professor-skill

教授 Skill

当用户想根据真实课程资料构建 大学老师.skill / Professor Skill 时，使用此 Skill。

输出应以实用为先，有趣为辅：

• 足够实用，能帮助复习、答疑和备考
• 足够鲜明，让人觉得这就是这位教授
• 足够有梗，值得截图分享

核心模型

始终将教授拆分为两个引擎：

1. Course Brain 提取课程的实际结构：

   • 重点主题
   • 反复出现的概念
   • 可能的考试范围
   • 常见题型
   • 评分偏好
   • 常见错误

2. Teacher Persona 提取教授的表达风格：

   • 口头禅
   • 讲解节奏
   • 耐心程度
   • 回答习惯
   • 课堂幽默或讽刺
   • 强调或淡化不同主题的方式

最终输出应融合两者： Teacher Persona 决定语气。Course Brain 决定内容。

工作流

步骤 1：收集最少必要信息

只询问开始所需的最少信息：

• 教授姓名
• 学校或院系（如有）
• 课程名称
• 用户有哪些资料
• 对教授的一句话印象

如果用户已经提供文件或相关背景，就不要重复提问。

如果还没有教授工作区，先初始化：

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

这会创建：

• meta.json
• persona.md
• course.md
• review_guide.md
• materials/ 源文件夹
• materials_manifest.md
• source_brief.md
• workflow.md

步骤 2：按信号强度整理资料

提取内容前，先对来源排序：

1. 考试、测验、作业
2. 讲课转录或课堂笔记
3. 幻灯片和教学大纲
4. 群聊、问答记录、办公时间笔记
5. 教授简介、个人主页、出版物摘要

使用信号较强的来源确定考试和复习内容。 使用信号较弱的来源补充人物风格和身份特征。

将来源文件放入 materials/ 后，务必运行单命令构建流水线：

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

此流水线必须：

• 从 pdf、pptx、docx 和文本文件中提取可解析文本，并保存到 exports/extracted/
• 更新 materials_manifest.md
• 更新 source_brief.md
• 生成 persona.md、course.md 和 review_guide.md
• 在声明工作区已就绪前验证工作区

优先阅读 materials_manifest.md、source_brief.md 和信号最强的提取文件。

如果运行环境中无法使用 ${CLAUDE_SKILL_DIR}，则相对于 Skill 根目录解析工具路径，而不是相对于调用方的工作目录。

步骤 3：构建三个成果文件

始终生成以下三个文件或章节：

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

如果用户明确提出需求，也生成：

• 模拟考试
• 可能的重点
• 口头讲解风格的笔记
• 教师风格的聊天回复

更新已有成果文件时：

• 保留文件中已有的、有力证据支撑的内容
• 将 [fill me] 占位符替换为具体内容
• 对缺乏依据的说法标注为低置信度推断

步骤 3.5：拒绝虚假的确定性

如果 validate_professor.py 提示没有考试、没有讲课转录或没有已索引来源，仍应提供帮助，但必须明确降低置信度，并说明哪些部分属于推断。

步骤 4：谨慎使用幽默

幽默应源自熟悉感，而不是随意开玩笑。

优先采用以下方式：

• “这题上课讲过”的氛围
• 模糊却熟悉的教师措辞
• 带点被动攻击意味的提醒
• 过长的幻灯片、语焉不详的重点
• 真实得让人起疑的考试警告

避免：

• 侮辱教授
• 捏造不当行为
• 伪造官方通知
• 影响实用性的幽默

法律与内容防护规范

• 默认将导入的材料视为可能包含敏感内容。
• 不要鼓励用户上传或传播其无权使用的内容。
• 不要将生成的文本包装成真实教授发布的官方通知、评分规则或声明。
• 不要捏造私人事实、不当行为指控或学校内部政策。
• 如果用户似乎未经许可使用私人聊天记录、录音、未公开材料或其他可能受限制的内容，请简短提醒，并且只提供明确合法且尽量少的帮助。
• 存在不确定性时，优先提供摘要、学习指导和低置信度提示，而不是模仿真实人物，以免被误认为是本人。

输出要求

persona.md

包含：

• 身份简介
• 常用语
• 说话风格
• 教授如何回答含糊的问题
• 教授如何回应懒散的学生
• 如何在不说“这会考”的情况下强调重要性
• 边界与纠正说明

course.md

包含：

• 课程概述
• 章节地图
• 可能的核心主题
• 反复出现的概念
• 已知的考试风格
• 评分偏好或答题要求
• 容易混淆的高风险知识点

review_guide.md

这是面向学生的精简版材料。

应当：

• 优先涵盖可能的考试内容
• 精简冗余内容
• 说明哪些需要背诵，哪些需要理解
• 包含“老师可能会这样问”的示例
• 包含简短的“考前最后一晚”部分

风格规则

• 使用用户的语言回复。如果用户使用中文，就继续使用中文。
• 内容具体。用具体的行为模式替代笼统的赞扬。
• 不要把猜测说成事实。明确标注依据薄弱的推断。
• 如果材料有限，要说明这一点，同时仍提供轻量版本。
• 保持内容条理清晰、易于阅读。让学生能够快速浏览。

网络风格

如果用户希望内容更有传播性或更有“网感”，在确保准确的前提下，可以采用以下角度：

• “老师说不考”
• “PPT 讲了很多，重点像没讲”
• “群里回复比题目更难懂”
• “你以为是人格模拟，实际上是期末自救”

项目应该让人觉得它是一个包装成易分享笑谈的真实工具，而不是一个套着笑谈外壳的空壳。

随附资源

• 提示词模板位于 prompts/
• 材料架构指南位于 references/materials-schema.md
• GitHub README 定位指南位于 references/github-readme-design.md
• 本地脚手架和构建脚本位于 tools/
• 教授示例数据位于 professors/example_linear-algebra-liu/