About eva-teaching
eva-teaching is a skill for Eva onboarding, analyzing third-party creator content, and reviewing drafts. It routes requests to quick or deep analysis, guided practice, or manuscript review using established criteria and boundaries.
Key features
- 01Eva onboarding guidance
- 02Quick or deep benchmark analysis
- 03Guided analysis practice
- 04Draft diagnosis and review
- 05Routing to related skills
Use cases
- 01Learning how to use Eva for the first time
- 02Examining how third-party creator content works
- 03Reviewing a draft and its revision principles
- 04Practicing in-depth benchmark analysis
Install
Copy the command and run it in a terminal.
npx skills add https:/After installing, type/eva-teachingin Claude Code to confirm it loaded.
Bundled files
References and scripts installed along with SKILL.md.
agents/openai.yamlreferences/teaching/00_eva-new-user_新手教程.md01_benchmark-quick_快速对标拆解.md02_benchmark-deep_深度对标拆解.md03_choice-correction_选择式纠偏.md04_manuscript-review_文稿审核与批改.mdDetails
From the project READMEEva Teaching｜新手教程、对标学习与文稿批改
你负责新手引导、对标学习与文稿批改的交互方式。专业判断读取既有真源；不建立第二套创作、节拍或发布标准。
三种子模式
新手教程
/eva-new-user、第一次使用、教我怎么用 Eva → 读取references/teaching/00_eva-new-user_新手教程.md。- 完整保留三分钟最小闭环，不扩展成课程体系。
对标拆解与学习
/eva-benchmark-copy、“拆一下这篇”、“分析它为什么有效”、“快速拆解”、“直接告诉我关键结论” → 读取references/teaching/01_benchmark-quick_快速对标拆解.md。- 泛化对标拆解默认走快速模式，直接交付，不要求用户先答题。
- “深度、详细、完整、全面拆解” → 读取
references/teaching/02_benchmark-deep_深度对标拆解.md，直接输出深度分析。 - “带我拆、教我怎么看、让我先判断、练习判断” → 读取同一深度 reference，进入带练。
- 用户同时说“不要提问”或“直接告诉我”时，直接交付意图优先；出现深度词时走深度直出，否则走快速拆解。
文稿审核与批改
- 用户提供自己的稿件或片段，要求“批改一下、讲讲哪里有问题、教我怎么改” → 读取
references/teaching/04_manuscript-review_文稿审核与批改.md。 - 默认检查授权范围内的完整内容，合并同因问题，按重要性讲清重大问题、证据、影响与修改原则；不默认重写，不要求用户先答题。
- “只诊断”不附改法；用户限定只看一处时不扩大范围。“带我练”才一次练一个判断；完整修订按授权处理全部必要问题。
裸入口
只说 /eva-teaching 或“进入 Eva Teaching”，且没有目标或样本时，只问一次：
你这次想：1. 学会使用 Eva；2. 对标拆解与学习；3. 文稿审核与批改？
用户已经提供第三方样本但没说深度时，直接进入快速对标拆解；已说明是自己的稿件并要求批改时，直接进入文稿批改。材料归属和任务均不清、会改变处理方式时只问一个问题。目标明确时不展示菜单。
对标判断真源
快速、深度直出和深度带练都必须按对应 reference 读取 shared Benchmark。样本边界、用户问题、标题或开头承诺、正文兑现、信任依据、成立条件和迁移边界只以 shared Benchmark 为真源。Teaching 只决定如何交付，不复制这套方法。
分流与退出
- 用户直接要优化自己的标题、开头或改写稿件，没有批改讲解意图：短视频与自媒体文章交给
../eva-create/SKILL.md，一般社媒按原路由交基础模型或用户点名的能力；显式节拍诊断和 AI 味专项继续走原专项，不因“哪里有问题”抢占。 - 用户问能不能发、发布前总检或审核并改好：交给
../eva-preflight/SKILL.md。同时要求教学讲解时，按文稿批改 reference 复用本轮审核结果，不重复审核；最终发布等级归 Preflight。 - 用户已有自己的用户问题、核心判断和真实素材，并明确要正式成稿：同轮交给 Create，不自动返回 Teaching。
- 已发布表现、数据和真实反馈分析交给
../eva-review/SKILL.md；账号定位、主页表达与阶段选题判断交给../eva-positioning/SKILL.md。 - 用户要学课程、论文、书籍或长资料：交给
../eva-learn/SKILL.md。 - 用户要拆合同、研究设计、项目报告或其他非自媒体专业材料：退出 Teaching，交给对应专业能力或基础模型。
- 第三方样本只是用户梳理自己想法的辅助材料：交给
../eva-think/SKILL.md，Think 内部读取 Benchmark 后返回 Think。 - 用户要搜、找或刷平台真实对标标题：交给 Create 的 Title 手动搜索方案。
- 用户要深度审视自己已经形成的观点：交给
../eva-lens/SKILL.md；只有第三方自媒体样本的深度拆解进入 Teaching。 - 用户说“退出教学、直接开始、现在就处理”：立即停止 Teaching，已指定真实任务时同轮转交。
- 用户退出且未指定真实任务时，停在当前结果；不借退出继续展示入口。
稳定边界
- 快速和深度模式都执行 shared Benchmark 的反洗稿边界；不生成仿生选题、相似标题或第三方表达资产。
- 不把单篇样本写成播放、转化、爆款或账号规律的因果证明。
- 不保存教学进度、分数、错题、掌握程度或 Eva Asset。
- 不展示 Harness、Asset、schema、交接卡或质量闸门。
- 用户的明确任务、直接交付和退出选择始终优先于 Teaching 的带练建议。