/install xiaozhi-skill-coordinator
\r \r
🔗 三SKILL联动协调器 SKILL\r
\r
一句话定位: 真正有效的不是“装了很多工具”,而是在明确任务和授权边界下,让工具按需配合。\r \r
⚠️ 技术实现边界声明\r
\r
关于“定时调度”机制: 本模块中涉及的定期报告生成调度,并非 LLM 自身具备的自主唤醒能力。它依托于如 QClaw 等定制化 OpenClaw 平台的「自动化工作流引擎」在指定时间运行联动分析任务。\r \r ---\r \r
一、核心使命\r
\r 原版聚焦三SKILL联动:\r
- 错题本\r
- 费曼测试\r
- 康奈尔笔记\r \r v1.1在保留原主线的基础上,扩展两个新数据维度:\r
- 30天学习计划制定师\r
- 时间与专注力教练\r \r 所以它现在实际承担的是五SKILL协调中枢。 \r 名称保留“三SKILL联动协调器”,但能力已升级为更完整的学习系统编排器。\r \r ⚠️ 【架构定位声明】:\r
- 联动判断逻辑归本SKILL:什么时候建议触发费曼、什么时候建议调取计划、如何处理数据流转,由本SKILL在当前任务内统筹判断。\r
- 全景月报归本SKILL:本SKILL可以作为月报生成中枢,但只汇总当前任务所需、且用户已授权使用的摘要字段。\r
- 周报归属说明:周级别的复盘和报告生成由“每周学习复盘 SKILL”负责,本SKILL不默认介入周报。\r \r
二、联动前置条件\r
\r 在读取或整合其他SKILL数据前,必须满足以下条件:\r \r
- 用户当前任务明确需要联动分析、系统检查或月报汇总。\r
- 涉及长期档案或提醒数据时,用户已开启相应授权。\r
- 仅拉取完成当前任务所需的最小字段摘要,不读取无关历史细节。\r
- 用户可要求“这次不要联动某个SKILL”或“不要写回档案/提醒”。\r \r ---\r \r
三、五SKILL协调结构\r
\r
核心学习链:\r
错题本 → 费曼测试 → 康奈尔笔记\r
\r
新增执行链:\r
学习计划 → 时间与专注力\r
\r
统一汇总:\r
五路数据 → 协调器 → 全景月报 / 系统健康检查 / 联动判断\r
```\r
\r
五个维度分别回答:\r
- 错题本:哪里错\r
- 费曼测试:到底懂没懂\r
- 康奈尔笔记:有没有形成可复用知识\r
- 学习计划:有没有把目标拆成行动\r
- 时间与专注力:有没有真正执行下来\r
\r
---\r
\r
## 四、核心联动流程\r
\r
### 3.1 一道错题触发的联动主线\r
\r
```text\r
阶段一:错题本接手\r
记录错误、定位根因、判断是否为固定模式\r
\r
阶段二:笔记联动\r
检索康奈尔笔记,看这个知识点是否已有笔记或线索\r
\r
阶段三:理解验证\r
如果是概念模糊、方法边界不清、或同类错误>=3次,触发费曼测试\r
\r
阶段四:执行补位\r
如果问题不是不会,而是“总是做不到”,检查是否需要补计划或专注策略\r
\r
阶段五:提醒与追踪\r
由IM提醒安排复测、复习或行动回访\r
```\r
\r
### 3.2 计划与专注维度的新增介入点\r
\r
以下情况要额外调取新增两个SKILL:\r
\r
```text\r
情况一:学生知道方法,但连续拖延没执行\r
→ 调取学习计划制定师\r
\r
情况二:计划写了,但总是无法按时完成\r
→ 调取时间与专注力教练\r
\r
情况三:错题长期不回看,费曼测试总约不上\r
→ 同时检查计划安排和专注阻力\r
```\r
\r
---\r
\r
## 五、扩展联动判断规则\r
\r
### 4.1 必须触发费曼测试的情况\r
\r
```text\r
1. 错误类型 = 概念模糊\r
2. 错误类型 = 方法用错,且边界感不清\r
3. 同一知识点错误次数 >= 3\r
4. 学生说“我以为我懂了”\r
5. 看过AI或答案后说“我明白了”\r
```\r
\r
### 4.2 必须触发计划或专注支持的情况\r
\r
```text\r
1. 同一任务连续两周拖延\r
2. 复习提醒收到但完成率持续偏低\r
3. 明知道要做,却总在开始环节失败\r
4. 计划存在,但执行总被分心打断\r
```\r
\r
### 4.3 可不联动费曼测试的情况\r
\r
```text\r
1. 明显的计算失误\r
2. 明显的读题失误,且概念本身没问题\r
3. 学生明确要求“今天只记录,不做深挖”\r
```\r
\r
---\r
\r
## 六、五维度全景月报(全系统月报中枢)\r
\r
当学生说“帮我生成全景月报”时,可按五维度输出。 \r
**注意:作为中枢,本SKILL只应拉取当前报告所需、且已获授权的SKILL数据摘要,不应默认拉取“其他所有活跃SKILL”的当月数据。**\r
\r
```text\r
维度一:错题维度\r
错误类型分布、顽固弱项、攻克情况(整合各学科的专项记录)\r
\r
维度二:理解维度\r
费曼测试结果、真正掌握条目、主要盲区\r
\r
维度三:知识沉淀维度\r
笔记新增、调取次数、沉默笔记、跨科关联\r
\r
维度四:计划执行维度\r
计划完成率、延期情况、最常中断点\r
\r
维度五:时间专注维度\r
专注稳定性、分心高发时段、黄金学习时段\r
```\r
\r
### 5.1 建议输出结构\r
\r
```text\r
📊 五SKILL全景月度报告\r
\r
① 错题维度\r
[数据 + 结论]\r
\r
② 理解维度\r
[数据 + 结论]\r
\r
③ 知识沉淀维度\r
[数据 + 结论]\r
\r
④ 计划执行维度\r
[数据 + 结论]\r
\r
⑤ 时间专注维度\r
[数据 + 结论]\r
\r
综合判断:\r
[本月学习系统最强的一环]\r
[本月最需要补的一环]\r
\r
下月优先动作:\r
[只选1件最关键的事]\r
```\r
\r
---\r
\r
## 七、系统健康检查\r
\r
v1.1保留健康检查思路,并扩展为更适合五SKILL体系的检查表。\r
\r
```text\r
指标① 错题有记录\r
标准:重要错误都进入错题链路\r
\r
指标② 理解有验证\r
标准:概念类错误中,至少50%进入费曼测试\r
\r
指标③ 知识有沉淀\r
标准:关键知识点有对应笔记或笔记线索\r
\r
指标④ 计划可执行\r
标准:重点任务不是空目标,而是被拆成行动\r
\r
指标⑤ 时间能落地\r
标准:学习安排与真实专注时段匹配\r
\r
指标⑥ 提醒有回应\r
标准:提醒后的回应率与完成率处于健康区间\r
```\r
\r
### 6.1 结果解读\r
\r
```text\r
5-6项健康:系统运转良好\r
3-4项健康:局部短板,需要补链\r
0-2项健康:系统未真正跑起来,需要从基础环节重建\r
```\r
\r
---\r
\r
## 八、联动进度记录\r
\r
每次联动后,建议按以下结构记一条记录:\r
\r
```text\r
日期:\r
触发来源:[错题 / 复盘 / 计划 / 提醒]\r
涉及知识点:\r
参与SKILL:\r
错题本:[是 / 否]\r
费曼测试:[是 / 否]\r
康奈尔笔记:[是 / 否]\r
学习计划:[是 / 否]\r
时间专注:[是 / 否]\r
联动结果:\r
根因判断:\r
是否真正掌握:\r
是否需要复测:\r
是否需要补计划:\r
是否需要专注调整:\r
```\r
\r
---\r
\r
## 九、与IM智能提醒的轻联动\r
\r
v1.1新增三个提醒扩展方向;仅在用户明确同意提醒时,才可同步给IM智能提醒:\r
\r
```text\r
1. 计划任务定时提醒\r
2. 探索任务提醒\r
3. 时间销行账每日确认提醒\r
```\r
\r
也就是说,协调器现在不只可安排“知识复习”,还可在授权前提下安排“行动执行回访”。\r
\r
---\r
\r
## 十、与其他SKILL的协作与强 Schema 校验协议\r
\r
为了防止在多智能体(Multi-Agent)交互中出现“提示词漂移”或格式不一致,本系统引入 **强 Schema 约束的多 Agent 交互协议**。底层数据交接与回写均强制校验 `schemas/handover-protocol.schema.json`。\r
\r
### 10.1 协作拓扑结构\r
```text\r
┌───────────────────────────────────────────────┐\r
│ 🔗 3/5 SKILL联动协调器 │\r
└───────┬───────────────────────────────┬───────┘\r
│ 校验数据格式 │ 校验数据格式\r
▼ ▼\r
┌─────────────────────────────────────┐ ┌─────────────────────────────────────┐\r
│ ❌ 智能错题本 (correction-notebook) │ │ 🧬 学习DNA (learning-dna) │\r
│ 发送: wrong_answer_handover │ │ 接收: profile_writeback │\r
└─────────────────────────────────────┘ └─────────────────────────────────────┘\r
```\r
\r
### 10.2 强 Schema 交互规范(JSON-RPC 格式)\r
当 AI 触发协作(如将数学错题交接给数学专属基因档案,或更新学习 DNA 档案)时,**必须在系统底层输出中附带强 Schema 约束的 JSON 块**。\r
\r
#### 1) 错题交接格式示例 (wrong_answer_handover)\r
```json\r
{\r
"sessionId": "session-123456",\r
"protocolVersion": "2.0.0",\r
"handoverType": "wrong_answer_handover",\r
"sender": "xiaozhi-correction-notebook",\r
"recipient": "xiaozhi-math-error-dna",\r
"payload": {\r
"wrongAnswerData": {\r
"errorId": "err-20260520-001",\r
"subject": "math",\r
"concept": "一次函数的斜率与截距",\r
"handoverTrigger": "stubborn_weakness",\r
"basicDimension": "概念模糊",\r
"surfaceInfo": {\r
"questionAbstract": "已知函数y=kx+b图象过一二三象限,求k,b符号。学生判定k\x3C0, b>0。",\r
"studentAnswer": "k\x3C0, b>0",\r
"surfaceRootCause": "混淆了斜率k的方向性与截距b的交点位置"\r
}\r
}\r
},\r
"timestamp": "2026-05-20T15:00:00Z"\r
}\r
```\r
\r
#### 2) DNA回写格式示例 (profile_writeback)\r
```json\r
{\r
"sessionId": "session-123456",\r
"protocolVersion": "2.0.0",\r
"handoverType": "profile_writeback",\r
"sender": "xiaozhi-feynman-learning",\r
"recipient": "xiaozhi-learning-dna",\r
"payload": {\r
"profileData": {\r
"updateTarget": "concept_graph",\r
"graphUpdates": [\r
{\r
"conceptName": "平面向量共线定理",\r
"subject": "数学",\r
"masteryLevel": "真正掌握",\r
"relationships": [\r
{ "relationType": "appliesTo", "targetNodeId": "受力平衡分析" }\r
]\r
}\r
]\r
}\r
},\r
"timestamp": "2026-05-20T15:05:00Z"\r
}\r
```\r
\r
### 10.3 异常与格式容错处理 (Exception Handling)\r
如果在多 Agent 流转中出现 Schema 解析异常或校验失败,系统必须执行以下容错响应逻辑:\r
1. **自动阻断写入**:禁止向长期 DNA 档案中写入格式畸形的数据,防止污染持久记忆库。\r
2. **触发降级降噪交互**:AI 立即向协作 Agent 发送重试指令,并在对话中自动降级为“单会话纯文本诊断模式”,确保不中断学生的辅导流程。\r
3. **日志警告**:向平台底层投递 `[SCHEMA_VALIDATION_ERROR]` 警告日志。\r
\r
---\r
\r
## 十一、禁止行为\r
\r
| ❌ 禁止 | ✅ 替代 |\r
|--------|--------|\r
| 按月自行触发全景月报 | 由用户明确请求时生成 |\r
| 全量拉取全部活跃SKILL的数据 | 只拉取当前任务所需摘要 |\r
| 默认写回学习DNA成长轨迹 | 仅在用户同意时写回必要摘要 |\r
| 默认同步到IM提醒 | 仅在用户明确同意提醒后同步 |\r
\r
---\r
\r
## 十二、参考资源\r
\r
- `references/one-week-linkage-record.md` - 完整的一周联动实录案例\r
\r
---\r
\r
> 🦞 **小龙虾说:**\r
> "一道错题的价值,远不止于‘改对’。 \r
> 它还应该告诉你:你为什么会错、你是不是真的懂了、 \r
> 你有没有留下笔记、你能不能执行下去。 \r
> 当这些环节连起来,学习系统才真的开始运转。"\r
- Make sure OpenClaw is installed (local or Docker)
- Run the install command in chat:
/install xiaozhi-skill-coordinator - After installation, invoke the skill by name or use
/xiaozhi-skill-coordinator - Provide required inputs per the skill's parameter spec and get structured output
What is Xiaozhi Skill Coordinator?
让错题本、费曼测试、康奈尔笔记与学习计划、时间专注数据在明确任务下协同工作。 当学生说“帮我生成全景月报”“学习系统运转得好吗”“联动分析这道题”时可激活此SKILL。 仅在当前任务需要且用户已同意相关数据使用时,按最小必要字段汇总,不默认跨SKILL全量拉取或写回。 It is an AI Agent Skill for Claude Code / OpenClaw, with 35 downloads so far.
How do I install Xiaozhi Skill Coordinator?
Run "/install xiaozhi-skill-coordinator" in the OpenClaw or Claude Code chat to install it in one step — no extra setup required.
Is Xiaozhi Skill Coordinator free?
Yes, Xiaozhi Skill Coordinator is completely free, licensed under MIT-0. You can download, install and use it at no cost.
Which platforms does Xiaozhi Skill Coordinator support?
Xiaozhi Skill Coordinator is cross-platform and runs anywhere OpenClaw / Claude Code is available (cross-platform).
Who created Xiaozhi Skill Coordinator?
It is built and maintained by xiaozhi (@qizhitang); the current version is v1.1.1.