OpenClaw 全领域教育教学超级技能 (Education Super Skill)

Version: 1.0.0
Author: OpenClaw Team
Last Updated: 2026-05-14
Category: 教育教学
Compatibility: OpenClaw 3.0+

一、技能概述

1.1 技能简介

全领域教育教学超级技能是OpenClaw生态系统中专为教育领域打造的一站式超级Skill。本技能集成了教育教学全场景8大核心模块、32项子功能，覆盖从知识点处理、习题生成、教学辅助、记忆辅助、学科专项、学情管理到升学备考和批量处理的完整教育价值链。

安装本技能后，AI Agent无需再安装其他任何教育类技能，即可独立完成教育领域的全部任务，真正实现"一个技能，搞定所有教育需求"。

1.2 设计理念

• 一站式解决方案：整合教育领域所有核心功能，避免碎片化技能安装
• 学科全覆盖：支持语文、数学、英语、物理、化学、生物、历史、地理、政治全学科
• 角色全覆盖：同时满足教师教学、学生学习、家长辅导三大角色需求
• 真实可运行：基于真实开源库开发，所有功能均可实际运行，无任何Mock数据
• 标准化输出：支持Word、Excel、图片等多种格式的专业文档生成

1.3 与其他超级技能的区别

本技能与已开发的「多媒体全流程智能处理」「全领域办公自动化」「全领域电商运营」超级技能功能完全不重叠，专注于教育教学垂直领域，形成OpenClaw四大核心超级技能矩阵：

二、功能模块总览

本技能包含8大核心模块，共计32项子功能：

2.1 知识点处理模块 (5项)

• ✅ 知识点拆解讲解：将复杂知识点拆解为易懂的分层讲解
• ✅ 概念具象化：将抽象概念转化为生活化例子和类比
• ✅ 知识框架搭建：生成学科/章节的完整知识体系框架
• ✅ 易混淆点辨析：对比分析容易混淆的概念
• ✅ 教材内容解读：深度解读教材重点难点

2.2 习题相关模块 (5项)

• ✅ 智能出题：根据知识点、难度、题型自动生成题目
• ✅ 错题分析：分析错误原因，定位知识薄弱点
• ✅ 解题思路引导：分步引导解题，不直接给出答案
• ✅ 答题模板生成：各题型的标准答题模板
• ✅ 同类题型归纳：归纳题型规律和解法

2.3 教学辅助模块 (5项)

• ✅ 教案生成：完整的教学教案（教学目标、重难点、教学过程、板书设计、作业布置）
• ✅ 课件制作：PPT课件大纲和内容
• ✅ 课堂提问设计：分层级的课堂提问（导入/探究/巩固/拓展）
• ✅ 板书框架：结构化板书设计
• ✅ 课堂互动话题设计：激发学生思考的讨论话题

2.4 记忆辅助模块 (4项)

• ✅ 联想记忆法生成：为知识点创建联想记忆方案
• ✅ 考点口诀创编：编写记忆口诀和顺口溜
• ✅ 遗忘曲线复习计划：基于艾宾浩斯曲线的复习计划
• ✅ 思维导图生成：知识点的思维导图结构

2.5 学科专项模块 (3项)

• ✅ 文科专项：语文（阅读理解/作文/文言文）、英语（语法/词汇/写作）、政史地专项辅导
• ✅ 理科专项：数学/物理/化学专项解题和公式讲解
• ✅ 实验原理讲解：理化生实验原理和操作步骤

2.6 学情管理模块 (4项)

• ✅ 学情薄弱项分析：基于答题数据分析知识漏洞
• ✅ 学习计划制定：个性化学习计划表
• ✅ 学习进度跟踪：进度跟踪和调整建议
• ✅ 阶段性复盘报告：学习总结和改进方案

2.7 升学备考模块 (5项)

• ✅ 考点圈划：高频考点和必考点标注
• ✅ 真题规律分析：历年真题命题规律总结
• ✅ 刷题计划制定：科学的刷题进度安排
• ✅ 应试技巧指导：各题型答题技巧
• ✅ 心态调节引导：考前心理调适建议

2.8 批量处理模块 (4项)

• ✅ 批量出题：批量生成多套试卷
• ✅ 批量知识点整理：批量整理知识点清单
• ✅ 批量错题分析：批量处理错题集
• ✅ 批量学习资料生成：批量生成辅导资料

三、安装依赖

3.1 Python版本要求

• Python 3.8 或更高版本

3.2 必需依赖库

所有依赖均可通过pip安装，无私有或不稳定依赖：

pip install jieba>=0.42.1
pip install pandas>=1.5.0
pip install openpyxl>=3.0.10
pip install python-docx>=0.8.11
pip install networkx>=2.8.0
pip install matplotlib>=3.5.0
pip install numpy>=1.23.0

3.3 依赖库功能说明

四、使用示例

4.1 知识点拆解讲解

调用方式：

from main import EducationSuperSkill
skill = EducationSuperSkill()
result = skill.knowledge_decomposition(
    knowledge_point="函数的导数",
    subject="math",
    depth=3
)

输出结果：

• 核心概念定义
• 5层级分层讲解（基础概念层→原理机制层→应用场景层→拓展延伸层→易错提醒层）
• 自动提取的关键词
• 结构化JSON格式，可直接用于教学

4.2 智能出题

调用方式：

result = skill.generate_questions(
    knowledge_points=["一元二次方程", "函数图像", "不等式求解"],
    subject="math",
    difficulty="medium",
    question_type="single_choice",
    count=10
)

输出结果：

• 10道标准化单选题
• 每道题包含：ID、学科、知识点、难度、题型、题干、选项、答案、解析
• 自动保存为Excel题库文件
• 支持单选题、多选题、判断题、填空题、简答题、计算题、论述题7种题型

4.3 教案生成

调用方式：

result = skill.generate_teaching_plan(
    subject="数学",
    topic="二次函数的图像与性质",
    grade="九年级",
    duration=45
)

输出结果：

• 完整教案结构：教学目标、教学重难点、教学过程、板书设计、作业布置
• 教学过程分5个阶段：导入新课→新知讲授→巩固练习→课堂小结→布置作业
• 自动生成Word文档，格式规范可直接使用
• 包含详细的时间分配和师生活动设计

4.4 遗忘曲线复习计划

调用方式：

result = skill.forgetting_curve_plan(
    knowledge_list=["英语单词1", "英语单词2", "英语单词3", "英语单词4"],
    start_date="2026-05-14"
)

输出结果：

• 基于艾宾浩斯遗忘曲线的30天科学复习计划
• 每天具体复习内容和复习轮次
• 自动生成遗忘曲线图PNG图片
• 支持自定义开始日期和知识点列表

4.5 批量生成试卷

调用方式：

result = skill.batch_generate_papers(
    subject="数学",
    paper_count=5,
    questions_per_paper=20
)

输出结果：

• 5套完整模拟试卷
• 每套试卷包含标准化结构（选择题、填空题、解答题）
• 自动保存为Excel文件
• 支持自定义试卷数量和每题题量

五、参数说明

5.1 通用参数

5.2 各模块详细参数

知识点处理模块

knowledge_decomposition

• knowledge_point (string, 必需): 要拆解的知识点名称
• subject (string, 可选): 学科，默认general
• depth (int, 可选): 拆解深度，默认3，最大5

concept_concretization

• abstract_concept (string, 必需): 抽象概念名称
• subject (string, 可选): 学科，默认general

knowledge_framework

• subject (string, 必需): 学科
• chapter (string, 可选): 章节名称

习题相关模块

generate_questions

• knowledge_points (list, 必需): 知识点列表
• subject (string, 必需): 学科
• difficulty (string, 可选): 难度：easy/medium/hard/challenge，默认medium
• question_type (string, 可选): 题型，默认single_choice
• count (int, 可选): 题目数量，默认10

wrong_question_analysis

• wrong_questions (list, 必需): 错题列表
• student_id (string, 可选): 学生ID

教学辅助模块

generate_teaching_plan

• subject (string, 必需): 学科
• topic (string, 必需): 课题
• grade (string, 必需): 年级
• duration (int, 可选): 课时分钟数，默认45

generate_courseware_outline

• subject (string, 必需): 学科
• topic (string, 必需): 课题

记忆辅助模块

forgetting_curve_plan

• knowledge_list (list, 必需): 知识点列表
• start_date (string, 可选): 开始日期，默认当天

批量处理模块

batch_generate_papers

• subject (string, 必需): 学科
• paper_count (int, 可选): 试卷套数，默认5
• questions_per_paper (int, 可选): 每套题数，默认20

六、注意事项

6.1 使用前准备

1. 依赖安装：首次使用前请确保已安装所有必需依赖库
2. 输出目录：程序会自动创建./output目录用于存放生成的文件
3. 中文支持：matplotlib生成图表时确保系统有中文字体支持

6.2 性能优化建议

1. 批量处理：大量数据处理时建议分批进行，单次处理不超过1000条
2. 内存管理：生成大量Word/Excel文件后注意内存释放
3. 并发控制：避免同时调用多个耗时较长的功能

6.3 数据安全

1. 学生隐私：处理学生数据时请遵守相关隐私保护法规
2. 备份机制：重要的题库和学情数据建议定期备份
3. 输出清理：定期清理output目录中的临时文件

七、版本历史

v1.0.0 (2026-05-14)

• ✅ 首次正式发布
• ✅ 实现8大模块32项子功能
• ✅ 支持9大学科全覆盖
• ✅ 支持Word/Excel/PNG多格式输出
• ✅ 完整异常处理机制
• ✅ 详细日志输出

八、常见问题解答 (FAQ)

Q1: 本技能与其他教育类Skill是什么关系？

A: 本技能是教育领域的超级整合Skill，包含了其他所有教育类Skill的功能且更强大。安装本技能后，建议卸载其他教育类Skill以避免功能重复和冲突。

Q2: 生成的Word/Excel文件在哪里？

A: 所有生成的文件默认保存在./output目录下。可以通过修改config.json中的output_dir配置项自定义输出路径。

Q3: 支持哪些学科？

A: 目前支持：语文、数学、英语、物理、化学、生物、历史、地理、政治，共9个学科。其他学科可使用general通用模式。

Q4: 如何自定义配置？

A: 复制config.json到工作目录，修改其中的参数即可。初始化时通过EducationSuperSkill(config_path="你的配置文件路径")加载自定义配置。

Q5: 遇到依赖安装失败怎么办？

A:

1. 升级pip到最新版本：pip install --upgrade pip
2. 使用国内镜像源：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名
3. 部分依赖缺失不影响核心功能使用，程序有降级处理机制

Q6: 可以商用吗？

A: 本技能基于MIT协议开源，可自由商用。但使用时请遵守各依赖库的开源协议。

九、学科适配说明

9.1 语文学科适配

• 重点优化：阅读理解、作文写作、文言文、古诗词
• 特色功能：文言文翻译、作文提纲、阅读理解答题模板
• 输出格式：Word文档为主，便于教案编写

9.2 数学学科适配

• 重点优化：公式推导、解题步骤、题型归纳
• 特色功能：计算题分步解答、几何证明思路、错题归因
• 输出格式：Excel题库、解题步骤结构化输出

9.3 英语学科适配

• 重点优化：词汇记忆、语法讲解、写作模板
• 特色功能：艾宾浩斯单词记忆、作文模板、语法口诀
• 输出格式：记忆计划表、单词本Excel

9.4 物理/化学/生物适配

• 重点优化：实验指导、公式应用、计算过程
• 特色功能：完整实验步骤、误差分析、注意事项
• 输出格式：实验指导书Word文档

9.5 政史地学科适配

• 重点优化：知识框架、时间线、记忆口诀
• 特色功能：思维导图、时间轴、联想记忆法
• 输出格式：知识框架图、记忆口诀表

十、技术支持与反馈

如在使用过程中遇到问题或有功能建议，请通过以下方式联系：

1. 在OpenClaw社区提交Issue
2. 功能需求请标注【教育超级技能】标签
3. Bug反馈请附上详细的错误日志和复现步骤

本技能严格遵循OpenClaw Skill开发规范，所有功能均经过真实环境测试，确保零占位符、零Mock数据、100%可运行。