ClawHub

Gaokao Calculus Bridge

桥接2026高考数学改革与高等数学教育，培养真实世界问题解决能力。当用户需要情境化数学建模、跨学科应用、或从刷题模式转向素养培养时触发。

Audits

Pass
ClawScanPass

Agentic behavior and permission review.

Static analysisPass

Pattern checks against bundled files.

VirusTotalAdvisory

Multi-engine malware detections and file reputation.

Install

openclaw skills install gaokao-calculus-bridge

高考-高数衔接智慧课程 (Gaokao-Calculus Bridge)

When to Use

触发条件（满足任一即激活）：

  • 用户提及"2026高考数学改革"、"情境化命题"、"真实世界问题"
  • 用户需要从高中刷题模式过渡到大学数学学习
  • 用户需要解决跨学科数学建模问题（AI/物理/经济/生物背景）
  • 用户遇到长题干数学题，需要信息提取与建模指导
  • 用户希望培养"数学翻译"能力（现实→数学语言）
  • 用户需要设计项目式、探究式数学学习任务

不触发条件：

  • 纯计算题求解（使用计算工具Skill）
  • 标准定理证明（使用推导动画Skill）
  • 单纯的概念查询（使用概念可视化Skill）

Quick Reference

命令/请求功能
"分析2026高考改革要求"输出改革核心要点与应对策略
"生成情境化题目 [领域]"生成指定领域的真实世界数学问题
"建立概念映射 [高中概念] → [大学概念]"展示知识衔接路径
"开始项目式学习 [主题]"启动完整PBL学习流程
"分析长题干题目 [粘贴题目]"信息提取与建模指导
"推荐学习路径 [当前水平]"生成个性化学习方案

Core Workflows

Workflow 1: 高考改革要点解析

当用户询问2026高考数学改革时执行：

  1. 输出改革三重内核（引用references/gaokao_2026_reform.md）：

    • 科技是背景板，建模是考点
    • 阅读能力是数学的新底盘
    • 从"深挖洞"到"广积粮"的策略转变

  2. 能力对标分析：

    • 高考要求 → 大学数学能力 → 本Skill培养方案
    • 使用脚本：python3 scripts/concept_mapper.py --mode=ability

  3. 提供即时行动建议：

    • 若用户是高中生：推荐"情境化解题训练"
    • 若用户是大学生：推荐"真实建模项目"
    • 若用户是教师：推荐"课程设计方案"

Workflow 2: 情境化题目生成

当用户需要真实世界数学问题时执行：

  1. 确定情境领域（根据config.domain_focus或用户输入）：

    • 科技前沿：AI/量子计算/碳中和/脑机接口
    • 工程应用：电路优化/结构力学/信号处理
    • 社会经济：金融/人口/资源分配
    • 自然科学：生物种群/流行病/物理场

  2. 运行生成脚本：

    python3 scripts/problem_generator.py \
  --domain "${DOMAIN}" \
  --difficulty "${DIFFICULTY}" \
  --topic "${MATH_TOPIC}" \
  --output-format markdown

  3. 题目结构要求（必须包含）：

    • 背景段：300-400字真实情境描述（含科技/人文元素）
    • 信息层：嵌入关键参数、变量、约束条件（需提取）
    • 问题链：从具体到抽象的分层设问
    • 建模提示：引导学生完成"翻译"的关键问题

  4. 示例输出格式：

    ## 情境：[领域名称]

【背景】[真实世界描述，含专业术语]

【信息提取】
- 关键变量：[列表]
- 约束条件：[列表]
- 目标：[优化/预测/证明]

【数学建模】
请将上述情境转化为数学问题：[提示]

【问题】
(1) [基础计算]
(2) [模型建立]
(3) [拓展分析]

Workflow 3: 长题干解析与建模

当用户提供长题干题目时执行：

  1. 信息提取阶段：

    • 使用脚本：python3 scripts/model_extractor.py --text="${USER_INPUT}"
    • 提取：关键参数、隐含条件、逻辑关系、问题意图

  2. 结构化分析：

    ### 题目解构报告

**原始字数**：XXX字
**核心信息**：XX个参数，XX个约束

**信息图谱**：
[变量A] → [关系] → [变量B]

**建模路径**：
现实概念 [术语] → 数学抽象 [概念] → 工具选择 [方法]

  3. 分步引导策略：

    • 第一步：翻译（圈画关键信息）
    • 第二步：建模（建立变量关系）
    • 第三步：求解（选择数学工具）
    • 第四步：验证（回归现实情境）

Workflow 4: 概念映射与衔接

当用户需要理解高中到大学的知识跃迁时执行：

  1. 运行映射脚本：

    python3 scripts/concept_mapper.py \
  --from "${HIGH_SCHOOL_CONCEPT}" \
  --to "${COLLEGE_CONCEPT}" \
  --visualization true

  2. 输出衔接方案：

    • 高中基础：[知识点+典型题型]
    • 大学拓展：[理论深化+应用场景]
    • 鸿沟识别：[常见认知断层]
    • 过渡练习：[桥接性题目]

  3. 可视化展示：

    • 知识图谱（文本形式）
    • 难度梯度曲线
    • 典型错误预警

Workflow 5: 项目式学习(PBL)设计

当用户需要完整的学习项目时执行：

  1. 项目启动（使用templates/project_guide.md）：

    • 真实问题选择（来自references/real_world_cases.md）
    • 学习目标设定（知识+能力+素养）
    • 角色分配（数学家/工程师/数据分析师）

  2. 阶段推进：

    • 阶段1：问题解构（1-2课时）
      • 背景调研、信息收集、问题定义
    • 阶段2：模型构建（2-3课时）
      • 假设简化、变量选择、方程建立
    • 阶段3：求解验证（2课时）
      • 数学求解、结果解释、模型检验
    • 阶段4：成果展示（1课时）
      • 报告撰写、同伴评议、反思提升

  3. 评价量规：

    • 情境理解准确度（30%）
    • 模型合理性（30%）
    • 数学工具运用（25%）
    • 创新性与表达（15%）

Workflow 6: 自适应学习路径

当用户需要个性化学习方案时执行：

  1. 诊断评估：

    • 当前水平测试（高考真题情境题）
    • 薄弱环节识别（信息提取/建模/计算/跨学科）
    • 学习目标确认（应试/能力提升/竞赛/科研）

  2. 路径生成（运行脚本）：

    python3 scripts/learning_path_advisor.py \
  --assessment "${ASSESSMENT_RESULT}" \
  --goal "${LEARNING_GOAL}" \
  --duration "${TIME_FRAME}"

  3. 输出内容：

    • 周计划（情境化题目+阅读材料+建模练习）
    • 资源推荐（跨学科阅读清单+工具教程）
    • 里程碑检测（阶段性能力自评）

Integration with Existing Skills

本Skill与已有高数Skill的协同：

本Skill输出衔接Skill使用场景
情境化题目（需可视化）calculus-concept-visualizer抽象概念动态演示
复杂推导过程derivation-animation-skill分步推导动画生成
建模错误分析error-analysis-skill错题归因与针对性训练
跨学科数据calculus-resource-harvester真实数据采集与验证

调用示例：

用户："生成一道AI优化情境的数学题并可视化"

执行流程：
1. gaokao-calculus-bridge 生成题目（Workflow 2）
2. 检测到"梯度下降"概念 → 调用 calculus-concept-visualizer 生成3D可视化
3. 整合输出：情境描述 + 交互式GeoGebra嵌入 + 分步建模指导

Pitfalls & Warnings

常见失败模式：

  1. 情境过载：

    • 问题：背景描述过于复杂，学生困于术语理解
    • 解决：提供"术语速查表"，区分"需理解的背景"与"可剥离的噪音"

  2. 建模跳跃：

    • 问题：从现实到数学的跨越过大，学生无从入手
    • 解决：提供"脚手架"——中间变量设定、简化假设提示、类比案例

  3. 跨学科恐惧：

    • 问题：学生因不熟悉专业领域而产生认知恐惧
    • 解决：强调"背景只是背景板"，提供领域无关的通用建模框架

  4. 评价偏差：

    • 问题：过度关注数学解的正确性，忽视建模过程
    • 解决：使用本Skill提供的评价量规，平衡过程与结果

Verification

验证Skill正常工作：

  1. 基础测试：

    输入："2026高考数学改革考什么？"
预期输出：包含"情境化建模、深度阅读、广度积累"三要点

  2. 生成测试：

    输入："生成一道碳中和情境的微积分题"
预期输出：包含背景描述、信息提取层、分层问题的完整题目

  3. 映射测试：

    输入："映射 高中导数 → 大学微分学"
预期输出：知识衔接路径+典型断层+过渡练习

故障排查：

  • 若脚本运行失败：检查Python依赖是否安装（pip install -r requirements.txt）
  • 若API调用失败：检查OPENAI_API_KEY环境变量
  • 若输出格式异常：检查config.yaml中的difficulty_level设置

References

详细文档请查阅references/目录：

  • gaokao_2026_reform.md：改革政策原文与解读
  • real_world_cases.md：分类真实世界案例库
  • modeling_templates.md：通用数学建模模板
  • interdisciplinary_models.md：跨学科模型速查

脚本使用文档：

  • 运行python3 scripts/<script>.py --help查看参数说明
  • 所有脚本支持--output-format json用于程序化调用