功能说明: 本技能涵盖 中文交互、化工作流场景 等核心能力。

个性化学习助手

AI驱动的个性化学习助手，支持项目教程、语言学习、写作反馈、视觉学习与学习指南.

输入规范

参数名	类型	必填	说明
input	string	是	个性化学习助手处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

运行环境

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux
• Python环境: Python 3.8+（如使用CellCog SDK）

依赖项

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供
CellCog SDK	Python库	可选	pip install -U cellcog
CELLCOG_API_KEY	API密钥	可选	CellCog平台获取
终端/Shell	CLI	可选	操作系统自带

可用性分类

• 分类: MD+EXEC（）
• 说明: 基于Markdown的AI Skill，通过自然语言指令驱动Agent执行学习辅导任务

API Key配置方式:

export API_KEY="${API_KEY:?请设置环境变量}"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

能力范围

项目教程（Project Tutorials）

通过实战项目驱动学习，从零到一构建完整应用：

• 逐步引导：将复杂项目拆解为可执行的步骤，每步附带代码示例
• 项目类型：REST API搭建、Web应用开发、CLI工具构建、数据处理管道等
• 可运行代码：提供可直接运行的代码示例，边学边做
• 深度概念讲解：在项目实践中讲解Docker容器、React Hooks等技术原理
• 能力评估：通过mini-project综合检验学习成果

示例请求：

"Walk me through building a REST API step by step" "Teach me React hooks: My level is I know basic JavaScript, never used React"

语言学习（Language Learning）

系统化掌握新语言，覆盖听说读写全方位训练：

• 语法讲解（Grammar Explanations）：如"Explain Japanese particles with examples"
• 对话练习（Conversation Practice）：如"Practice ordering food in French"场景对话
• 词汇构建（Vocabulary Building）：如"Teach me 20 essential business Chinese phrases"
• 多语言支持：日语（JLPT N4-N1）、法语、西班牙语、中文等
• 文化背景：附带语言使用的文化语境与注意事项

写作反馈（Writing Feedback）

对文章、论文、邮件等写作内容提供专业反馈：

• 语法与拼写检查：识别并修正语法错误与拼写问题
• 结构优化：评估文章结构，建议段落重组与逻辑改进
• 语言润色：优化用词、句式与语气，提升表达力
• 写作风格指导：学术写作、商务写作、创意写作的风格调整
• 语言学习写作：如"Check my Spanish essay and explain my mistakes"

视觉学习（Visual Learning）

通过图表、图示、信息图等视觉化方式辅助理解：

• 概念图示：如"Create a diagram explaining the water cycle"
• 流程图：将复杂流程可视化为步骤图
• 信息图：将数据与概念组织为易理解的视觉格式
• 对比图：通过视觉对比帮助理解差异
• 学习风格适配：支持Visual（图表）、Examples（示例）、Analogies（类比）、Step-by-Step（步骤）、Big Picture（全局）、Hands-On（实践）等多种学习风格

学习指南（Study Guides）

生成系统化的学习材料与备考资源：

• 学习指南（Study Guides）：如"Create a study guide for AP Chemistry exam"
• 闪卡（Flashcards）：如"Generate 50 flashcards for Spanish vocabulary"
• 模拟测试（Practice Tests）：如"Create a practice quiz on US History 1900-1950"
• 摘要笔记（Summary Notes）：如"Summarize Chapter 5 of my biology textbook"
• 速查表（Cheat Sheets）：如"Create a one-page reference for Python syntax"

概念解释与作业辅导（Concept Explanations & Homework）

多角度解释概念与作业问题解答：

• 概念拆解：如"Explain quantum entanglement like I'm 10 years old"
• 多角度解释：如"Explain recursion using 3 different analogies"
• 数学解题：逐步解答微积分、物理等问题并解释每步
• 代码调试：解释代码为何不工作并帮助修复
• 作文结构：帮助构建论文框架与论点

---

操作步骤

1. 确认运行环境满足依赖说明中的要求
2. 明确学习目标：概念理解、项目实践、语言学习、写作反馈或备考
3. 说明当前水平：如"Complete beginner"或"I understand the basics"
4. 选择学习风格：Visual、Examples、Analogies、Step-by-Step、Big Picture或Hands-On
5. 使用自然语言描述学习需求，Agent生成个性化学习内容
6. 通过主动回忆（Active Recall）与练习巩固学习成果

结果验证: 任务完成后,查看输出确认状态。成功时返回摘要和数据;失败时根据错误信息排查,参考恢复章节获取修复步骤.

示例展示

示例1：学习React Hooks

用户: Teach me React hooks, I know basic JavaScript, never used React
# ...
Agent: React Hooks学习计划：
1. What problem do hooks solve? - 状态逻辑复用与组件简化
2. useState with simple examples - 计数器示例
3. useEffect with practical use cases - 数据获取与副作用
4. When to use which hook - 决策树
5. A mini-project putting it together - Todo App
# ...
[附带可运行的代码示例]

示例2：生成AWS认证学习指南

用户: Create a study guide for the AWS Solutions Architect exam
# ...
Agent: AWS Solutions Architect学习指南：
- Key services and when to use them (EC2, S3, RDS, Lambda...)
- Networking concepts (VPC, Subnets, Route53...)
- Security best practices (IAM, KMS, Security Groups...)
- Cost optimization strategies (Reserved Instances, Spot Fleet...)
[每节附练习题]

示例3：日语对话练习

用户: Help me practice Japanese, Level: JLPT N4, Focus: Conversational
# ...
Agent: 日语对话练习 - 在东京问路：
- Scenario: Asking for directions in Tokyo
- Vocabulary list: 駅、交差点、右、左...
- Grammar points used: 〜はどこですか、〜てください
- Cultural notes: 礼貌用语与鞠躬礼仪
- Variations to practice: 正式场合与日常场景
[Romaji + 汉字 + ひらがな标注]

常见疑问

Q1: 如何获得优选学习效果？

A: 1）说明当前水平；2）多问"为什么"而非只要答案；3）请求练习题；4）承认困惑点；5）基于已理解的内容构建新知识；6）使用主动回忆（要求测验而非仅解释）.

Q2: agent模式和agent team模式有什么区别？

A: agent模式适合大多数学习场景：快速解释、作业辅导、学习材料生成。agent team模式适合综合学习：完整课程大纲、研究论文、多源综合分析.

Q3: 支持哪些学科领域？

A: STEM（数学、物理、化学、生物、计算机、统计）、人文（历史、文学、哲学、语言、心理）、职业（商业、金融、营销、项目管理、设计、法律）、技术技能（编程语言、云平台、DevOps、数据工程、AI/ML）.

Q4: 如何进行语言学习写作反馈？

A: 将你的写作内容发送给Agent，说明语言（如西班牙语），Agent会检查语法错误、解释错误原因、提供修改建议并优化表达.

Q5: CellCog未安装怎么办？

A: 运行 /cellcog-setup 安装认证，或手动执行 pip install -U cellcog 并设置 CELLCOG_API_KEY。也可直接使用Agent内置LLM进行学习辅导.

Q6: 如何生成备考学习计划？

A: 提供考试名称、时间线、目标分数、薄弱环节，Agent会生成包含每周计划、资源推荐、练习测试策略与考前清单的完整学习计划.

功能边界

• 单次会话仅覆盖一个学习意图，跨学科综合问题需拆分为多次交互
• CellCog SDK为可选依赖，未安装时部分高级功能受限
• 视觉学习生成的图表为文本描述格式，非真实图片
• 语言学习口语练习需配合TTS工具实现语音输出
• 复杂学科（如高级医学、法学）的准确性需人工验证
• 学习进度跟踪需要用户手动维护

输出规范

{
  "success": true,
  "data": {
    "result": "个性化学习助手处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "learn-cog"
    }
  },
  "execution_log": [
    "解析输入参数",
    "执行核心处理",
    "格式化输出结果"
  ],
  "error": null
}

创新优势

效率提升量化分析

操作步骤	手动耗时	自动化耗时	时间节约	准确率提升
项目教程编写	20小时	2小时	18小时	15%
语言学习课程设计	30小时	5小时	25小时	10%
写作反馈评估	10小时	1小时	9小时	12%
视觉学习内容制作	40小时	4小时	36小时	8%
学习指南生成	15小时	1.5小时	13.5小时	7%

差异化对比

对比维度	本技能	手动操作	Python脚本	专业软件
功能丰富度	高	低	中	高
学习效率	高	低	中	高
个性化定制	高	低	中	高
成本效益	高	低	中	高
易用性	高	低	中	高

核心痛点解决

痛点	描述	影响范围	解决方案	量化效果
学习资源有限	学生难以获取全面的学习资源	广泛的学生群体	提供个性化学习路径和资源推荐	学习资源利用率提升30%
学习效率低	传统学习方式效率低下	学生群体	通过AI辅导提高学习效率	学习效率提升20%
学习体验单一	学习体验缺乏互动和趣味性	学生群体	提供多样化的学习内容和交互方式	学习兴趣提升25%

诊断与修复

错误现象	可能原因	诊断步骤	解决方案
无法加载教程内容	网络连接问题	检查网络连接	重启技能或检查网络设置
语言学习发音不准确	语音识别错误	检查语音识别设置	调整语音识别参数或更换语音库
写作反馈延迟	服务器负载过高	检查服务器状态	增加服务器资源或优化代码
视觉学习内容缺失	数据源问题	检查数据源	更新或修复数据源
学习指南内容错误	内容校对错误	校对学习指南内容	修正错误内容

安全规范

1. [与「个性化学习助手」相关的安全注意事项]
   • 保护用户隐私，不泄露用户学习数据。
   • 确保数据传输加密，防止数据被窃取。
   • 定期更新AI模型，防止安全漏洞。
   • 对敏感操作进行权限控制，防止未授权访问。
   • 定期进行合规检查，确保系统安全。

安全风险防范

风险项	等级	防护措施	验证方法
API密钥泄露	高	通过环境变量配置，禁止硬编码	定期检查代码和配置文件
命令执行风险	高	仅执行白名单命令，避免拼接用户输入	使用沙箱环境测试
网络通信安全	中	使用HTTPS协议，验证SSL证书	定期检查证书有效期
敏感数据暴露	高	输出结果中不包含密钥、令牌等敏感信息	日志脱敏审查
未授权访问	中	限制访问权限，实施认证机制	定期审计访问日志

故障应对方案

针对个性化学习助手使用中可能遇到的常见问题,提供以下排查方案:

错误类型	原因分析	解决方案
API认证失败(401)	API密钥错误或过期	检查密钥配置,重新生成token
接口限流(429)	请求频率超出限制	降低调用频率,启用重试退避策略
响应超时(504)	网络延迟或服务端负载过高	增加超时阈值,检查网络连接
文件不存在	路径错误或文件未创建	检查路径拼写,确认文件已生成
文件格式不支持	扩展名不在支持列表中	转换为支持的格式后重试
权限不足	当前用户无读写权限	检查文件权限,以管理员身份运行
命令执行失败	参数错误或环境依赖缺失	检查命令语法,确认依赖已安装
进程超时	命令执行时间过长	增加超时设置,优化命令参数
网络连接失败	DNS解析失败或防火墙拦截	检查网络配置,确认代理设置

个性化学习助手通用排查步骤

1. 检查输入参数: 确认所有必填参数已提供且格式正确
2. 查看日志输出: 定位具体错误行和异常类型
3. 验证环境配置: 确认依赖库版本和运行环境满足要求
4. 逐步调试: 缩小问题范围,隔离故障模块

前置条件

• 已安装所需运行环境(参考依赖说明)
• 已获取必要的API密钥或访问凭证(如适用)
• 输入数据已准备就绪

典型场景

• 日常开发: 个性化学习助手可快速集成到现有开发流程中,提升工作效率
• 接口集成: 对接第三方API服务,实现数据自动获取和处理
• 内容生成: 自动生成文档、代码或结构化数据
• 文件批处理: 批量处理文件内容,支持多格式转换和解析
• 环境管理: 批量管理开发环境和部署流程
• 数据处理: 对结构化数据进行清洗、转换和分析