GarethManning/education-agent-skills

解决的问题

该项目为教育领域的AI提供了严谨且基于证据的根基。它解决了AI教育工具依赖习惯和惯例而非实证研究的问题，从而防止无效教学方法的规模化传播。

如何工作

这是一个包含20个领域（如记忆与学习科学、AI学习科学、包容性设计）的165个教育技能的库。每个技能都是一个结构化提示，带有机器可读的YAML头部，包含证据强度评级、类型化输入/输出模式和链式元数据。这些技能可通过复制粘贴手动使用，作为插件安装到Claude、OpenAI Codex、Hermes Agent等代理中，或通过Model Context Protocol (MCP) 服务器以编程方式访问。

适用人群

• 教育工作者：需要研究支持进行课程与评估设计的课堂教师、大学教授和课程设计师。
• 学校领导者：处于创新或替代教育环境中的人员（如蒙台梭利、项目制学校）。
• AI构建者：需要结构化、可编程教育知识层的EdTech开发者和AI研究人员。

主要亮点

• 证据过滤：仅包含基于命名研究的技能；明确排除学习风格等非实证框架。
• 可编排性：专为程序化使用而设计，采用YAML模式和可组合输出，而非简单的提示集合。
• 广泛的教育范畴：涵盖20个领域，包括面向教师的设计工具和面向学生的实时互动模式。
• 多代理支持：兼容Claude、OpenAI Codex、Hermes Agent以及任何支持Agent Skills标准的工具。