Agent Skills
返回列表
TutorClaw AI 编程导师

TutorClaw AI 编程导师

AI Agent 更新于 2026.08.30

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_15292d5a/yjkj-tutorclaw。

技能介绍

解决的问题

TutorClaw 针对 AI Agent Factory 课程中的一个具体教学缺口：学习者拿到代码后缺少运行与解释闭环。它把 Python 教学从一次性生成答案，转成围绕 PRIMM-Lite（Predict-Run-Investigate）的会话流程：先让学习者预测行为，再观察运行结果，最后调查边界、错误与课程约定。它适合由 Agent 以导师方式推进章节练习，而不是直接交付完整项目。

工作方式

这个技能主要由一组 Agent 配置和离线入口组成：

  • AGENTS.md 负责工具编排与会话流，控制 tutorclaw 的执行路径；
  • SOUL.md 与 IDENTITY.md 定义教学哲学、语气、边界，避免导师口跑偏；
  • tutorclaw-shim/SKILL.md 为第 1 到第 5 章提供离线 fallback；
  • .mcp.json 通过 streamable-http 接入 OpenClaw 的 MCP server，支撑运行相关能力。

运行时核心是 预测—运行—调查：Agent 先要求学习者判断代码行为，再通过 MCP 连接辅助观察输出，最后引导解释变量、副作用、错误信息和课程规则。资料没有描述 MCP server 的内部业务逻辑，因此不应把它理解为通用代码解释器。

适用边界

  • 依赖 OpenClaw ≥ 2.0.0 与 Python ≥ 3.11；
  • 支付层级相关功能需要 Stripe account；
  • 更适合 AI Agent Factory 课程中的 Python 章节教学；
  • 若缺少 MCP 服务或网络能力，只能使用范围有限的离线 fallback。

使用场景

  • 在 AI Agent Factory 课程中，用导师会话带学员完成 Python 章节练习并解释运行结果。
  • 让学员先预测代码输出，再通过运行观察结果，并调查报错、副作用与边界情况。
  • 在缺少 MCP 服务或网络时，使用第 1 到第 5 章的离线 fallback 继续教学。
  • 为 OpenClaw 工作区配置 tutorclaw 的 AGENTS、SOUL、IDENTITY 和 MCP 文件。

适合人员

  • AI Agent Factory 课程讲师，希望用 PRIMM-Lite 引导学员预测、运行和调查 Python 代码。
  • 学习 Python 的 Agent 课程学员，需要围绕章节练习获得导师式讲解而不是直接答案。
  • 维护 OpenClaw 工作区的开发者，需要部署 tutorclaw 的 Agent 文件与 MCP 配置。
  • 负责课程访问控制的课程运营，需要在支付层级生效时核对 Stripe 账户要求。