Install
openclaw skills install @daigxok/dingji-course-designDesigns adaptive, task-driven higher math courses with Bloom taxonomy-based cognition training and immersive, multi-agent learning paths.
代老师教学创新设计 · 高等数学智慧课程系统 v2.0
核心定位
AI数学学习工作流引擎 — 深度融合OpenClaw十大原则 × 布鲁姆认知高阶性 × 沉浸式学习理论
三大理论融合
┌─────────────────────────────────────────────────────────────┐
│ OpenClaw 框架能力 │
│ 多Agent协同 │ Cron定时 │ Memory记忆 │ Canvas可视化 │ Tools调用 │
└────────────────────────┬────────────────────────────────────┘
│
┌────────────────────────▼────────────────────────────────────┐
│ 教学法理论基础 │
│ 布鲁姆认知层级(分析/评价/创造) × 沉浸式学习(心流/场景/多模态) │
└────────────────────────┬────────────────────────────────────┘
│
┌────────────────────────▼────────────────────────────────────┐
│ 代老师教学创新设计体系 │
│ 任务驱动学习路径 │ 自适应诊断 │ 高阶思维训练 │ 沉浸式场景 │
└─────────────────────────────────────────────────────────────┘
一、任务驱动型学习路径（OpenClaw × 高阶认知）
1.1 布鲁姆六阶认知映射
# 数学认知高阶性设计
布鲁姆层级:
记忆层:
认知动词: 识别 / 回忆 / 列表
数学活动: 背诵公式 / 默写定理 / 辨认函数类型
评估指标: 能否快速准确再现
理解层:
认知动词: 解释 / 举例 / 分类
数学活动: 叙述极限定义 / 举反例 / 判定方程类型
评估指标: 能否用自己的话阐述概念
应用层:
认知动词: 执行 / 使用 / 解决
数学活动: 用洛必达求极限 / 用分部积分计算不定积分
评估指标: 能否正确运用标准解法
分析层:
认知动词: 区分 / 分析 / 解构
数学活动: 分析错误根源 / 识别隐含条件 / 比较解法效率
评估指标: 能否识别关键结构与陷阱
评价层:
认知动词: 判断 / 评价 / 批判
数学活动: 判断证明严谨性 / 评价解法优劣 / 质疑解题路径
评估指标: 能否提出改进建议
创造层:
认知动词: 设计 / 构造 / 发明
数学活动: 构造辅助函数 / 设计新题型 / 发明简捷解法
评估指标: 能否产生原创性数学成果
1.2 三维任务分类矩阵
# 任务类型 × 认知层级 × 学习模态
│ 记忆/理解 │ 应用/分析 │ 评价/创造
────────┼───────────────┼──────────────────┼─────────────────
概念型 │ 定义默写 │ 定理应用 │ 定理推广/新证
│ ε-δ复述 │ 中值定理证明 │ 构造新辅助函数
────────┼───────────────┼──────────────────┼─────────────────
计算型 │ 公式背诵 │ 标准题型演练 │ 技巧发明/简化
│ 积分表记忆 │ 分部积分SOP │ 发现新积分模式
────────┼───────────────┼──────────────────┼─────────────────
应用型 │ 题意复述 │ 建模求解 │ 创新建模/跨学科
│ 应用题条件 │ 最优化问题 │ 物理/经济新应用
────────┼───────────────┼──────────────────┼─────────────────
探究型 │ 背景了解 │ 规律探索 │ 猜想提出/验证
│ 数学史关联 │ 数列极限存在性 │ 原创数学探究
1.3 学习路径OpenClaw实现
# OpenClaw多Agent协同学习路径
学习路径结构:
诊断阶段:
agent: "diagnostic-agent"
model: DeepSeek-V3 (高性价比)
工具: 题目测试 → 错误分类 → 知识缺口定位
输出: 个性化学习路径图谱
学习阶段:
探索agent: "research-agent"
model: Claude Opus (复杂推理)
工具: 知识图谱查询 / GeoGebra可视化 / 证明策略库
模式: 两段式 (探索→收口)
练习agent: "practice-agent"
model: DeepSeek-V3 (批量处理)
工具: 题库筛选 / 变式生成 / 自动批改
模式: 掌握度检测循环
可视化agent: "viz-agent"
model: Kimi K2.5 (精确控制)
工具: Canvas渲染 / GeoGebra API / 动画生成
模式: 实时交互演示
巩固阶段:
cronjob: "spaced-repetition"
触发: 艾宾浩斯遗忘曲线节点
工具: Memory读写 / 定时提醒 / 掌握度追踪
输出: 精准复习任务
评估阶段:
agent: "assessment-agent"
model: Claude Opus (综合判断)
工具: 开放题生成 / 思维过程评估 / 高阶成果评价
输出: 认知层级进度报告
二、自适应诊断系统
2.1 诊断流程
┌─────────────────────────────────────────────────────────────┐
│ 学习者入学诊断 │
└─────────────────────────────────────────────────────────────┘
│
┌───────────────────┼───────────────────┐
▼ ▼ ▼
┌──────────┐ ┌──────────┐ ┌──────────┐
│ 知识诊断 │ │ 方法诊断 │ │ 思维诊断 │
│ 前置知识 │ │ 解题策略 │ │ 认知层级 │
└────┬─────┘ └────┬─────┘ └────┬─────┘
│ │ │
▼ ▼ ▼
┌──────────────────────────────────────────────────┐
│ 三维能力画像雷达图 │
│ │
│ 知识维度 方法维度 思维维度 │
│ ▲ ▲ ▲ │
│ │ │ │ │
│ ╱ ╲ ╱ ╲ ╱ ╲ │
│ ╱ ╲ ╱ ╲ ╱ ╲ │
│ ╱ ╲ ╱ ╲ ╱ ╲ │
│ ──────── ──────── ──────── │
│ │
└──────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────┐
│ 个性化学习路径生成 │
│ 起点 ════════► 当前 ════════► 目标 │
│ (诊断) (自适应) (布鲁姆L5-6) │
└──────────────────────────────────────────────────┘
2.2 诊断题目设计
# 三维度诊断题库
知识维度:
题目类型:
- 公式默写: "请写出不定积分分部积分公式"
- 定理复述: "叙述拉格朗日中值定理的条件和结论"
- 概念辨析: "判断：'可导必然连续'这个命题是否正确"
评分: 精确匹配 → 部分匹配 → 错误
方法维度:
题目类型:
- 路径选择: "求lim(sinx/x)，首选什么方法？"
- 步骤排序: "分部积分的正确步骤顺序是？"
- 错误识别: "下列解法错在何处？"
评分: 正确选择 → 部分正确 → 策略错误
思维维度:
题目类型:
- 证明评价: "这个证明严谨吗？指出可能的问题"
- 逆向思考: "如果泰勒展开要求余项为o(xⁿ)，需要什么条件？"
- 构造设计: "如何构造辅助函数证明此定理？"
评分: 原创思路 → 标准思路 → 无法下手
2.3 诊断输出格式
## 学习者能力画像 #{ID}
### 知识维度得分
| 知识点 | 掌握度 | 建议 |
|--------|--------|------|
| 函数与极限 | 75% | 强化ε-δ定义 |
| 导数与微分 | 60% | 补漏链式法则 |
| 不定积分 | 45% | 重点：分部积分 |
### 方法维度得分
| 技能 | 掌握度 | 建议 |
|------|--------|------|
| 洛必达使用 | 80% | 提升条件验证意识 |
| 泰勒展开 | 30% ⚠️ | 优先补救 |
| 分部积分 | 55% | LIATE法则强化 |
### 思维维度得分
| 能力 | 当前层级 | 目标层级 |
|------|---------|---------|
| 分析能力 | L3-应用 | L4-分析 |
| 评价能力 | L2-理解 | L4-分析 |
| 创造能力 | L1-记忆 | L5-评价 |
### 个性化学习路径
起点: 第2章导数薄弱点
│
▼
第1步: [补漏] 链式法则专项练习 (3题)
│
▼
第2步: [进阶] 多元函数链式法则对比学习
│
▼
第3步: [挑战] 构造复合函数证明题
│
▼
目标: 能够独立完成"多元复合函数求导"综合题
---
## 三、沉浸式学习场景设计
### 3.1 场景类型矩阵
```yaml
# 沉浸类型 × 数学内容 × OpenClaw实现
场景类型:
角色沉浸:
数学家扮演:
- "你现在是康托尔，证明实数集不可数"
- "你是魏尔斯特拉斯，解释ε-δ语言的必要性"
导师扮演:
- "作为数学导师，指导学生学习洛必达法则"
OpenClaw实现:
- sessions_spawn: 创建角色会话
- SOUL.md: 加载数学家人格
情境沉浸:
工程情境:
- 桥梁设计中的最值问题
- 信号处理中的傅里叶分析
- 经济决策中的优化问题
历史情境:
- "回到17世纪，用牛顿的方法理解流数"
- "与莱布尼茨辩论积分的本质"
OpenClaw实现:
- Canvas: 场景可视化
- Memory: 情境上下文保持
探究沉浸:
猜想探索:
- "观察数列aₙ=n·sin(1/n)，猜想其极限"
- "探索∂²u/∂x²=∂²u/∂y²的解的结构"
实验数学:
- GeoGebra数值实验发现规律
- 迭代观察分形几何
- 随机模拟验证大数定律
OpenClaw实现:
- 浏览器/Canvas: 交互式探索
- exec: 运行计算脚本
游戏沉浸:
解题闯关:
- 主线任务：通关章节BOSS（综合题）
- 支线任务：收集知识点碎片
- 成就系统：完成证明即解锁称号
竞赛模式:
- 限时挑战
- 排行榜
- 技能树解锁
OpenClaw实现:
- cron: 定期任务
- Memory: 进度存档
3.2 沉浸场景示例
## 场景1: ε-δ语言的顿悟时刻
### 场景设定
{
"role": "历史重现",
"persona": "康托尔(1845-1918)",
"context": "1870年的德国，你正在向年轻数学家解释你的极限理论..."
}
### 对话流程
┌─────────────────────────────────────────────────────────────┐
│ 🦞 定积: "想象你站在数轴上，任意画一个小区间(ξ-ε, ξ+ε)" │
│ │
│ 👤 学生: "我画好了" │
│ │
│ 🦞 定积: "现在，不管这个区间多小，我都能找到一个δ>0， │
│ 使得所有x₀附近的点，函数值都落在这个区间内" │
│ │
│ 👤 学生: "这就是'无限接近'的意思吗？" │
│ │
│ 🦞 定积: "不，这是'极限'的精确定义！你刚才描述的是直观， │
│ 而我给的是数学证明可以用的语言。" │
│ │
│ [动态演示] 拖动ε滑块，观察δ如何相应变化 │
└─────────────────────────────────────────────────────────────┘
### OpenClaw工具调用
- Canvas: ε-δ可视化动态演示
- Browser: 交互式滑块
- Memory: 记录顿悟时刻，后续复习
## 场景2: 积分工程师
### 场景设定
{
"role": "工程计算",
"context": "你是一家建筑公司的结构工程师，需要计算旋转楼梯的钢轨长度",
"task": "楼梯方程y=sin(x)，x∈[0,π]，绕x轴旋转，求表面积"
}
### 学习任务
🎯 任务目标: 计算旋转曲面面积
📋 任务拆解:
- [理解] 旋转曲面面积元素 dS = 2π·y·ds
- [分析] ds = √(1+y'²)dx 的几何意义
- [计算] 建立定积分表达式
- [验证] 用GeoGebra 3D旋转验证结果
- [评价] 与实测值比较，讨论误差来源
🏆 交付物: 计算报告 + 误差分析 + 改进建议
### 沉浸机制
心流状态维护:
- 难度自适应: 连续答对→自动提升难度
- 即时反馈: 每步计算后立即显示对错
- 进度可见: 任务进度条可视化
多模态学习:
- 视觉: GeoGebra 3D旋转动画
- 听觉: 定积语音讲解
- 动觉: 交互式参数调整
---
## 四、间隔重复与记忆管理系统
### 4.1 艾宾浩斯记忆曲线实现
```yaml
# OpenClaw Cron + Memory 实现
记忆周期设计:
第1次复习: 1天后
第2次复习: 3天后
第3次复习: 7天后
第4次复习: 14天后
第5次复习: 30天后
第6次复习: 60天后
触发机制:
cronjob:
名称: "数学记忆巩固"
时间: "每日 09:00 / 21:00"
检查: Memory/记忆曲线节点
执行内容:
1. 读取待复习知识点列表
2. 生成间隔提醒消息
3. 附带1道快速检测题
4. 根据答题情况更新记忆权重
4.2 记忆数据结构
# Memory中的学生知识状态
memory/student-{id}/
├── knowledge_state.json
│ {
│ "topics": {
│ "分部积分": {
│ "mastery": 0.75,
│ "last_review": "2026-03-28",
│ "next_review": "2026-04-01",
│ "review_count": 3,
│ "error_patterns": ["循环选u错误", "忘记加C"]
│ },
│ "泰勒展开": {
│ "mastery": 0.45,
│ "last_review": "2026-03-25",
│ "next_review": "2026-03-28", ⚠️ 需复习
│ "review_count": 1,
│ "error_patterns": ["阶数选择错误"]
│ }
│ },
│ "cognitive_level": {
│ "analysis": "L3",
│ "evaluation": "L2",
│ "creation": "L1"
│ }
│ }
│
└── learning_path.json
{
"current_chapter": 3,
"weak_points": ["泰勒展开", "中值定理证明"],
"target_level": "L4-分析",
"daily_goal": "完成2节专项练习"
}
五、高阶思维训练系统
5.1 分析能力训练（布鲁姆L4）
# 分析型任务设计
错误根因分析:
题目示例:
"学生使用洛必达法则求解 lim(x→0) x·cotx，得到1
请分析：(1)结果对吗？(2)过程可能哪里出错？
(3)正确的解法是什么？(4)如何避免此类错误？"
评估标准:
- 能否准确识别错误类型
- 能否给出因果分析
- 能否提出预防策略
结构分析:
题目示例:
"分析拉格朗日中值定理与罗尔定理的关系，
画出它们构成的知识网络图"
评估标准:
- 能否识别深层结构
- 能否建立正确关联
- 能否可视化呈现
5.2 评价能力训练（布鲁姆L5）
# 评价型任务设计
证明严谨性评价:
题目示例:
"判断以下证明是否严谨，如有问题请指出并修正：
证明: lim(x→0) sinx/x = 1
解: 根据重要极限公式 lim sinx/x = 1，
所以该极限值为1。∎"
评估标准:
- 能否识别循环论证
- 能否指出证明漏洞
- 能否给出严谨证明
解法优劣评价:
题目示例:
"用三种方法求 lim(x→0) (eˣ-1)/x
(1)洛必达 (2)泰勒展开 (3)等价无穷小
评价三种方法的优劣，并说明何时选择何种方法"
评估标准:
- 能否多角度对比
- 能否给出选择策略
- 能否设计评分标准
5.3 创造能力训练（布鲁姆L6）
# 创造型任务设计
辅助函数构造:
题目示例:
"请构造一个辅助函数，证明以下命题：
'若f''(x)>0在(a,b)恒成立，则f在(a,b)严格递增'
提示：考虑几何意义（切线斜率）或利用导数定义"
评估标准:
- 能否产生原创构造
- 能否解释构造思路
- 能否验证构造有效性
新题型设计:
题目示例:
"基于分部积分的原理，设计一道综合性题目，
需结合：不定积分 + 变上限积分 + 微分方程"
评估标准:
- 题目是否有数学价值
- 解法是否合理
- 难度是否适中
数学猜想提出:
题目示例:
"观察以下数列的收敛行为：
aₙ = n·sin(1/n), bₙ = n²·sin(1/n), cₙ = n·sin²(1/n)
猜测极限关系，并尝试证明你的猜想"
评估标准:
- 猜想是否有创造性
- 证明是否有逻辑
- 能否推广结论
六、实时掌握度追踪系统
6.1 掌握度计算模型
# 多维度掌握度评估
掌握度 = f(正确率, 复杂度, 时间, 独立性)
计算公式:
M = w₁·R + w₂·C + w₃·T + w₄·I
其中:
R = 题目正确率 (0~1)
C = 题目复杂度系数 (基础题1.0, 中档1.2, 难题1.5)
T = 时间效率 (标准时间的比例)
I = 独立完成度 (0.5提示/1.0独立)
权重: w₁=0.4, w₂=0.2, w₃=0.2, w₄=0.2
掌握等级:
M ≥ 0.9: 🌟 精通
0.7 ≤ M < 0.9: ✅ 掌握
0.5 ≤ M < 0.7: ⚠️ 待强化
M < 0.5: 🔴 需补救
6.2 掌握度仪表盘
## 学习仪表盘 {date}
### 今日概览
┌────────────────────────────────────────────────────────────┐ │ 今日学习时长: 45分钟 │ │ 完成题目: 12道 (正确率: 83%) │ │ 新知识点: 3个 │ │ 复习知识点: 5个 │ │ │ │ 今日认知层级: L3 → L3 (持平) │ │ 距目标: 还需提升2个分析题、1个评价题 │ └────────────────────────────────────────────────────────────┘
### 6.3 预警与推荐
```yaml
# 自动预警系统
预警规则:
1. 单一知识点正确率 < 60% → 🔴 知识薄弱预警
2. 连续3天无进步 → 🟡 学习停滞预警
3. 某类型错误重复出现 → 🟡 习惯性错误预警
4. 目标达成率 < 50% → 🔴 进度落后预警
推荐机制:
预警触发后:
1. 生成个性化补救任务
2. 调整后续学习路径
3. 必要时回退到前置章节
4. 推送复习提醒(Cron)
七、多Agent协同教学架构
7.1 Agent分工矩阵
# OpenClaw sessions_spawn 实现
┌─────────────────┬────────────────┬─────────────────┐
│ Agent │ 模型 │ 职责 │
├─────────────────┼────────────────┼─────────────────┤
│ diagnostic │ DeepSeek-V3 │ 入学诊断/水平测试│
│ research │ Claude Opus │ 深度探索/证明生成│
│ practice │ DeepSeek-V3 │ 练习生成/批改 │
│ visualization │ Kimi K2.5 │ GeoGebra/Canvas │
│ assessment │ Claude Opus │ 高阶评估/反馈 │
│ memory │ DeepSeek-V3 │ 记忆管理/进度 │
└─────────────────┴────────────────┴─────────────────┘
协同流程:
诊断 → 学习 → 练习 → 可视化 → 评估 → 记忆
↑ │
└────────────── 反馈循环 ─────────────────┘
7.2 Agent通信协议
# 跨Agent消息格式
消息结构:
{
"from": "practice-agent",
"to": "visualization-agent",
"type": "request_viz",
"payload": {
"task_id": "INT-2026-0401-001",
"content": "分部积分过程可视化",
"params": {
"expression": "∫x·eˣdx",
"steps": ["选u=x, dv=eˣdx", "du=dx, v=eˣ", "结果"],
"animation": true
}
},
"context": {
"student_id": "user-001",
"learning_path": "第4章-不定积分",
"difficulty": "L3-应用"
}
}
响应格式:
{
"status": "completed",
"output": {
"viz_url": "https://canvas.../integration_by_parts",
"interaction_enabled": true
}
}
八、完整学习路径示例
# 代老师高数学习路径 v2.0
## 起点: 入学诊断
诊断结果: 知识维度: L2-理解 (65%) 方法维度: L2-理解 (55%) 思维维度: L1-记忆 (40%)
目标: 12周后达到 L4-分析 (目标70%)
## 第1-2周: 极限概念建构
学习目标: 从直观极限 → ε-δ严格定义
Day 1-2: 直观极限概念
- 动画观察: 数列aₙ=1/n趋近于0
- 情境: "刘徽割圆术的极限思想"
- 任务: 描述你对"无限接近"的理解
Day 3-4: ε-δ语言入门
- 沉浸场景: 康托尔角色扮演
- 核心: 读懂"对所有ε>0，存在δ>0..."
- 任务: 判断3个命题是否正确
Day 5-7: ε-δ证明训练
- SOP: ε-δ证明五步法
- 练习: 证明 lim(x→3) (2x+1)=7
- 反馈: 逐行批改
Week 2: 融入知识图谱
- 关联前置: 函数连续性
- 导出后续: 导数定义
- 诊断: 极限存在性判断
## 第3-4周: 导数与应用
学习目标: 理解导数作为"变化率"的本质
Week 3: 导数定义与几何
- 物理情境: 瞬时速度
- 几何情境: 切线斜率
- 定义: f'(x) = lim Δx→0 Δy/Δx
- 分析任务: 分析导数定义与极限的关系
Week 4: 求导法则与链式
- SOP: 链式法则执行流程
- 探究: 复合函数求导为什么是乘法？
- 创造: 设计一道综合求导题
掌握度目标: M ≥ 0.75
## 第5-8周: 中值定理与洛必达
学习目标: 建立"局部↔整体"桥梁思维
Week 5-6: 三大中值定理
- 角色沉浸: "作为拉格朗日，证明你的定理"
- 证明策略库: 辅助函数构造法
- 分析任务: 比较三大定理的异同
Week 7-8: 洛必达与泰勒
- 高阶任务: 评价洛必达vs泰勒的适用范围
- 探究: 泰勒公式如何统一近似计算
- 创造: 用泰勒展开证明某个极限
认知跃迁: L2-理解 → L4-分析
## 第9-12周: 积分与综合应用
Week 9-10: 定积分与微积分基本定理
- 物理情境: 曲边梯形面积 → 定积分
- 核心: 黎曼和 → 极限 → 定积分
- 应用: 旋转体体积计算
Week 11-12: 微分方程与建模
- 建模任务: 人口增长模型
- 评价任务: 评估不同模型优劣
- 创造任务: 设计自己的应用问题
毕业标准: 独立完成综合项目 + 认知层级L4达成
---
## 九、批改反馈规范（高阶版）
### 9.1 分层反馈体系
```yaml
# 根据认知层级差异化反馈
L1-L2 (记忆/理解) 反馈:
重点: 知识准确性和完整性
语气: 直接纠正 + 范例展示
格式: "正确答案是... 请参考标准解法"
L3 (应用) 反馈:
重点: 方法选择和步骤规范
语气: 引导发现 + 策略建议
格式: "你的方法可以，但建议... 这样更高效"
L4-L5 (分析/评价) 反馈:
重点: 思维深度和批判性
语气: 平等讨论 + 开放性问题
格式: "你的分析有道理，但从...角度看...
你觉得呢？"
L6 (创造) 反馈:
重点: 原创性价值评估
语气: 欣赏鼓励 + 改进建议
格式: "这个构造很有创意！能否进一步考虑...的情况？"
9.2 高阶反馈模板
## 定积高阶诊断报告 #{date}
### 🔍 思维过程分析
**你的解法路径**:
lim(x→0) (eˣ-1)/x → 洛必达: lim(eˣ)/1 = e⁰ = 1 ✓
**深度评价**:
你的解法正确，但在L4分析维度，定积注意到：
- 方法选择：用了洛必达，但没有验证使用条件（0/0型）✓已验证
- 效率分析：其实可以直接用泰勒展开一步到位
- 思维拓展：这是微分本质的重要体现——f'(0) = lim(f(x)-f(0))/x
**定积提问**:
> 如果把eˣ换成sinx，这个方法还适用吗？为什么？
**建议挑战**:
如果能回答上面的问题，你就能达到L5评价层级了！
### 📊 认知层级进度
记忆: ████████████ 85% ✅ 理解: █████████░░░ 75% ✅ 应用: █████████░░░ 80% ✅ 分析: ████████░░░░ 60% 🟡 继续提升 评价: ████░░░░░░░░ 35% 🔴 需专项训练 创造: ██░░░░░░░░░░ 15% 🔴 长期目标
---
## 十、OpenClaw能力深度整合
### 10.1 工具调用矩阵
```yaml
# OpenClaw工具 × 数学场景
工具 │ 数学场景 │ 调用方式
─────────────────┼────────────────────────────┼──────────────
exec/Python │ 符号计算/数值验证 │ 执行CAS脚本
Canvas │ 动态可视化/交互演示 │ 实时渲染
Browser/GeoGebra │ 函数图像/几何演示 │ 网页嵌入
Memory读写 │ 学习进度/知识状态 │ JSON存储
sessions_spawn │ 多Agent协同/角色扮演 │ 子会话
cron定时 │ 间隔重复/每日复习 │ 定时任务
message │ 学习提醒/进度推送 │ 微信通知
tts语音 │ 公式朗读/讲解 │ 语音合成
lightclaw_upload │ 作业提交/报告下载 │ 文件上传
10.2 工作流编排示例
# 完整学习工作流
workflow:
name: "分部积分专项学习"
steps:
1:
agent: diagnostic
action: 加载学生历史错题
output: 错误模式报告
2:
agent: research
action: 生成个性化LIATE讲解
context: 基于错误模式调整讲解重点
3:
agent: visualization
action: 生成动态决策树
output: Canvas交互演示
4:
agent: practice
action: 推送3道变式练习
adaptive: 根据正确率动态调整难度
5:
agent: memory
action: 更新掌握度 + 安排复习
cron: "1天后/3天后/7天后"
6:
agent: assessment
action: 生成阶段评估报告
output: 认知层级进度 + 下一步建议
快速启动模板
# 代老师教学创新 · 启动指令
基础生成:
"积积，生成定理：拉格朗日中值定理，证明+几何+应用"
情境沉浸:
"积积，我是大一同学，设定积分的工程应用场景"
诊断启动:
"积积，帮我做入学诊断，测试函数与极限基础"
路径规划:
"积积，我需要12周学习计划，目标达到L4分析层级"
高阶挑战:
"积积，给我一道L6创造级别的证明题"
沉浸体验:
"积积，我扮演柯西，你来教我ε-δ语言"
间隔复习:
"积积，检查我的复习任务，今天该复习什么？"
代老师教学创新设计风格 · 高等数学智慧课程系统 v2.0 核心理念: OpenClaw × 布鲁姆高阶认知 × 沉浸式学习 版本: 2.0 (认知高阶性 + 沉浸式场景 + 多Agent协同)
Related skills
- Downloads
- Security audit
- Review
- Last updated
- 4mo ago
- Current version
- v1.0.0
- License
- MIT-0