前言¶

备课往往要同时处理教学目标、学生层次、课件与习题等多种形式的内容。单靠通用对话模型，容易缺少统一流程和质量把关。下面介绍 SkillHub 上的社区 Skill「AIGC做教学」，它把需求诊断、资源生成思路、质量审核和落地建议写进 SKILL.md，供 Cursor、Claude Code 等支持 Skills 的 Agent 按步骤执行。

这是什么¶

「AIGC做教学」是 Skill 坐标 @user_914a510d/ai-teaching-resource-generator（版本 1.0.0），来源为 SkillHub 社区（community），分类 education，由 user_914a510d 发布。

官方页面：SkillHub - AIGC做教学。Skill 元数据地址：https://api.skillhub.cn/user_914a510d/ai-teaching-resource-generator。

简介与 Skill 描述一致：基于 AIGC 技术快速生成高质量教学资源并优化教学效果；适合教师提升备课效率、开发个性化教学内容或构建数字化教学资源库时使用。页面标注标签 requires_api_key=true，调用底层 AIGC 能力时需自行准备 API Key。

核心功能¶

依据 SKILL.md，本 Skill 的定位与能力如下。

任务目标

• 通过 AIGC 辅助教师生成教学资源，提升备课效率与个性化水平。
• 能力包含：教学需求诊断、AIGC 工具智能匹配、教学资源自动生成、质量标准审核、迭代优化建议。
• 典型触发：教师给出主题与课程目标、上传旧教案需优化、或需要批量开发教学资源。

标准流程（五步）

1. 需求诊断与分析：解构主题与目标，结合学生层次与可选旧素材做痛点诊断。
2. AIGC 工具智能匹配：按资源类型建议 ChatGPT/Claude、Midjourney/DALL-E、GPT-4 等组合策略。
3. 教学资源生成：可按文档调用 scripts/generate_teaching_resources.py，输出 JSON 形式资源清单（课件大纲、案例、习题、提示词、应用建议等）。
4. 质量标准审核：对照 references/resource-quality-standards.md 等参考，检查准确性、完整性与风险。
5. 迭代优化与落地建议：课堂嵌入方式、配套活动与效果评估指标。

可选分支

• 仅有主题、目标不清时：引导补全或按学科标准给目标建议。
• 有旧教案时：增量优化模式，在保留核心内容基础上补充 AI 资源。

依赖

Skill 元数据声明 Python 依赖：openai==1.12.0、jinja2==3.1.3。文档说明无特殊系统依赖。

安装与启用¶

SkillHub 推荐两种方式：把安装提示词发给 AI，或使用 skillhub CLI。

方式一：提示词安装（页面原文）

将下面内容发给当前 Agent，让其按 SkillHub 安装文档操作：

请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_914a510d/ai-teaching-resource-generator`。

方式二：CLI 安装

先确认是否已安装 CLI：

command -v skillhub && skillhub --version

未安装时可执行 SkillHub 文档中的安装脚本（完整安装或 --cli-only 仅 CLI）。安装 Skill 时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 可能不会被识别。

skillhub install @user_914a510d/ai-teaching-resource-generator --dir ~/.cursor/skills/

常见路径（摘自 SkillHub 安装文档）：Cursor 为 ~/.cursor/skills/；Claude Code 为 ~/.claude/skills/；Codex 为 ~/.codex/skills/ 或项目下 .agents/skills/。安装后按所用客户端要求重启或刷新 Agent。

启用前请配置好 AIGC 相关 API Key（requires_api_key=true）。若需使用文档中的 Python 脚本，请在环境中安装声明的 openai、jinja2 版本。

典型用法¶

与 Agent 对话（文档中的示例 1）

输入教学主题「绩效考核管理方法」，课程目标「理解 KPI 与 OKR 的区别、掌握指标设计方法」，学生为「人力资源管理专业大二学生」，学科「管理类」。预期产出包括课件大纲、企业案例、练习题、各资源的 AIGC 提示词与课堂活动建议；文档要求案例覆盖多行业，习题含客观题与案例分析题。

增量优化（文档中的示例 2）

上传旧版「薪酬管理」课件，需求为「增加 AI 应用案例和互动环节」。预期在原有结构上补充 AI 薪酬分析案例、互动设计（如薪酬测算模拟、谈判角色扮演）及 AIGC 工具使用说明，并与原知识体系衔接。

批量资源库（文档中的示例 3）

职业院校在线课「人力资源管理基础技能」，覆盖招聘、培训、绩效、薪酬、劳动关系等模块。预期产出模块化清单：微课脚本、虚拟仿真场景、案例库、在线题库等，并强调模块化与可复用。

脚本调用（文档记载，需包内脚本存在）

当需要大量结构化清单时，SKILL.md 给出命令示例：

python scripts/generate_teaching_resources.py \
  --topic "绩效考核管理方法" \
  --objectives "理解KPI与OKR的区别、掌握指标设计方法" \
  --students "人力资源管理专业大二学生" \
  --domain "管理类" \
  --existing_materials ""

参数含义：topic（主题）、objectives（目标）、students（学生层次）、domain（学科领域）、existing_materials（可选旧素材）。输出为 JSON 教学资源清单。文档还索引了 references/prompt-engineering-guide.md、assets/courseware-template.json、assets/quality-checklist.md 等；请以你本地安装包内实际文件为准。

适用场景与注意¶

适合谁

• 中小学教师、高校或职业院校教师，需要系统化备课或扩充资源库。
• 已在 Cursor / Claude Code 等环境使用 Skills，希望把教学流程固化成可重复步骤的团队或个人。

限制与注意（来自官方文档）

• 简单资源可由 Agent 直接生成；大量结构化输出再考虑调用脚本。
• 资源须服务于教学目标，避免为用 AI 而用 AI。
• 关键知识点需人工复核；遵循「人机协作、教师主导」。
• 关注 AI 生成内容的版权与合规边界。

SkillHub 页面统计（抓取时）：评分 100000，下载 3216，安装 31。数据会随平台更新变化，以 SkillHub 页面为准。

结尾¶

「AIGC做教学」把备课从主题输入到质量审核写成可执行的 Skill 流程，适合在 Agent 里长期启用。安装与详情见 SkillHub 技能页，元数据入口 https://api.skillhub.cn/user_914a510d/ai-teaching-resource-generator。