GarethManning/education-agent-skills

解决的问题

大多数AI教育工具建立在惯例而非证据之上，存在扩大无效教学的风险。本项目为教育领域的AI提供了一个可靠的、以研究为基础的基石——一套可重用的技能，帮助智能体生成基于既定研究和明确标注的从业者框架的教案、评估、课程设计和学习支持。它还解决了工作量问题：教育工作者可以在几分钟内获得结构化的、基于证据的支持，而无需花费数小时进行研究。

工作原理

该库使用开放的Agent Skills格式（最初由Anthropic开发）。每个技能都是一个包含SKILL.md说明文件以及可选支持资源的文件夹。技能分为20个领域：19个面向教师和设计师（例如：记忆与学习科学、课程设计、包容性设计），1个面向学生的学习互动。每个技能都包含YAML模式头、类型化的输入输出以及链式元数据，使其具有程序可操作性。该库以规范源文件、通过官方格式验证器的便携版以及针对Claude、Codex和Hermes的集成形式发布。您也可以手动复制技能的提示词并将其粘贴到任何AI中。

适用人群

• 希望在无需数小时研究的情况下获得基于证据的教案和评估设计的课堂教师
• 缺乏正式教师培训并希望获得实用、基于研究支持的大学讲师
• 构建课程和单元的课程设计师和学习主管
• 创新和替代教育环境（国际学校、蒙台梭利、项目式学习等）的学校领导
• 重构教育并建立新学校模式的创新者
• 需要结构化、程序可访问的教育知识层的EdTech开发人员和AI构建者
• 对证据如何转化为AI辅助实践感兴趣的教育研究人员

亮点

• 涵盖20个领域的165项技能，涵盖从提取练习到面向学生的学习辅导等所有内容
• 证据强度评级透明：强、中、新兴或原创（从业者框架已明确标注）
• 排除学习风格和VAK等证据不足的方法，并附有明确的排除列表
• 由一位拥有20年国际学校经验的教育工作者构建，每个提示词中都内置了局限性和教育判断
• 从第一天起就为编排而设计——类型化的输入/输出、链式元数据和可组合的输出
• 多种集成路径：Claude插件、Codex CLI、Hermes tap、便携式ZIP或手动复制粘贴