技能创建
skill_creator_learning
by balancegsr
>
安装
claude skill add --url github.com/openclaw/skills/tree/main/skills/balancegsr/skill-creator-learning文档
Skill Creator: Learning
根据用户的学习需求,生成一个定制化的学习项目 Skill。生成物是一个独立的 SKILL.md(+ references/), 安装后能在用户的学习项目中持续引导从规划到结项的全过程。
本 Creator 执行一次性的信息收集→生成→交付流程,不是一个持续运行的助手。
Phase 1: 信息收集(Intake)
目标:用 2-3 轮自然对话收集生成所需的关键信息。像一个有经验的学习顾问在了解需求,不像在填表。
第一轮:主题 + 目标
被触发后,先用一句话说明自己做什么,然后问最核心的两个变量:
"我可以帮你生成一个学习项目 skill——它会在你整个学习过程中引导规划、学习、复盘和总结。 先告诉我:你想学什么?学完之后希望能做到什么?"
这两个信息通常是用户触发 Creator 时脑子里最清晰的,开口门槛最低。
第二轮:基础 + 时间 + 条件追问
先对用户第一轮回答做简短回应(表示理解,让对话有来有回),然后补收:
"[对目标的回应]。再告诉我两件事:你目前在这个领域的基础怎么样?大概打算花多长时间——一两周集中突破,还是几个月系统学?"
条件追问(仅在信息不充分时触发):
| 情况 | 追问方式 |
|---|---|
| 目标不可操作(如"了解 X") | "学完之后你希望能用它做什么具体的事?" |
| 基础完全空白 | "是完全从零开始,还是接触过相关内容但没系统学?" |
| 时间范围未提及 | "大概打算花多长时间?" |
| 第一轮已自发带出了基础或时间 | 只补缺失的,不重复问 |
| 所有必答信息已充分 | 直接进入汇总确认 |
可选变量——不主动问,从对话中捕获:
- 验收方式偏好(如用户说"我喜欢动手练不喜欢纯看")→ 覆盖默认的启发式匹配
- 学习风格偏好(如用户说"我更喜欢先看整体再钻细节")→ 覆盖默认的 bottom-up 策略
- 如用户未提及,使用默认值即可
第三轮:汇总确认
结构化展示收集到的信息 + 模式推荐:
我理解到的信息:
- 学习主题:[主题]
- 现有基础:[基础描述]
- 学习目标:[目标,确保是可操作表述]
- 时间范围:[时间]
- 推荐模式:[轻量/完整]([一句话解释])
有需要修正的吗?确认后我生成 skill 预览。
模式推荐规则:
- 2 周以内 → 推荐轻量模式(项目周期短,完整复盘和知识框架的 ROI 低)
- 1-3 个月 → 推荐完整模式(足够支撑模块复盘和知识框架)
- 3 个月以上或"不确定" → 推荐完整模式
- 用户可覆盖推荐,尊重选择
信息充分性门槛——进入汇总确认前检查:
- ✅ 主题明确(能用来做文件命名和领域判断)
- ✅ 目标可操作(能回答"学完后能做什么")
- ✅ 基础有大致定位(零基础 / 有接触 / 有经验)
- ✅ 时间范围有量级
不满足时的兜底:用合理假设填充,在汇总中显式标注哪些是假设让用户确认。例如:
"你没提到时间安排,我先按 1-2 个月、完整模式来规划。如果是短期突破,告诉我我会调整。"
Phase 2: 生成与预览(Generate & Preview)
用户确认汇总后,进入生成流程。
变量准备
从收集到的信息中提取生成所需的变量:
| 变量 | 来源 | 处理方式 |
|---|---|---|
topic | 用户提供的学习主题 | 直接使用 |
topic_slug | 从 topic 派生 | 转为适合文件命名和 name 字段的格式(小写、下划线、无空格,如 "distributed_systems") |
goal | 用户提供的学习目标 | 确保是可操作表述 |
background | 用户提供的现有基础 | 直接使用 |
timeframe | 用户提供的时间范围 | 直接使用 |
mode | 用户确认的模式 | "轻量" 或 "完整" |
learning_style_override | 可选,用户偏好 | 如未提供,留空(模板使用默认 bottom-up) |
verification_override | 可选,用户偏好 | 如未提供,留空(模板使用默认启发式匹配) |
lang | 用户对话使用的语言 | 生成物使用相同语言 |
生成逻辑
-
根据
mode选择对应的骨架模板:- 轻量模式 → 读取
references/templates/skill_lite.md - 完整模式 → 读取
references/templates/skill_full.md
- 轻量模式 → 读取
-
用收集到的变量替换模板中的占位符(
{{topic}}、{{goal}}等) -
处理可选变量的条件注入:
learning_style_override:如用户提供了偏好,在模板的{{learning_style_override}}位置插入说明,如"\n- 注意:本项目用户偏好先看整体再钻细节(top-down),调整讲解策略"verification_override:类似处理- 如未提供,清除占位符(不留空行)
-
准备 references/ 文件:
- 两种模式都需要:读取
references/template_review_guide.md→ 生成review_guide.md - 仅完整模式额外需要:读取
references/template_framework_guide.md→ 生成framework_guide.md
- 两种模式都需要:读取
-
如果对话语言不是中文,将生成物全文翻译为用户使用的语言,保持结构和格式不变
预览展示
将生成的 SKILL.md 完整内容展示给用户,然后列出 references/ 文件清单:
"此外还会生成以下配套文件:
- references/review_guide.md — 复盘执行指南 [完整模式额外显示:]
- references/framework_guide.md — 认知框架生成指南
你可以提出修改意见,或者确认后我直接生成。"
修改处理
| 修改类型 | 判断标准 | 处理方式 |
|---|---|---|
| 结构性修改 | 影响模式逻辑或文件管理(如"不要复盘""加个打卡机制") | 调整骨架,重新生成受影响部分,再次完整展示 |
| 内容微调 | 不影响结构(如"目标描述改一下""加一条项目信息") | 定点修改,展示差异点("已更新 XX,其他不变。确认?") |
迭代引导:
- 首次:"你可以提出修改意见,或者确认后我直接生成。"
- 后续:"已调整。还有需要改的吗?没有的话我开始生成。"
- 不设轮数上限,用户想改就改
Phase 3: 交付(Deliver)
用户确认预览后,询问交付方式:
"你希望我怎么交付?
- 直接创建项目文件夹 — 在当前目录的上级创建
learn_[主题]/文件夹,skill 安装在里面,只在该文件夹的对话中生效- 打包为 ZIP — 生成 zip 文件,你可以自行解压到任意位置或分享给别人"
路径1:直接创建
执行步骤:
1. 在应用根目录(当前 workspace 的上级目录)下创建项目文件夹 learn_[topic_slug]/
2. 在项目文件夹内创建 .skill/ 目录
3. 将 SKILL.md 写入 .skill/SKILL.md
4. 创建 .skill/references/ 目录,写入 review_guide.md(+ framework_guide.md 如完整模式)
5. 通知用户:
"学习项目已创建,路径:
learn_[topic_slug]/这个 skill 安装在该文件夹下,只在这个文件夹的对话中生效——学习项目和其他工作互不干扰。 新起一个对话,指向这个文件夹就可以开始了。"
路径2:ZIP 打包
执行步骤:
1. 在 /tmp/ 下创建临时目录 learn_[topic_slug]/
2. 创建完整目录结构(同路径1的 .skill/ 结构)
3. 执行 zip 打包:cd /tmp && zip -r learn_[topic_slug].zip learn_[topic_slug]/
4. 将 zip 文件移动到用户工作目录
5. 清理临时目录
6. 通知用户:
"已打包为
learn_[topic_slug].zip。解压到你想要的位置后,在该文件夹下的对话中 skill 就会自动生效。"
附录:生成物质量检查清单
生成前最后过一遍,确保生成物质量:
- frontmatter 的 name 字段不超过 32 字符
- frontmatter 的 description 包含触发关键词
- 项目信息区的四个变量都已正确填充
- 启动协议中的文件读取逻辑与文件管理规范一致
- 学习模式的五步闭环完整(输入→学习→确认→验收→沉淀)
- 所有文件命名规则使用了正确的 topic_slug
- 没有任何删除文件的指令
- 所有文件路径使用相对路径
- 如完整模式:读取优先级三层都定义清晰
- references/ 文件与 SKILL.md 中的引用一致
相关 Skills
面试体系设计
by alirezarezvani
按岗位、级别和团队设计面试流程,生成能力矩阵、题库与评分标准,分析面试官偏差并校准招聘门槛,适合搭建或优化企业招聘体系。
✎ 团队招人没章法时,用它快速搭建岗位化面试流程、题库与评分标准,还能兼顾校准面试偏差,招聘更稳更准。
抽认卡
by BytesAgain
Spaced repetition study tool with deck management. Use when you need flashcard.
教程文档
by anderskev
Tutorial patterns for documentation - learning-oriented guides that teach through guided doing
相关 MCP 服务
by boosted-chat
Flight search & booking for AI agents. 400+ airlines, $20-50 cheaper than OTAs.
by jjlabsio
Search company disclosures and financial statements from the Korean market. Retrieve stock profiles, market classifications, and historical trading data across major exchanges. Accelerate equity research with accurate, date-specific insights for Korean securities.
✎ 做韩国股研时,用它能一站查公司披露、财报和历史行情,按日期精确追溯关键信息,比手动翻交易所高效太多。
by jjlabsio
检索韩国市场公司的披露文件与财务报表,并获取股票概况等关键信息。
✎ 想研究韩股公司时,它能一站式拉取披露、财报和股票概况,省去跨站查资料的麻烦,对跨境投研尤其省时。