Agent Skills
返回列表
学习指南针

学习指南针

教育学习 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_8c79bf8b/learning-compass。

技能介绍

题目越刷越多,能力却没见长?

很多学生的复习陷入一种怪圈:做过的题稍作变形就又不会了。问题往往不在于刷题量,而在于把「做过」当成了「掌握」。绝大多数情况下,做题只是完成了一次信息接收,并没有真正解码题目背后的能力模型。如果没有建立从「题目特征」到「能力要求」的映射,刷题就只是重复劳动。

三层解构:把题目变成数据结构

这个技能的核心思路,是把一道题拆解为可分析的三个维度:

  • 显性信息层:识别题型、知识点和已知条件,建立基础标签。
  • 隐性能力层:这是关键。它要求根据 SOLO分类理论 判断思维深度,区分题目考察的是识记(背下来的)还是应用(能迁移的)。
  • 设计目的层:分析命题人为什么要这样出。是为了基础检测,还是为了筛选具备 关联结构 思维的学生?

通过这套框架,你不只是看到「这道题选C」,而是能定位到「这道题在考察从具体推导抽象的 拓展抽象结构 能力」。

针对性练习路径设计

诊断出能力缺口后,技能会基于 能力三棱锥模型 设计练习方案。它不建议你盲目刷题,而是区分了 变式练习(强化程序性知识)和 深度练习(提升逻辑关联)。

  • 如果只是识记层薄弱,采用先慢后快的策略。
  • 如果缺乏迁移能力,则引入逆向思考或跨界练习。

这种设计把学习从「时间投入」变成了「能力靶向治疗」。

适用边界与注意点

这套方法通用性很强,但并非万能药:

  1. 输入质量是关键:如果上传的试题图片模糊,或题目本身存在歧义,解构结果会出现偏差。
  2. 主观题存在局限:虽然支持写作和作文分析,但逻辑链条的判定更多依赖结构化输入,开放性过强的题目需要配合人工判断。
  3. 需要主动反馈:技能设计了 练习反馈调整 机制,但前提是你能提供真实的正确率数据,否则动态调整缺乏依据。

使用场景

  • 上传整套试卷,生成能力谱系与难度分布报告,定位主要能力缺口
  • 上传单题,解构显性条件与隐性能力要求,揭示深层考查目的
  • 圆锥曲线薄弱,希望诊断问题并设计分阶段练习方案
  • 学生自测后想验证是否真正理解考查逻辑,尝试自编题目

适合人员

  • 高中生,希望在考试后精准定位能力缺口并调整复习策略
  • 知识会背但综合题卡壳的学生,需要提升迁移应用能力
  • 想看懂孩子试卷但不知从何分析的家长,需要专业解读
  • 初中生,希望及早建立正确的刷题方法与底层能力认知