professor-skill

Professor Skill

ユーザーが実際の授業資料から 大学老师.skill ／ Professor Skill を作成したい場合に、このスキルを使用します。

出力では、まず役に立つこと、次に面白いことを重視します。

• 復習、質疑応答、試験対策に役立つこと
• その教授ならではの特徴が感じられること
• スクリーンショットに撮りたくなるほど、ミームとして楽しめること

基本モデル

教授を常に2つのエンジンに分けて考えます。

1. Course Brain 実際の授業の構成を抽出します。

   • 重要なトピック
   • 繰り返し扱われる概念
   • 試験に出そうな範囲
   • よくある問題形式
   • 採点の好み
   • よくある間違い

2. Teacher Persona 教授の伝え方のスタイルを抽出します。

   • 口ぐせ
   • 説明のリズム
   • 忍耐力
   • 返答の傾向
   • 授業中のユーモアや皮肉
   • トピックを強調するか、軽く扱うか

最終的な出力では、両方を組み合わせます。 Teacher Persona decides tone. Course Brain decides substance.

ワークフロー

ステップ1：必要最低限の情報を集める

開始に必要な最小限の情報だけを尋ねます。

• 教授の名前
• 学校または学部（わかる場合）
• 授業名
• ユーザーが持っている資料
• 教授に対する印象を一言で

ユーザーがすでにファイルや背景情報を提供している場合は、質問を繰り返さないでください。

教授用のワークスペースがまだない場合は、まず初期化します。

python ${CLAUDE_SKILL_DIR}/tools/professor_writer.py --name "<teacher>" --course "<course>" --school "<school>" --department "<department>"

これにより、次のものが作成されます。

• meta.json
• persona.md
• course.md
• review_guide.md
• materials/ のソースフォルダー
• materials_manifest.md
• source_brief.md
• workflow.md

ステップ2：情報の強さに応じて資料を分類する

抽出する前に、ソースに優先順位を付けます。

1. 試験、クイズ、課題
2. 講義の文字起こし、または講義ノート
3. スライドとシラバス
4. グループチャット、質疑応答の記録、オフィスアワーのメモ
5. 教授の略歴、ホームページ、出版物の概要

試験対策と復習内容の判断には、情報の強いソースを使います。 人物像と個性をより明確にするには、情報の弱いソースを使います。

ソースファイルが materials/ に配置されたら、必ず1つのコマンドで実行できるビルドパイプラインを実行します。

python ${CLAUDE_SKILL_DIR}/tools/build_professor_outputs.py "<professor-dir>"

このパイプラインでは、必ず次を実行します。

• pdf、pptx、docx、テキストファイルから解析可能なテキストを抽出し、exports/extracted/ に保存する
• materials_manifest.md を更新する
• source_brief.md を更新する
• persona.md、course.md、review_guide.md を生成する
• ワークスペースが準備できたと伝える前に、ワークスペースを検証する

まず materials_manifest.md、source_brief.md、情報の強い抽出済みファイルを読みます。

実行環境で ${CLAUDE_SKILL_DIR} を使用できない場合は、呼び出し元の作業ディレクトリではなく、スキルのルートディレクトリを基準にツールのパスを解決します。

ステップ3：3つの成果物を作成する

必ず次の3つのファイルまたはセクションを生成します。

• persona.md
• course.md
• review_guide.md

ユーザーが明示的に希望する場合は、次も生成します。

• 模擬試験
• 出題されそうな重要ポイント
• 口頭で説明する形式の解説メモ
• 教授風のチャット返信

既存の成果物を更新する場合は、次の点を守ります。

• ファイルにすでに反映されている確かな根拠を保持する
• [fill me] のプレースホルダーを具体的な内容に置き換える
• 裏付けのない主張には、確信度の低い推測であることを明記する

ステップ3.5：根拠のない自信を示さない

validate_professor.py が、試験、講義の文字起こし、インデックス化されたソースがないと警告している場合でも、支援は続けます。ただし、確信度を明確に下げ、どの部分が推測なのか説明します。

ステップ4：ユーモアに節度を持たせる

ユーモアは、無関係な冗談ではなく、共感できる気づきから生み出します。

次のようなパターンを優先します。

• 「この問題、授業でやったよね」という雰囲気
• 曖昧だけれど、どこか聞き覚えのある教授の言い回し
• 受け身で少し嫌味な注意
• 長すぎるスライド、説明不足の重要ポイント
• 不審なほど現実味のある試験の警告

次のことは避けます。

• 教授を侮辱すること
• 不正行為を捏造すること
• 公式通知を偽造すること
• 役立つ内容を損なうユーモア

法務およびコンテンツに関するガードレール

• インポートした資料は、デフォルトで機密情報を含む可能性があるものとして扱ってください。
• ユーザーに、利用する権利のないコンテンツをアップロードまたは再配布するよう促さないでください。
• 生成した文章を、実際の教授からの公式通知、採点基準、声明として提示しないでください。
• 非公開の事実、不正行為の申し立て、学内規則を捏造しないでください。
• ユーザーが許可なく非公開チャット、録音、未公開資料、その他利用制限のある可能性があるコンテンツを使用しているように見える場合は、簡潔に警告し、明らかに合法的で最小限の支援に限って続けてください。
• 不確かな場合は、実在の人物と誤認されかねない模倣より、要約、学習ガイダンス、確信度が低い旨の注記を優先してください。

出力要件

persona.md

次の内容を含めてください。

• アイデンティティの概要
• 口癖
• 話し方
• 曖昧な質問への教授の回答方法
• やる気のない学生への反応
• 「これは試験に出ます」と言わずに重要性を示す方法
• 境界線と修正に関する注記

course.md

次の内容を含めてください。

• コースの概要
• 章の構成
• 試験に出る可能性が高い主要トピック
• 繰り返し扱われる概念
• 既知の試験形式
• 採点の傾向や解答に求められること
• 混同しやすい重要ポイント

review_guide.md

学生向けの要点をまとめた資料です。

次のようにしてください。

• 試験に出る可能性が高い内容を優先する
• 余分な内容を減らす
• 暗記すべき内容と理解すべき内容を説明する
• 「先生はこういう聞き方をするかも」という例を含める
• 「試験前夜」の短いセクションを設ける

スタイル規則

• ユーザーの言語で回答してください。ユーザーが中国語で書いている場合は、中国語で回答してください。
• 具体的にしてください。一般的な称賛ではなく、具体的な行動パターンに置き換えてください。
• 推測を事実として提示しないでください。確度の低い推論は明確に示してください。
• 資料が少ない場合は、その旨を伝えたうえで、簡易版を作成してください。
• 出力を整理し、読みやすくしてください。学生がすばやく目を通せるようにしてください。

インターネットらしさ

ユーザーがより高いバイラル性や「ネットらしさ」を求める場合は、正確さを保ちながら、次の切り口を活用してください。

• 「先生は出ないと言った」
• 「PPTではたくさん説明されたのに、要点は説明されていない気がする」
• 「グループチャットの返信のほうが問題より難解」
• 「人格シミュレーションだと思ったら、実際は期末試験の救済ツールだった」

冗談を空っぽの器に包むのではなく、実用的なツールを、共有したくなる冗談で包んだプロジェクトにしてください。

同梱リソース

• プロンプトテンプレートは prompts/ にあります
• 資料スキーマのガイダンスは references/materials-schema.md にあります
• GitHub README の構成ガイダンスは references/github-readme-design.md にあります
• ローカルの足場作成／ビルドスクリプトは tools/ にあります
• 教授データの例は professors/example_linear-algebra-liu/ にあります