页就困了；看了一堆视频教程，关掉之后什么都没记住；问 AI 一个概念，它甩给你一段百科全书式的回答，看完更懵了。

这个 Skill 想做的事情很简单：让 AI 像一个真正的好老师那样教你。

不是因为它更聪明，而是因为它更有耐心。它会等你跟上，会换不同的方式解释同一个概念，会在你不懂的时候停下来而不是继续往下讲。它不假设你"应该知道"什么——因为好的老师从不这样。

如果你曾经因为"没人教"而放弃学某个东西，也许可以再试一次。