这 3 年做教育相关项目，我把一些经验整理成了一个开源 Agent Skills 项目

过去 3 年，我一直在做教育相关的事情。

这几年接触过很多和教育有关的场景：学生学习、家长陪学、老师备课、作业练习、错题复盘、考试复习、知识点讲解、学习计划等等。

刚开始做 AI 教育时，我也和很多人一样，会很自然地想：

是不是只要写几个 Prompt，套上大模型，就能做一个 AI 老师？

但做了一段时间之后，我越来越觉得，教育场景远比想象中复杂。

教育不是一个简单的"问答场景"。

它更像是一套长期陪伴、持续反馈、不断调整的流程系统。

比如一个学生问：

"这道题我不会。"

这句话背后其实有很多隐含信息：

• 他是几年级？
• 当前学到什么阶段？
• 这道题属于哪个知识点？
• 他是真的完全不会，还是某一步卡住了？
• 应该直接讲答案，还是先引导？
• 要不要补一个类似题？
• 要不要记录到错题本？
• 要不要生成复习建议？

如果是家长问同样的问题，输出方式又不一样。

如果是老师问同样的问题，可能需要的是讲解思路、变式题、课堂设计和作业安排。

所以这几年下来，我最大的感受是：

AI 教育真正难的地方，不是让模型"回答"，而是让它在正确的教育场景里做正确的事情。

基于这个思考，我最近把自己这几年做教育相关项目时积累的一些经验，整理成了一个开源项目：

Hermes Edu Skills

GitHub 地址：

https://github.com/zhongweiv/hermes-edu-skills

它不是一个简单的 Prompt 合集，而是一套面向中文教育场景的 Agent Skill Pack。

目前项目里已经整理了 170 个可安装 Skill，覆盖：

• 教材同步
• 学习能力
• 每日练习
• 阅读写作
• 考试备考
• 老师工具
• 家庭教育
• 语言学习
• 成人学习

如果你也在做 AI 教育、Agent、学习助手、老师工具、错题系统或者题库产品，希望这篇文章能给你一些参考。

---

一、这几年做教育项目后，我对 AI 教育有几个变化很大的认知

刚开始看 AI 教育，很容易被"AI 老师""AI 家教""拍照答疑""自动批改"这些概念吸引。

这些当然都很有价值。

但真正做项目之后，我发现教育场景里有几个问题非常关键。

---

1. 教育不是通用聊天，必须有场景边界

大模型本身很强，但它默认是一个通用助手。

通用助手的问题是：它什么都能说，但不一定知道当前教育任务的边界在哪里。

比如学生问一道数学题，如果模型直接给出完整答案，可能短期看起来很爽，但长期看不一定有利于学习。

更好的方式可能是：

1. 先判断知识点；
2. 再判断学生卡在哪一步；
3. 先给提示；
4. 再给过程；
5. 最后给一个类似题巩固。

也就是说，教育 AI 不应该只是"回答正确"，还要考虑"怎么帮助学习真正发生"。

这也是我后来更倾向于用 Skill 来组织能力的原因。

Skill 可以把一个教育任务的目标、边界、输入参数、输出结构提前定义好，而不是每次都让模型临场发挥。

---

2. 教育产品不能只按"学科"拆能力

很多教育项目一开始会按学科拆：

• 语文
• 数学
• 英语
• 物理
• 化学
• 生物
• 历史
• 地理
• 政治

这个思路没错，但不够。

因为真实使用时，用户不是只说"我要数学"，而是会说：

帮我出 20 道三年级口算题。

帮我复盘这道错题。

帮我做一份期末复习计划。

帮我讲一下八年级下册物理浮力。

帮我写一份家校沟通话术。

帮我生成一份课堂练习。

帮我陪孩子背古诗。

这些任务同时涉及：

• 学段
• 学科
• 教材
• 角色
• 任务类型
• 输出形式
• 使用频率

所以 Hermes Edu Skills 在设计时，没有只按学科拆，而是结合了"产品场景"和"教育任务"。

比如：

• 教材同步是一类；
• 错题复盘是一类；
• 每日练习是一类；
• 老师工具是一类；
• 家庭教育又是一类。

这种拆法更接近真实产品，也更方便后续接入 Agent。

---

3. 教育 Agent 需要长期记忆，但不能什么都记

这几年做教育相关项目时，我经常会思考一个问题：

AI 学习助手到底应该记住什么？

它当然应该记住一些长期有用的信息，比如：

• 学生年级
• 教材版本
• 薄弱知识点
• 常错题型
• 学习目标
• 每天练习情况
• 近期考试安排

但它不应该什么都记。

教育场景里的记忆应该服务于学习，而不是变成一个杂乱的聊天记录仓库。

所以如果以后要基于 Hermes Edu Skills 做完整教育 Agent，我觉得比较合理的结构是：

短期上下文：当前对话、当前题目、当前任务
阶段记忆：最近一周 / 一个单元的学习情况
长期画像：年级、教材、能力水平、薄弱点
学习事件：错题、练习、测试、复习记录
反馈机制：根据学习结果调整后续任务

Skill 在这里扮演的角色，就是让每一次学习行为变得更结构化，方便后续记录、分析和调整。

---

4. 家长、学生、老师其实需要的是不同的 AI

同样是教育，但不同角色的需求完全不同。

学生需要的是：

• 讲得懂
• 不打击人
• 能一步一步引导
• 能及时练习
• 能帮他从不会到会

家长需要的是：

• 知道孩子哪里不会
• 知道怎么陪学
• 知道怎么沟通
• 知道什么时候该帮，什么时候该放手

老师需要的是：

• 备课更快
• 出题更方便
• 作业更有层次
• 班级学情更清楚
• 家校沟通更省力

所以一个教育 Agent 如果只用一个统一 Prompt 服务所有人，很容易失控。

我的做法是把不同角色的任务拆到不同 Skill 里。

这不一定是唯一答案，但至少在工程上更容易维护，也更容易逐步迭代。

---

二、为什么我最后选择用 Skill Pack 的方式整理这些能力

这几年我尝试过很多方式来组织 AI 教育能力。

最早可能就是简单 Prompt。

比如：

你是一个小学数学老师，请帮我......

这种方式上手很快，也适合验证想法。

但问题也很明显：

• Prompt 越写越长；
• 很多内容重复；
• 不同能力之间边界不清楚；
• 很难做版本管理；
• 很难复用；
• 很难接入工具链；
• 也很难让 Agent 自动选择。

后来我越来越觉得，教育 AI 需要的不是一堆散乱 Prompt，而是一套可以被发现、安装、调用、组合和维护的能力系统。

这就是 Hermes Edu Skills 的基本思路。

每个 Skill 都是一个相对独立的教育能力单元。

它可以描述：

• 这个 Skill 解决什么问题；
• 适合什么角色；
• 需要哪些输入参数；
• 输出应该是什么结构；
• 应该遵守哪些教育原则；
• 什么时候不应该使用；
• 是否需要工具调用；
• 是否适合和其他 Skill 组合。

这种方式更像是在搭一个教育 Agent 的"能力库"。

---

三、Hermes Edu Skills 现在是什么状态

目前这个项目已经整理了 170 个可安装 Skill。

整体分成 9 大类：

1. 教材同步
2. 学习核心能力
3. 每日练习
4. 阅读写作
5. 考试备考
6. 教师工具
7. 家庭教育
8. 语言学习
9. 成人与职业学习

项目里不只是放 Markdown 文件，还包含了：

skills/                         具体 Skill 内容
catalog.json                    Skill 目录索引
.well-known/skills/index.json   Skill discovery 入口
bin/hermes-edu-skills.mjs       CLI 入口
scripts/validate.mjs            校验脚本
scripts/agent-pack.mjs          Agent Pack 导出脚本
CONTRIBUTING.md                 贡献说明
SECURITY.md                     安全说明
.github/workflows/validate.yml  GitHub Actions 校验流程

也就是说，它不是一个临时整理的文档仓库，而是尽量按照一个可维护、可扩展、可安装的开源包来设计。

---

四、技术设计上，我重点考虑了几个问题

1. Skill 的颗粒度不能太粗，也不能太细

这是我觉得教育 Agent 设计里很重要的一点。

如果 Skill 太粗，比如只有一个：

education-assistant

那它又变成了万能 Prompt，内部逻辑会越来越复杂。

但如果 Skill 太细，比如拆成：

一年级上册语文第一课
一年级上册语文第二课
二年级上册数学第一单元第一课时
八年级物理浮力选择题
八年级物理浮力填空题

那数量会爆炸，也很难维护。

所以我现在更倾向于：

能力按任务拆，具体年级、教材、单元、知识点作为参数传入。

比如"教材同步学习"可以是一个 Skill，但它需要支持：

• 学段
• 年级
• 学科
• 教材版本
• 册别
• 单元
• 课时
• 知识点
• 难度
• 输出类型

这样既保留了教育场景的结构，又避免把 Skill 拆成无限多个碎片。

---

2. Skill 要能被机器读取，而不是只给人看

如果只是给人看，README 写清楚就够了。

但 Agent 需要的是可读取、可匹配、可安装、可调用。

所以项目维护了：

catalog.json
.well-known/skills/index.json

这两个文件的作用类似于 Skill Registry 的索引层。

未来无论是 Hermes Agent，还是其他 Agent Runtime，都可以通过索引知道：

• 有哪些 Skill；
• 每个 Skill 属于什么分类；
• slug 是什么；
• 路径在哪里；
• 适合什么任务；
• 如何安装或导出。

这也是我没有只做"文章式整理"的原因。

开源项目要想真正被复用，结构化索引很重要。

---

3. CLI 是为了降低使用门槛

教育项目里有一个常见问题：

设计得很完整，但用户跑不起来。

所以我加了 CLI。

目前可以通过类似下面的命令使用：

# 安装全部 Skill 到 Hermes Agent
npx hermes-edu-skills install hermes --config ~/.hermes/config.yaml

也可以按分类安装：

# 只安装教材同步分类
npx hermes-edu-skills install hermes textbook-sync --config ~/.hermes/config.yaml

搜索 Skill：

npx hermes-edu-skills search 错题

查看 Skill：

npx hermes-edu-skills info agent-mistake-review

自然语言匹配 Skill：

npx hermes-edu-skills ask "帮我出5道八年级下册物理力学选择题"

我个人非常看重 ask 这种方式。

因为真实用户不会记住 Skill 名称。

用户只会说自然语言。

所以一个好的 Agent Skill 系统，不能要求用户先理解内部结构，而应该通过路由层自动匹配合适的能力。

---

4. 校验机制很重要

Skill 一多，最容易出问题的是一致性。

比如：

• catalog 里有，但文件不存在；
• 文件存在，但 catalog 没登记；
• frontmatter 不完整；
• 分类写错；
• 作者字段缺失；
• discovery index 不一致。

这些问题手动检查非常痛苦。

所以项目里加了校验脚本和 GitHub Actions。

每次提交时都可以检查：

• Skill 数量；
• 索引一致性；
• frontmatter；
• source；
• author；
• discovery index。

这对开源项目很重要。

因为只有结构稳定，别人以后才敢基于它二次开发。

---

五、这个项目适合谁参考

我觉得 Hermes Edu Skills 不只是给 Hermes Agent 用户看的。

如果你在做下面这些方向，也可以参考里面的设计：

• AI 学习助手
• 拍照答疑
• 错题本
• AI 老师
• 智能题库
• 老师备课工具
• 家校沟通工具
• 教育 SaaS
• 儿童陪学产品
• 成人学习助手
• Agent Runtime
• Skill Registry
• Prompt 工程化管理

你可以直接使用其中的 Skill，也可以只参考它的分类方式、命名方式、参数设计和 CLI 思路。

尤其是如果你正在做中文教育场景，我觉得它能节省不少前期梳理成本。

因为教育场景最麻烦的地方，往往不是模型调用，而是"到底应该拆哪些能力"。

---

六、我对教育 Agent 后续的一些判断

这几年做下来，我越来越觉得，教育 AI 会从"聊天式产品"慢慢走向"任务式 Agent"。

也就是说，未来用户不是打开一个聊天框随便问，而是进入一个具体学习流程：

今天要练什么？
哪里薄弱？
错题怎么复盘？
下一步补什么？
多久复习一次？
老师怎么布置？
家长怎么看结果？

在这个过程中，大模型只是其中一层。

完整系统还需要：

• Skill 路由
• 学习记忆
• 知识点图谱
• 题目生成
• 答题记录
• 错题分析
• 阶段报告
• 家校沟通
• 长期反馈

Hermes Edu Skills 现在只是其中的 Skill 层。

但我觉得这是一个很重要的基础层。

因为只有先把教育任务拆清楚，后面的记忆、工具、知识库、题库和评测才有落点。

---

七、为什么选择开源

选择开源，一方面是希望这个项目能被更多人看到、使用和反馈。

另一方面，也是因为我觉得中文教育 AI 还有很多基础工作值得大家一起做。

现在很多 AI 应用都在追热点，但教育不是一个短平快的方向。

它需要长期打磨：

• 要懂教材；
• 要懂学生；
• 要懂家长；
• 要懂老师；
• 要懂考试；
• 还要懂产品和工程。

一个人很难把所有场景都做完。

所以我希望先把自己这几年沉淀的一部分东西拿出来，作为一个开放起点。

如果有人愿意基于它继续扩展 Skill、优化分类、接入更多 Agent Runtime、补充更多教材场景，那这个项目就更有意义。

---

八、后续计划

后面我准备继续做这些事情：

• 继续补充更多高质量 Skill；
• 完善 Skill 的质量等级和审核状态；
• 增加更多教材同步场景；
• 补充更多使用示例；
• 支持更多 Agent Runtime 导出；
• 增强自然语言 Skill 匹配能力；
• 补充工具调用场景；
• 探索和长期学习记忆结合；
• 整理更多教育 Agent 产品化实践。

如果后续 Hermes / OpenClaw / Codex / Cursor / Claude Code 等工具链都有更成熟的 Skill 机制，我也会继续适配。

---

最后，欢迎交流，也求一个 Star

如果你也在关注 AI 教育、Agent、老师工具、错题系统、学习助手、中文教育场景，欢迎看看这个项目：

https://github.com/zhongweiv/hermes-edu-skills

如果觉得这个方向有价值，也欢迎帮忙点一个 Star。

这个 Star 对我来说，不只是一个数字。

它更像是一个反馈：说明这个方向有人关注，也说明中文教育 Agent 的基础能力建设值得继续做下去。

我也欢迎大家提 Issue、提建议、提 PR，或者只是聊聊你在教育 AI 场景里遇到的问题。

这几年做教育相关项目，我最大的感受是：

教育 AI 不应该只追求"回答得像老师"，

更应该追求"真的能帮助学习发生"。

希望这个项目能成为一个小小的起点。