Skillget

human-learning-skill

mcp
Guvenlik Denetimi
Uyari
Health Uyari
  • License — License: GPL-3.0
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Low visibility — Only 6 GitHub stars
Code Uyari
  • Code scan incomplete — No supported source files were scanned during light audit
Permissions Gecti
  • Permissions — No dangerous permissions requested
Purpose
This is an AI-powered learning planning skill designed for Claude Code. Through interactive dialogue, it assesses user goals, baseline knowledge, and time constraints to generate highly personalized, actionable study roadmaps across any subject.

Security Assessment
Overall risk: Low. The tool does not request any dangerous system permissions. Based on the repository structure, it functions as a set of Markdown-based instructions (a prompt/skill definition) placed inside the `.claude/skills/` directory rather than executing standalone application code. The automated code scan did not identify supported source files, which strongly suggests it is purely prompt-based and contains no executable scripts, shell command executors, or hardcoded secrets. It does not appear to make external network requests or access sensitive data beyond the learning topics you provide.

Quality Assessment
The project is very new and has low visibility, sitting at only 6 GitHub stars. However, it was recently updated (last push was today), indicating active maintenance. The repository is properly licensed under GPL-3.0 and clearly documented. The tool is inspired by the well-known "Mr. Ranedeer AI Tutor" and adapts the concept for Chinese learners using Claude Code. Given its extremely young age and lack of community adoption, the long-term maintenance trajectory remains uncertain.

Verdict
Safe to use — it is a straightforward, non-executable prompt skill with no dangerous capabilities, but keep its low community adoption and early-stage maturity in mind.
SUMMARY

An AI-powered learning planning skill that dynamically assesses user goals, baseline, and time constraints through interactive dialogue to generate personalized, highly actionable study roadmaps.一个基于 AI 的交互式学习规划技能。通过多轮对话动态评估用户的目标、基础和时间预算，最终生成高度定制化且可执行的学习路线图。

README.md

Platform Language License: GPLv3 Version

📚 智能学习导师 (AI Tutor)

一个运行在 Claude Code 上的个性化 AI 学习辅导技能
灵感来源于 Mr. Ranedeer AI Tutor，专为中文学习者打造

特性 • 快速开始 • 配置 • 命令 • 工作流 • 示例 • 致谢

✨ 特性

特性 描述
🎯 个性化配置 7 级学习深度 × 6 种学习风格 × 5 种沟通方式 × 5 种语气 × 5 种推理框架，共 5,250 种组合
📖 智能课程规划 自动分析前置知识缺口，生成「前置知识 → 主课程」完整学习路径
🧑‍🏫 自适应教学 根据你的配置动态调整教学方式（图表/实践/苏格拉底问答...）
📝 三级测试系统 基础 (3/10) → 进阶 (6/10) → 挑战 (9/10) 梯度测试，附详细评分与反馈
📊 进度追踪 记录学习轨迹、测试成绩、强项与薄弱点
🗺️ 知识脉络图 一键生成 ASCII 思维导图，建立知识体系
📂 Markdown 持久化 所有学习计划、课程、测试、笔记自动保存为 .md 文件，随时回顾复习
🌐 全学科覆盖 适用于编程、数学、物理、历史、语言学……任何你想学的领域

🚀 快速开始

安装

将 tutor 目录放入你的 Claude Code 技能目录下：

.claude/
└── skills/
    └── tutor/
        ├── SKILL.md      # 技能定义文件
        └── README.md     # 本文档

使用

在 Claude Code 中直接输入：

# 指定主题启动
/tutor Python编程

# 或不指定主题，由导师引导你选择
/tutor

导师会通过交互式问答引导你完成个性化配置，然后开始你的学习之旅。

⚙️ 个性化配置

启动后，导师会引导你逐步完成以下配置：

🎯 学习深度 (Depth)

决定内容的复杂度和专业程度

小学 ───── 初中 ───── 高中 ───── 本科 ───── 研究生 ───── 硕士 ───── 博士
 │          │          │          │           │           │         │
零基础    基础认知   学科基础   系统学习    扎实基础   独立研究   前沿研究
📋 各等级详细说明
等级 说明 适用人群
小学 (Grade 1-6) 用最简单的语言和生动的比喻解释概念 零基础入门
初中 (Grade 7-9) 引入基本术语，使用日常例子 有一点基础认知
高中 (Grade 10-12) 使用标准术语，引入基础公式和原理 有基本学科知识
本科 (Undergraduate) 系统性讲解，涉及理论推导 正在系统学习
研究生 (Graduate) 深入理论，关注前沿方法 有扎实基础
硕士 (Master's) 强调研究方法论和批判性分析 具备独立研究能力
博士 (Doctoral) 前沿研究、开放问题、跨学科视角 专业研究者

🧠 学习风格 (Learning Style)

风格 特点 适合场景
🖼️ 视觉型 图表、流程图、思维导图 结构化知识、系统架构
💬 语言型 详细文字解释和叙述 理论概念、文科知识
🔨 实践型 动手练习、编码、实验 编程、工程、实验科学
💡 直觉型 先整体后细节 快速入门、建立框架
🪞 反思型 对比分析、深度思考 哲学、策略、决策分析
🌍 全局型 先宏观框架再填充细节 复杂系统、跨学科学习

🗣️ 沟通方式 (Communication Style)

方式 描述
📄 正式 学术论文风格，严谨规范
📕 教科书 类似教材的结构化表述
💬 通俗 大白话，避免专业术语
📖 故事型 通过故事和场景传达知识
❓ 苏格拉底式 通过提问引导自主思考

🌟 语气风格 (Tone Style)

鼓励型 · 中立型 · 知识型 · 友好型 · 幽默型

🔎 推理框架 (Reasoning Framework)

演绎推理 · 归纳推理 · 溯因推理 · 类比推理 · 因果推理

📋 命令参考

所有操作统一通过 /tutor 命令入口调用，使用子命令区分功能。

为什么不是独立命令？ 在 Claude Code 中，只有 /tutor 是注册的 skill 命令。像 /plan、/config 等独立斜杠命令要么不存在，要么会与 Claude Code 内置功能冲突（例如 /plan 会触发 Plan Mode）。因此所有功能统一挂在 /tutor 下。

核心命令

命令 说明 示例
/tutor [主题] 启动学习导师 /tutor 机器学习
/tutor plan 生成学习路径大纲 /tutor plan
/tutor start [编号] 开始/跳转课程 /tutor start 或 /tutor start 1.3
/tutor continue 继续下一课 /tutor continue
/tutor test [范围] 生成测试题 /tutor test 或 /tutor test all

辅助命令

命令 说明 示例
/tutor config 重新配置学习偏好 /tutor config
/tutor question <问题> 对当前内容提问 /tutor question 什么是梯度下降？
/tutor progress 查看学习进度 /tutor progress
/tutor review <编号> 复习指定课程 /tutor review 1.2
/tutor summary 生成已学内容总结笔记 /tutor summary
/tutor mindmap 生成知识脉络图 (ASCII) /tutor mindmap

🔄 工作流程

┌─────────────────────────────────────────────────────────────────┐
│                        学习流程总览                              │
└─────────────────────────────────────────────────────────────────┘

     ┌──────────┐     ┌──────────────┐  ┌──────────────┐  ┌──────────────┐
     │  初始化   │────▶│  学习路径     │─▶│    授  课     │─▶│  测试考核     │
     │  /tutor   │     │ /tutor plan  │  │ /tutor start │  │ /tutor test  │
     └──────────┘     └──────────────┘  └──────┬───────┘  └──────┬───────┘
          │                                     │                 │
          ▼                                     ▼                 ▼
   ┌─────────────┐                    ┌────────────────┐  ┌──────────┐
   │ 选择主题     │                    │/tutor continue │  │ 评分反馈  │
   │ 配置深度     │                    │  进入下一课     │  │ 薄弱分析  │
   │ 配置风格     │                    └───────┬────────┘  │ 学习建议  │
   │ 配置语气     │                            │           └──────────┘
   │ 配置推理框架  │                            │
   │ 评估基础     │                    ┌───────▼────────┐
   └─────────────┘                    │  循环直至完成    │
                                      └────────────────┘

阶段一：初始化与配置

/tutor Python编程

📚 你好！我是你的 AI 学习导师！

让我们先了解一下你的学习需求和偏好吧！

导师通过交互式问答收集你的学习深度、风格、沟通方式等偏好，生成个性化配置。

阶段二：学习路径规划

/tutor plan

📚 前置知识
  0.1 变量与数据类型                    ⭐      ~15min
  0.2 控制流（条件与循环）               ⭐⭐    ~20min
  0.3 函数基础                          ⭐⭐    ~20min
  ...

📖 主课程大纲
  1.1 面向对象编程基础                   ⭐⭐    ~25min
  1.2 类与对象                          ⭐⭐    ~30min
  1.3 继承与多态                        ⭐⭐⭐  ~35min
  ...

阶段三：分步授课

/tutor start

导师根据你的配置风格（视觉型用图表、实践型给练习、苏格拉底式用提问引导...）讲解每一课。每课包含：

  • 🎯 学习目标
  • 📝 核心内容（附例子和图表）
  • 💡 关键要点
  • 🔗 知识关联
  • 🤔 思考题

阶段四：测试考核

/tutor test

📝 测试：Python 面向对象编程

📘 示例题（附完整解题过程）
   ...

🟢 基础题（难度 3/10） — 概念理解
🟡 进阶题（难度 6/10） — 灵活运用
🔴 挑战题（难度 9/10） — 深度应用

💡 示例

示例 1：学习线性代数（本科 + 视觉型） 
> /tutor 线性代数

📋 你的学习配置：
━━━━━━━━━━━━━━━━━━━━━━━━
📖 学习主题：线性代数
🎯 学习深度：本科
🧠 学习风格：视觉型
🗣️ 沟通方式：教科书
🌟 语气风格：鼓励型
🔎 推理框架：演绎推理
📝 当前基础：高中数学基础
━━━━━━━━━━━━━━━━━━━━━━━━

> /tutor plan

📚 前置知识
  0.1 集合与映射 .................. ⭐     ~15min
  0.2 实数域与复数域 .............. ⭐     ~10min

📖 主课程大纲
  1.1 向量与向量空间 .............. ⭐⭐   ~30min
  1.2 矩阵与矩阵运算 .............. ⭐⭐   ~35min
  1.3 行列式 ...................... ⭐⭐⭐ ~40min
  1.4 线性方程组 .................. ⭐⭐⭐ ~45min
  ...

> /tutor start

━━━━━━━━━━━━━━━━━━━━━━━━
📖 课程 1.1：向量与向量空间
━━━━━━━━━━━━━━━━━━━━━━━━

  ## 🎯 学习目标
  理解向量的几何意义与代数定义...

  ## 📝 核心内容

  向量的几何表示：

      y
      ↑   →
      │  v = (3, 2)
    2 │ ·  ╱
      │   ╱
    1 │  ╱
      │ ╱
    0 └──────────→ x
      0  1  2  3

  ...
示例 2：学习 Python（初中 + 实践型 + 幽默语气） 
> /tutor Python编程

📋 你的学习配置：
━━━━━━━━━━━━━━━━━━━━━━━━
📖 学习主题：Python 编程
🎯 学习深度：初中
🧠 学习风格：实践型
🗣️ 沟通方式：通俗
🌟 语气风格：幽默型
🔎 推理框架：类比推理
📝 当前基础：完全零基础
━━━━━━━━━━━━━━━━━━━━━━━━

> /tutor start

━━━━━━━━━━━━━━━━━━━━━━━━
📖 课程 0.1：什么是编程？
━━━━━━━━━━━━━━━━━━━━━━━━

  编程就像写菜谱 🍳

  你告诉计算机（厨师）一步步该干什么，
  它就会照着你的指令（菜谱）执行。

  🔨 动手试一试：
  在 Python 里输入以下代码，看看会发生什么：

  print("你好，世界！我是一个 Python 程序！")

  ...
示例 3：苏格拉底式学习哲学 
> /tutor 西方哲学导论

📋 你的学习配置：
━━━━━━━━━━━━━━━━━━━━━━━━
📖 学习主题：西方哲学导论
🎯 学习深度：本科
🧠 学习风格：反思型
🗣️ 沟通方式：苏格拉底式
🌟 语气风格：中立型
🔎 推理框架：溯因推理
━━━━━━━━━━━━━━━━━━━━━━━━

> /tutor start

导师：在我们开始之前，我想先问你一个问题——
     你觉得"知识"和"信念"之间有什么区别？

学生：知识是确定的，信念可能是错的？

导师：很好的起点。那如果有人非常确定地相信一件事，
     而且碰巧这件事确实是真的——这算"知识"吗？

学生：嗯...好像还缺了点什么？

导师：你已经触及了柏拉图在《泰阿泰德篇》中
     讨论的核心问题。他提出知识需要三个条件...

🏗️ 教学设计原则

本技能遵循以下教学设计原则：

┌────────────────────────────────────────────────┐
│               八大教学原则                       │
├────────────────────────────────────────────────┤
│                                                │
│  1. 循序渐进  严格匹配学习深度，不超纲不过浅      │
│  2. 反馈驱动  根据回答和表现动态调整教学策略       │
│  3. 鼓励为主  正面反馈 + 建设性改进建议           │
│  4. 知识连接  新旧知识点之间建立显式关联           │
│  5. 实例丰富  每个概念至少一个贴近实际的例子       │
│  6. 主动检查  关键知识点后主动确认理解程度         │
│  7. 表达生动  适度使用 emoji，增强可读性           │
│  8. 中文优先  中文教学，专业术语附注英文原文        │
│                                                │
└────────────────────────────────────────────────┘

🆚 与 Mr. Ranedeer 的对比

特性 Mr. Ranedeer 智能学习导师 (本项目)
运行平台 ChatGPT (GPT-4) Claude Code
语言 英文为主 中文原生
配置方式 修改 prompt / Wizard 交互式问答引导
学习深度 9 级 7 级（更贴合中国教育体系）
进度追踪 基础 详细（成绩记录、强弱项分析）
知识图谱 无 ASCII 思维导图 (/tutor mindmap)
总结笔记 无 自动生成 (/tutor summary)
复习功能 无 支持 (/tutor review)
测试系统 三级难度 三级难度 + 详细评分报告

📁 文件结构

技能文件

.claude/skills/tutor/
├── SKILL.md        # 技能核心定义（Claude Code 加载此文件）
└── README.md       # 项目说明文档（本文件）

学习输出目录

启动时你会选择一个输出文件夹，所有学习资料自动保存在其中：

<你选择的文件夹>/
├── README.md                            ← 配置信息 + 课程总览
├── plan.md                              ← 完整学习路径
├── progress.md                          ← 学习进度（自动更新）
├── summary.md                           ← 总结笔记
├── mindmap.md                           ← 知识脉络图
├── qa.md                                ← 问答记录
├── lessons/                             ← 课程内容
│   ├── 0.1-HTTP协议与请求结构.md
│   ├── 0.2-会话管理与身份标识.md
│   ├── 1.1-越权漏洞全景图.md
│   └── ...
└── tests/                               ← 测试记录（含评分结果）
    ├── test-0.1-HTTP协议与请求结构.md
    ├── test-all-综合测试.md
    └── ...

每次上课、测试、提问后，对应文件会自动创建或更新。你可以用任何 Markdown 编辑器随时回顾这些内容。

🤝 致谢

📄 许可证

本项目基于 GPL-3.0 许可证 开源。

用 ❤️ 和 Claude 构建 | 让学习成为一种享受

Yorumlar (0)

Sonuc bulunamadi