前言¶
拿到一次测验或期中成绩后，常见的做法是把表格导出，逐题统计错误率，再按经验判断哪些知识点需要重讲。问题在于：不同老师统计口径不一致，错题数据散落在各处，等分析做完往往已经过去了好几天，改进措施也只能凭印象写。
下面介绍的是一个面向班级层面的学情诊断 Skill，把「上传成绩/错题数据 → 课堂诊断 → 班级画像 → 薄弱环节定位」串成一条流程，目标是缩短从数据到教学改进决策的时间。
这是什么¶
班级薄弱点诊断是一个班级学情分析与薄弱点诊断 Skill，输出课堂诊断结论与班级画像，用于定位班级薄弱环节、支持精准教学与教学改进。
基本属性如下，均取自官方页面抓取资料：
Skill 名称：班级薄弱点诊断
坐标：@kunlungrowth/edu-class-diagnosis
版本：1.3.1
来源：enterprise
分类：education
发布者：昆仑增长
标签：requires_api_key=false
官方地址：https://api.skillhub.cn/kunlungrowth/edu-class-diagnosis
它解决的是班级维度的问题：不是给单个学生做错题本，而是回答「这一届/这个班在哪些知识点上整体偏弱、接下来教学该怎么调整」。
核心功能¶
按官方简介，核心能力包括：
- 课堂诊断：基于上传的成绩与错题数据，对一次课堂或一次测验做整体诊断。
- 班级画像：把班级整体表现结构化呈现，便于横向比较知识点掌握情况。
- 薄弱环节定位：输出班级层面的薄弱点，作为精准教学与教学改进的依据。
- 备课助手与期中分析：覆盖日常备课与期中总结两个典型节点。
官方给出的触发词为：课堂诊断、学情分析、班级画像、教学改进、薄弱环节、精准教学、成绩分析、错题诊断、备课助手、期中分析。这些词可以作为在 Agent 里唤起该 Skill 的入口，实际识别规则取决于运行时与 Skill 描述的匹配。
页面还显示评分与下载量，抓取时为评分 100000、下载 1273、安装 0。安装量为 0 这一数据看起来与评分、下载量不匹配，可能是统计口径或页面抓取时点导致，这里只做事实记录，不作为推荐依据。
安装与启用¶
未从已抓取资料或官方页面核实到公开的安装命令、目录路径或配置项。官方页面与 API 地址在本次抓取中均无法访问，因此本文不给出未经核实的安装命令。
可确认的信息有两点：
- 该 Skill 基于通用 SKILL.md 格式，理论上可被支持该格式的 Agent 运行时加载，具体入口以官方页面说明为准。
- 标签为
requires_api_key=false，即按页面信息不需要额外配置 API Key。
如果要在 Cursor、Codex CLI 或 Claude Code 中使用，建议先打开官方页面核对该运行时对应的启用方式，不要照搬其他 Skill 的安装命令。
典型用法¶
以下流程来自官方简介，属于功能预期，不是实测结果。使用时建议按此顺序准备输入：
- 整理成绩数据：按班级、学生、知识点或题目维度整理，字段口径先统一。
- 整理错题数据：标注每道错题对应的知识点与错误类型，避免只留题目没有归因。
- 发起课堂诊断：用「课堂诊断」或「学情分析」触发，让 Skill 基于上述数据做整体判断。
- 生成班级画像：确认输出包含班级层面的知识点掌握情况，而不是仅列出个人分数。
- 查看薄弱环节：关注输出中标注的薄弱点是否有依据，必要时回到原始错题数据核对。
- 落到教学改进：把诊断结论转成具体的教学调整动作，例如重讲顺序、练习题选取、分组辅导。
如果数据只有总分、没有题目级或知识点级明细，诊断结论的粒度会受到限制，这一步应在上传前先补齐。
适用场景与注意¶
适合的场景：
- 班级单元测验、月考、期中考试后的整体学情复盘。
- 需要把错题按知识点归类，判断哪些知识点需要集体重讲。
- 教研组做教学改进记录，希望有统一口径的诊断结论。
- 备课阶段快速生成班级画像，作为教案调整的输入。
需要注意的限制：
- 官方简介中的「5分钟定位班级薄弱环节」是产品表述，实际耗时取决于数据整理与运行时响应，不要把它当成固定指标。
- 成绩与错题数据涉及学生个人信息，上传前需要确认数据来源、授权范围与存储方式，必要时先做脱敏。
- 诊断质量高度依赖输入数据粒度：只有总分无法定位到知识点层面的薄弱环节。
- 该 Skill 来源为
enterprise，使用前建议确认所在环境的第三方 Skill 引入策略。 - 本次未能访问官方页面，安装方式与最新版本信息请以官方地址为准。
结尾¶
班级薄弱点诊断的价值在于把班级学情分析从手工统计变成一条可重复的流程，让教学改进有数据依据，而不是靠经验猜测。对正在搭建教学类 Agent 的人来说，它适合作为「成绩分析 + 错题诊断 + 班级画像」的现成能力接入。
官方地址：https://api.skillhub.cn/kunlungrowth/edu-class-diagnosis
页面地址：https://www.skillhub.cn/skills/kunlungrowth/edu-class-diagnosis
