mcpField
G
generate-learning-content

generate-learning-content

github.com/willboosterその他0196 回インストール今日更新
リポジトリ

generate-learning-content について

Exercodeの教材、ジャッジ問題、コンテストの作成・改訂を支援するスキルです。リポジトリの準備や適切な執筆手順を案内し、検証とモデル回答の確認を求めます。

主な機能

  1. 01リポジトリと教材の確認
  2. 02Exercode用リポジトリの準備案内
  3. 03教材・コンテストの執筆手順
  4. 04検証と評価のチェック
  5. 05CLIによるモデル回答の判定

活用シーン

  1. 01講義教材や埋め込み問題の作成
  2. 02コーディング問題やコンテストの作成
  3. 03既存のExercode教材の改訂

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/willbooster/exercode-problem-utils --skill generate-learning-content

インストール後、Claude Code で/generate-learning-contentを入力して読み込まれたか確認します。

詳細

Exercode の学習コンテンツを生成または改善する

  1. 依頼された成果、リポジトリの指示、既存の学習コンテンツの構成を確認します。ユーザーに確認できない場合（自動化されたワークフローなど）は、確認を求めて作業を止めず、利用可能なコンテキストから妥当な判断を行います。その場合、以下のワークフローにある確認手順にも同じルールを適用します。

  2. リポジトリが Exercode のコース作成用に準備されていない場合は、作成を始める前に setup-exercode-course-repository に従います。

  3. 該当するすべての作成ワークフローに従います。

    コースの学習目標にコードの作成、変更、実行が含まれる場合は、コース教材と Judge 問題の両方のワークフローを適用します。埋め込み問題や完成済みコード例を、採点対象のコーディング練習の代わりとして扱わないでください。

  4. 該当するすべてのワークフローで必須とされる検証と評価を実行し、問題がなくなるまで不備を修正します。

  5. 生成または変更した各 Judge 問題について、@exercode/problem-utils が利用可能な場合は、すべての模範解答を exercode-problem CLI で実行します。問題ディレクトリから bunx exercode-problem judge model_answers/<languageId> を実行します（問題に judge.ts がある場合はそれを適用し、ない場合は標準の stdio ジャッジを使用します。詳細は generate-judge-problems/references/problem-format.md を参照してください）。コマンドが終了コード 0 で終了し、少なくとも 1 行の TEST_CASE_RESULT が出力され、出力されたすべての行に受理を示す判定コード 2000 が含まれることを確認します。bunx exercode-problem <problemsDir> ですべての問題の模範解答をまとめて確認できますが、ハーネスパラメーターなしで実行されるため、パラメーター化された問題は失敗します。そのような問題は --skip <substring> で除外し、個別にジャッジします。各スターターテンプレートもジャッジし、すべてのテストケースに合格しないことを確認します。エージェントチャレンジ（problem.md の agentChallenge）にはハーネスがありません。ジャッジせず、代わりに bunx exercode-problem validate-problem <problemDir> で検証します。

  6. 生成または変更したパス、実施した検証と評価、置いた前提、意図的に残した警告を報告します。

コメント

Markdown 対応