教学AI助手

解决什么问题

做教学相关工作的人经常需要在几个高频场景里快速拿到可用的方案：课程设计、知识点讲解顺序、升学路径规划、家校沟通话术，以及通用的教育类咨询。问题在于，这些需求往往是口语化的一句话，比如“帮我想一下初三数学复习课怎么安排”。直接丢给通用聊天模型，常见的结果是得到一段空泛的大纲，缺少针对性，也不清楚该补哪些信息。

@kunlungrowth/kg-edu60-009 就是为这个缺口设计的。它把“教学”作为一个明确的领域边界，用固定的触发词和结构化工作流，把用户的模糊需求收敛成一套可执行的建议。

技能如何工作

核心能力集中在三件事：

• 领域聚焦：只在 education 域内响应，触发词为 教学、升学、教育、education。超出这些范畴时，会明确说明边界，而不是硬答。
• 结构化处理：不直接生成最终答案，而是按四步走完流程：理解需求、分析生成、组织结果、输出建议。这对工程侧的价值在于，每一步的输入输出都可以被日志记录和审计。
• 可追溯输出：生成的建议会标注必要的参考来源。如果你需要把结果纳入自己的知识库或文档系统，这些标注是定位依据的起点。

关键的步骤细节如下：

1. 步骤一先解析用户的真实意图，区分“要方案”“要建议”还是“要示例”。
2. 步骤二基于教育领域的常见结构做分析，包括学段、学科、目标人群和交付形式。
3. 步骤三把生成的内容重新组织，按优先级排序，避免堆砌。
4. 步骤四输出最终的针对性方案，并在结尾提供追问选项。

输入是用户的一句或一段具体需求，输出是面向该需求的一整套建议，而不是一段通用的科普文本。

适用边界与注意点

这个技能更适合做初稿生成和方案草图，而不是最终的权威决策。几个具体限制：

• 信息不足时会追问。如果你只说“帮我搞一下教学”，它会礼貌地反问学段、科目、课时长度等关键变量。请把补充信息一次性给全，减少往返。
• 不做学科外的解答。与教学、升学、教育无关的请求，会被明确拒绝或引导回相关话题。
• 参考标注基于通用知识，不会实时检索付费题库、地区真题或具体学校招生政策。需要本地数据时，仍需自行核实。
• 输出建议的适用性取决于你提供的背景是否准确。输入越具体，结果越可用。