前言¶

在教育类应用里加作业批改能力，常见的做法是让模型直接读作业、打分、写评语。问题在于：模型对标准的理解不稳定，同一份作业换一次提示词可能得到完全不同的分数；反馈往往只有「写得不好」「再想想」这类空泛评价，学生看完不知道下一步做什么。更麻烦的是作文和习题混在一起批时，标准更难统一。

下面介绍的 Skill「作业批改」就是针对这个场景的。它把批改做成一条固定链路：先定标准，再按层次批改，然后写反馈、引导订正、跟踪复盘，保证每次批改的口径一致。

这是什么¶

「作业批改」是一个基于通用 SKILL.md 格式的大模型 Skill，由「昆仑增长」出品，来源标记为 enterprise，当前版本 1.1.0，分类为 education。它解决的问题是：用结构化方法高效批改作业，并给出可执行的反馈，而不是一次性丢出一个分数和一段模糊评语。

该 Skill 无需 API Key（标签 requires_api_key=false），可以直接在支持 SKILL.md 的 Agent 环境里加载。在 SkillHub 上，它当前评分为 100000，下载量 1268。

核心功能¶

官方简介给出的能力范围如下：

• 覆盖链路：标准设定 → 分层批改 → 反馈 → 订正 → 跟踪。
• 内置方法论：量规法、具体反馈、不代写。
• 能力模块：标准设定、分层批改、反馈撰写、订正引导、跟踪复盘。

几个要点拆开说：

1、标准设定：批改前先把评分标准（量规）定清楚，而不是让模型临场发挥。这是保证多次批改口径一致的基础。
2、分层批改：不是一刀切，而是按层次处理作业，适合班级里水平参差的学生。
3、具体反馈：反馈要落到具体问题和可执行的修改动作上，对应「可执行的反馈」这个定位。
4、不代写：这是方法论里的一条护栏，批改和反馈环节不代替学生完成作业。
5、订正引导与跟踪复盘：批完不是终点，Skill 会继续引导学生订正，并对过程做跟踪复盘。

官方同时列出了它的适用说法：作业批改、批改作业、作业反馈、作文批改、习题批改。

安装与启用¶

已抓取的资料中没有给出具体的安装命令或配置字段，因此这里不编写未经核实的命令。要安装或了解启用方式，以官方页面为准：

https://api.skillhub.cn/kunlungrowth/kunlun-homework-grading

该 Skill 基于通用 SKILL.md 格式，在支持该格式的 Agent 环境中按 Skill 加载流程启用即可。是否需要 API Key：否。

典型用法¶

已抓取资料中没有提供官方的可复现示例，因此本节不写示例。从官方简介可以确认的用法边界是：输入一份作业后，按「标准设定 → 分层批改 → 反馈 → 订正 → 跟踪」的链路处理，输出可直接交付的批改结果和反馈。具体的输入格式和输出样例，需要查阅官方页面后再使用。

适用场景与注意¶

适合的场景：

• 教育类产品里需要批量或持续批改作业、作文、习题的能力。
• 希望批改标准稳定、反馈具体可执行的场景。
• 需要批改后继续跟踪学生订正和进步的场景。

需要注意的地方：

• 「不代写」是它的内置方法论之一，使用时不要绕过这一条去要求它直接替学生完成作业。
• 适用说法里包含作文批改和习题批改，两类作业的批改标准不同，标准设定模块需要按实际作业类型配置。
• 官方资料显示安装量为 0、下载量 1268，属于较新的 Skill，接入前建议先在小范围作业上验证批改口径是否符合你的教学标准。

结尾¶

「作业批改」的价值在于把批改从一次性的模型调用，变成有标准、有层次、有后续跟踪的结构化流程，输出可以直接交付给学生和老师。如果你正在做教育类 Agent 的作业批改能力，可以从这条链路入手。

官方地址：https://api.skillhub.cn/kunlungrowth/kunlun-homework-grading