About kebiao 课标
kebiao is a structured search and lesson-planning tool for teachers working with China’s compulsory-education curriculum standards. It connects standards with progression, textbook, and learning-resource clues, while keeping generated matches subject to teacher review.
Key features
- 01Search by subject, stage, and topic
- 02Compare subjects or grade progression
- 03Inspect capabilities and standard links
- 04Browse textbook indexes and page clues
- 05Save, import, export, and print lists
- 06Parse plans and analyze standards coverage
Use cases
- 01Find standards for a lesson
- 02Compare a topic across subjects or grades
- 03Check textbook units against standards
- 04Review standards coverage in a teaching plan
Configuration
Remote servers need no local install. Pick your client, then copy the config or install in one click.
https://www.kebiao.org/mcpclaude mcp add --transport http nbrangerf-kebiao https://www.kebiao.org/mcp{"mcpServers":{"nbrangerf-kebiao":{"type":"http","url":"https://www.kebiao.org/mcp"}}}Open in Cursor{"servers":{"nbrangerf-kebiao":{"type":"http","url":"https://www.kebiao.org/mcp"}}}Open in VS Code{"mcpServers":{"nbrangerf-kebiao":{"type":"http","url":"https://www.kebiao.org/mcp"}}}{"mcpServers":{"nbrangerf-kebiao":{"serverUrl":"https://www.kebiao.org/mcp"}}}Run commands in a terminal; paste JSON into the client’s MCP config and restart. Servers that need sign-in will prompt on first connect.
Tools
Details
From the project READMEkebiao
让课程标准更容易找、更容易懂、更容易用于教学。
中国课程标准的结构化索引与智能引擎
A structured, source-aware index and engine for China's 2022 compulsory-education curriculum standards.
在线使用 · 用教学语言查课标 · 下载最新版教材 PDF · 反馈与共建
课程标准不该只停留在 PDF 里
为了找到一句课程标准,不必先在几十甚至几百页 PDF 里做“资料考古”。kebiao 将《义务教育课程方案和课程标准(2022 年版)》整理成可搜索、可筛选、可对比、可收藏的结构化索引,帮助教师快速找到对应标准,并看清来源、教材线索和审核状态。
备课时,老师真正需要解决的,往往不是“文件在哪里”,而是:
- 这节课对应哪些课程标准?
- 同一主题在不同年级如何递进,在不同学科有什么差异?
- 这条标准落在哪本教材、哪个单元,能用什么学习材料?
- 一份教学计划覆盖了什么,哪些匹配还需要我确认?
kebiao 以课程标准为主轴,把分散在文档、教材、资源和教学计划里的线索组织到同一条检索与复核路径中。目标很直接:让老师少花时间找依据,多花时间设计教学活动与评价。
你可以用 kebiao 做什么
| 当你需要…… | 可以这样做 |
|---|---|
| 快速找到相关课标 | 按学科、学段和可迁移技能筛选课标,结果可按领域展开;也可以直接用教学语言检索主题和关键词。 |
| 比较学科与学段差异 | 并列对比 1–3 个学科的同一学段,或同一学科跨 1–6 个学段/年级的变化。 |
| 理解一条标准的前后联系 | 在标准详情中查看能力拆解、课程进阶、相邻标准和关系图谱,并查看前置关系候选及其核验状态。 |
| 对照教材与课标 | 在教材馆浏览 141 册小学与初中教材索引;对已完成正文回查的目录,可定位到具体 PDF 页。 |
| 下载最新版教材 PDF | 姊妹仓库 China Textbook New 收录 147 本义务教育最新版教材(其中 115 本是 2022 课标修订版),逐本核对国家中小学智慧教育平台,大文件也能整本下载。 |
| 找到可用的学习材料 | 浏览简体中文学习资源,在详情页查看来源、许可与已有的课标关联证据。 |
| 整理自己的备课线索 | 把标准保存在当前浏览器的清单中,导入或导出 JSON,并生成适合打印的版本。 |
| 复核教学计划与课标的关系 | 在预览工作台中完成“解析 → 人工复核 → 候选匹配 → 覆盖分析 → 周计划草案”。 |
从一条课标,看见更多教学线索
flowchart LR
Q["教师的教学问题"] --> S["结构化课程标准"]
S --> P["学段进阶"]
S --> K["可迁移技能"]
S -. "证据充足时" .-> T["教材单元与页码"]
S -. "完成对齐后" .-> R["学习资源"]
S --> C["对比 · 收藏 · 打印"]
教材与资源关联可能由机器生成。页面会按数据可用情况展示证据片段、等级、生成方法或许可信息,仍需教师复核;学习资源当前没有人工发布门。
产品实拍
| 用教学语言查课标 | 拆解一条标准的可教学能力 |
|---|---|
![]() | ![]() |
| 自然语言检索:先解释系统理解的学段、学科与主题,再返回带命中证据的候选标准。 | 能力图谱:把标准拆成可教、可观察的学习成分,同时显示候选关系与核验状态。 |
| 从教材进入课标 | 从课标找到学习资源 |
|---|---|
![]() | ![]() |
| 教材馆:对具备相应数据的教材展示章节、印刷页码、课标关系和配套资源;其余明确标注处理状态。 | 学习资源:汇集简体中文资源,在详情页保留来源、许可与已有的关联证据。 |
可信,首先意味着把边界写清楚
- 来源可追溯。 课程标准数据以教育部发布的《义务教育课程方案和课程标准(2022 年版)》为基础;数据版本、来源引用、置信度、质量标记和审核状态随记录保存。
- 原文与整理内容分层。 课标文本、项目编辑整理的教学提示、规则生成字段和机器候选拥有各自的来源标记,不把建议包装成官方结论。
- 关系有证据等级。 前置关系候选及其核验状态、教材范围关联、单元证据和页码证据分别返回,不用一个模糊的“相关”掩盖差异。当前数据中尚无专家核验的前置关系。
- AI 只帮助理解和检索。 AI 只把你的描述整理为学科、学段、主题和排除条件;课程标准、编码、来源和命中证据仍来自当前数据版本。模型不可用时,系统仍会按规则完成检索。
- 教师保留最终判断。 教学计划对齐结果始终是候选;只有教师明确接受的标准才会进入覆盖分析和周计划草案。
Important
kebiao 是独立的结构化整理与教学研究工具,不是教育主管部门发布的官方产品。用于正式教学、评价或政策判断时,请回到对应课程标准官方文本复核。
进一步阅读:数据可信度修复报告 · 可教学能力图谱契约 · 知识图谱审核协议 · 教材正文—课标自动关联契约
当前数据范围
| 维度 | 当前公开数据 |
|---|---|
| 课程标准 | 2,025 条结构化条目 |
| 学科 | 艺术、语文、英语、信息科技、劳动、数学、道德与法治、体育、科学 |
| 学段/年级 | H1(1–2 年级)、H2(3–4 年级)、H3(5–6 年级)、H4G7(7 年级)、H4G8(8 年级)、H4G9(9 年级) |
| 可迁移技能 | 7 类:批判性思维与问题解决;创造力与创新;学习者能动性与自我导向学习;协作;沟通;数字、信息与媒体素养;全球公民与伦理责任 |
| 教材索引 | 141 册学生教材:小学 83 册、初中 58 册,覆盖 13 个教材学科分类 |
| 数据版本 | 2026.07.18-capability-graph-v1 |
这些数字描述的是当前项目数据集,不代表对所有国家课程文件、教材版本或教学资源的完整收录。可复现统计见 public/data/manifest.json、public/data/textbooks/manifest.json 和 public/data/quality/trust_report.json。
一起把它做成老师真正会用的工具
如果你在备课时遇到一条难找、难懂或明显拆解不准确的标准,请直接告诉我们。真实的课堂问题,比泛泛的“很好用”更能帮助 kebiao 改进。
这个项目需要的不只是代码,也需要一线经验。教师、师范生、教研工作者和教育产品开发者都可以参与:
- 指出标准文本、分类、学段或来源标记中的具体问题;
- 提供真实的备课与教研任务,帮助改进检索和对比方式;
- 复核候选关系、教学线索、教材定位和学习资源;
- 建议更贴近课堂的功能、表达与无障碍体验;
- 修复问题、补充测试或完善文档。
提交产品反馈 · 报告 GitHub 问题 · 联系与合作
如果 kebiao 帮你少翻了几页文件,欢迎点一个 Star,或把它分享给身边的老师。
给开发者与教育产品团队
同一套公开数据与 API 契约服务 Web、TypeScript client 和可复用 Skill;API 的查询与计划逻辑集中在课程核心包。你可以只使用在线 API,也可以在本地运行完整项目。
本地运行
建议使用 Node.js 22 和 npm。完整体验需要同时启动 API 与 Web:
git clone https://github.com/NBrangerF/curriculum-standards-breakdown.git
cd curriculum-standards-breakdown
npm ci
# 终端 A:API,默认 http://localhost:8787
npm run api:dev
# 终端 B:Web,默认 http://localhost:3000
npm run dev
浏览器打开 http://localhost:3000。没有配置模型密钥时,检索与计划解析会使用确定性回退;教材 PDF 阅读还需要已登记的本地文件或对象存储,教材目录和详情仍可浏览。
第一次 API 调用
公开字段可匿名读取:
curl -s -X POST https://www.kebiao.org/api/v1/standards/search \
-H 'content-type: application/json' \
-d '{"subjects":["science"],"keyword":"植物","limit":3}'
代码地图
src/ Web 界面、交互与数据加载
apps/api/ 课程智能 API
packages/curriculum-core/ 查询、匹配、覆盖与排课核心逻辑
packages/curriculum-client/ TypeScript API client
public/data/ 面向 Web 与匿名 API 的公开投影
data/internal/ 规范化数据源与发布输入
skills/ 可复用的课程标准助手 Skill
docs/ 方法、契约、运维与审核文档
tests/ API、数据与端到端测试
结构化方法与工程说明:当前拆解方法 · 教材自动关联契约 · LLM 语义关联管道 · 学习资源数据说明
质量检查
npm run typecheck # Core、client、API 与 Vercel 类型检查
npm run test:api # API、Core、client 与数据质量门
npm run eval:matching # 教学计划匹配评估
npm run test:ui # E2E 与无障碍测试(需 Playwright 浏览器)
npm run build # 完整数据审计与生产构建
npm run build 会重建并审计多类公开数据,可能更新生成文件;请在准备完整发布验证时运行,而不是把它当作轻量检查。
Pull request 与 main 分支推送会运行 Quality gates;生产部署成功后会运行 API smoke test。
数据来源、版权与使用说明
- 课程标准来源于教育部发布的《义务教育课程方案和课程标准(2022 年版)》,相关文本权利归原权利方所有。
- 学习资源的来源与许可见各资源详情;教材仅作为索引和受控阅读入口,不代表授予转载或再分发权。第三方前端依赖见第三方说明。
- 本仓库目前尚未附独立的根级
LICENSE文件。公开可访问不等于自动授予代码或项目原创数据的复用权;如需复用,请先通过联系页面确认。 - 本项目提供的是结构化整理、检索与研究辅助,不能替代官方文件、专业课程判断或教师审核。
少翻几页文件,把更多时间留给课堂。
Comments
New to MCP?
From what the protocol is to installing your first server, these answers cover most first questions.
An open protocol that defines how AI applications connect to external tools and data in a uniform way. Clients talk to the model; MCP servers provide tools, resources and prompt templates. They exchange standard messages, so one server can be reused by many clients.



