前言¶

在语文和英语教学场景里，作文批改是最耗教师时间的环节之一：逐篇读、按评分标准打分、写评语、给升格方向，一个班几十篇下来就是一整晚。程序化这条路也不好走——作文评价主观性强，传统规则或分类模型很难稳定输出分数和有建设性的评语。

下面介绍一个把这件事交给通用 Agent 的 Skill：作文智能批改评分。它按评分标准对语文作文和英语作文给出分数、评语与升格建议，覆盖中考、高考作文批改和日常教学反馈。

这是什么¶

作文智能批改评分 是一个基于通用 SKILL.md 格式的大模型 Skill，坐标 @kunlungrowth/edu-essay-grader，由发布者「昆仑增长」维护，来源标记为 enterprise，分类 education，当前版本 1.2.1。

它解决的问题是：让 Agent 在「作文批改、语文作文、英语作文、评分标准、写作评价、作文评语、批改」等触发词下，接管作文批改流程，输出结构化的评价结果，而不是每次都让开发者或教师手写批改逻辑。

核心功能¶

根据官方页面信息，该 Skill 的能力边界如下：

• 多维度智能批改：面向语文作文与英语作文两类写作任务。
• 按评分标准给分：输出分数，而不是只有定性评价。
• 作文评语：给出针对本文的评语。
• 升格建议：指出修改方向，帮助学生把作文改到更高档次。
• 覆盖范围：中考、高考作文批改，以及日常教学反馈。
• 触发词：作文批改、语文作文、英语作文、评分标准、写作评价、作文评语、批改。

需要说明的是，官方资料未披露具体的维度数量（例如内容、结构、语言各占多少分）以及所依据评分标准的版本来源。这些细节需要在实际调用时验证，不能默认它适配某一地区当年细则。

安装与启用¶

官方页面未提供安装命令、目录路径或配置文件字段，因此这里不给出处不明的安装步骤。

可以确认的是：该 Skill 在 SkillHub 页面上的标签为 requires_api_key=false，意味着按页面信息它不要求额外配置 API Key，但是否仍依赖 Agent 自身的模型凭证，需要以实际运行环境为准。

启用方式以你所用的 Agent 宿主为准：在 Cursor、Codex CLI 或 Claude Code 中按各自的方式从 SkillHub 加载该 Skill，加载后使用触发词或直接提出批改请求。各家宿主的加载路径不一致，请以宿主文档为准，官方 Skill 页面没有逐一说明。

典型用法¶

官方资料未提供可复现的调用示例，包括请求格式、参数字段和返回结构。在拿到官方示例之前，下面只给出使用方式的方向性描述，不虚构接口签名：

1、把学生的作文文本作为输入，同时说明文体（记叙文、议论文、英语作文等）和适用场景（中考、高考、日常练习）。
2、触发批改后，Skill 按评分标准输出分数、评语与升格建议。
3、把输出交给教师复核，而不是直接作为最终成绩。

适用场景与注意¶

适合的场景：

• 教师在中考、高考备考阶段需要批量处理作文、又希望评语有统一口径时。
• 日常教学中需要给学生反馈修改方向，而教师逐篇写评语成本过高时。
• 开发者要把作文批改做进自己的教学产品或内部工具时。

需要注意的限制：

• 作文评价本身主观性强，同一篇作文在不同评分标准下分数可能不同，Skill 的输出应视为参考，最终成绩由教师确认。
• 官方资料未写明评分标准的具体版本与地区适配范围，用于正式考试批改前必须先验证它是否符合你的考纲。
• 评语和升格建议的质量取决于输入作文的完整性，只给片段或错别字较多的文本时，输出参考价值会明显下降。
• 页面上的评分与下载量为平台统计值，会随时间变化；撰写本文时该 Skill 的页面评分为 100000，下载量 1358，安装量 0。
• 平台标注 requires_api_key=false，但模型调用本身是否有成本、是否受速率限制，需要在实际环境中确认。

小结¶

作文智能批改评分把「给作文打分、写评语、提升格方向」这一步标准化为一个可被 Agent 调用的 Skill，适合语文和英语教学中重复性高、又需要一致口径的批改场景。它的价值在于减少教师逐篇手写的成本，而不是替代教师对最终评价的判断。官方地址：https://api.skillhub.cn/kunlungrowth/edu-essay-grader