Agent Skills
返回列表
🎓

Skill 培训教练

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_b1fabcd3/skill-training-coach。

技能介绍

培训场景里,评审尺度比「严不严」更重要

零基础学员交上来的往往是一份 SKILL.md 加目录结构。若直接套用大赛/成熟作品的八维标准,常见问题会被放大成「不合格」:没写测试集、没拆 references、description 不够「工程化」——学员其实还没学到这些,扣分只会打击动力,也谈不上「知道下一步怎么改」。

本技能定位是培训作业评审教练:6 维打分、建设性反馈、组内排名、班级教学诊断。核心铁律是只读——可以读学员作业、机械扫描规范项、把报告写到指定输出目录,但绝不修改学员提交物。

工作流:从盘点到落盘报告

评审前若用户未说明形态,会先确认:个人独立评分 / 组内 PK / 班级诊断、班级根目录绝对路径、是否评优、是否隐名(人数多时会建议)、输出类型等。目录结构不统一时,会先列出含 SKILL.md 的路径与推断的组-姓名映射,让老师确认后再评。

  1. Step 1 盘点归类:统计作品数、组别映射;缺 SKILL.md 的目录标注「未按要求提交」,不硬评。
  2. Step 2 机械体检(T6):用 scripts/scan.py 批量检查 frontmatter、name 与目录一致、description 长度、死链等,T6 由扫描结果直接定分(8 分档内)。
  3. Step 3 内容评分(T1–T5):按 T2 → T1 → T3 → T4 → T5 顺序人工判读,必读 references/rubric-training.md;每人至少 1 条具体肯定 + 2~3 条带原理的建议,评完即落盘。
  4. Step 4 组内排名:组内比、不跨组混排;必出组内共性问题与互学建议(指名学谁哪部分)。
  5. Step 5 班级诊断:面向老师,用 references/class-workflow.md 看维度得分率与批量偏差;不给学员看。
  6. Step 6 出报告:scripts/render_training.py 生成 HTML;出分前核验 sum(维度分) == 总分。

等级线:优秀 85+、良好 70–84、达标 55–69、待改进 < 55;培训达标线强调 70(相对竞赛 60 及格曲线上移)。

边界与常见误用

| 场景 | 用本技能 | 不要用本技能 |
|---|---|---|
| 训练营/班级作业 | ✓ | |
| 大赛 PK、成熟作品严审 | | skill-arena-judge |
| 帮学员改 SKILL.md | | 任何写入学员目录 |

反馈口径也有硬约束:必须先肯定;每条建议要说明「为什么更好」;单次建议不超过 3 条;不因学员没做超纲内容扣分;分数只评作品,不把态度努力混进分。开班前可把 references/student-guide.md 发给学员,让「教与考」对齐。

使用场景

  • 训练营结业前,讲师要在不改学员仓库的前提下,对全班 `SKILL.md` 作业做六维打分并生成个人 HTML 反馈
  • 同一小组多人交作业,需要组内 PK 排名、组内共性问题与「互学建议」(指名参考哪位同学的哪一段)
  • 多小组并行授课后,老师需要班级诊断报告:各维度得分率与批量教学偏差,用于调整下一讲重点
  • 目录命名混乱时,先批量列出含 `SKILL.md` 的路径与推断的组-姓名映射,经老师确认后再开始评分

适合人员

  • 企业内部 Skill 训练营讲师,需要在合规「只读」前提下批量评审学员作业并产出可发给个人的反馈页
  • 高校或培训机构助教,负责组内作业 PK 与班级教学诊断,且要避免用大赛八维标准误伤零基础学员
  • 课程运营同学,开班前要统一评审口径,并配合把 `student-guide.md` 式自查清单与评分维度对齐发给学员
  • 从 `skill-arena-judge` 切到培训场景的技术负责人,要区分竞赛评审与培训教练的职责边界与达标线(70 vs 60)