前言¶

在教育類應用里加作業批改能力，常見的做法是讓模型直接讀作業、打分、寫評語。問題在於：模型對標準的理解不穩定，同一份作業換一次提示詞可能得到完全不同的分數；反饋往往只有「寫得不好」「再想想」這類空泛評價，學生看完不知道下一步做什麼。更麻煩的是作文和習題混在一起批時，標準更難統一。

下面介紹的 Skill「作業批改」就是針對這個場景的。它把批改做成一條固定鏈路：先定標準，再按層次批改，然後寫反饋、引導訂正、跟蹤復盤，保證每次批改的口徑一致。

這是什麼¶

「作業批改」是一個基於通用 SKILL.md 格式的大模型 Skill，由「崑崙增長」出品，來源標記爲 enterprise，當前版本 1.1.0，分類爲 education。它解決的問題是：用結構化方法高效批改作業，並給出可執行的反饋，而不是一次性丟出一個分數和一段模糊評語。

該 Skill 無需 API Key（標籤 requires_api_key=false），可以直接在支持 SKILL.md 的 Agent 環境里加載。在 SkillHub 上，它當前評分爲 100000，下載量 1268。

核心功能¶

官方簡介給出的能力範圍如下：

• 覆蓋鏈路：標準設定 → 分層批改 → 反饋 → 訂正 → 跟蹤。
• 內置方法論：量規法、具體反饋、不代寫。
• 能力模塊：標準設定、分層批改、反饋撰寫、訂正引導、跟蹤復盤。

幾個要點拆開說：

1、標準設定：批改前先把評分標準（量規）定清楚，而不是讓模型臨場發揮。這是保證多次批改口徑一致的基礎。
2、分層批改：不是一刀切，而是按層次處理作業，適合班級裏水平參差的學生。
3、具體反饋：反饋要落到具體問題和可執行的修改動作上，對應「可執行的反饋」這個定位。
4、不代寫：這是方法論裏的一條護欄，批改和反饋環節不代替學生完成作業。
5、訂正引導與跟蹤復盤：批完不是終點，Skill 會繼續引導學生訂正，並對過程做跟蹤復盤。

官方同時列出了它的適用說法：作業批改、批改作業、作業反饋、作文批改、習題批改。

安裝與啓用¶

已抓取的資料中沒有給出具體的安裝命令或配置字段，因此這裏不編寫未經覈實的命令。要安裝或瞭解啓用方式，以官方頁面爲準：

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

該 Skill 基於通用 SKILL.md 格式，在支持該格式的 Agent 環境中按 Skill 加載流程啓用即可。是否需要 API Key：否。

典型用法¶

已抓取資料中沒有提供官方的可復現示例，因此本節不寫示例。從官方簡介可以確認的用法邊界是：輸入一份作業後，按「標準設定 → 分層批改 → 反饋 → 訂正 → 跟蹤」的鏈路處理，輸出可直接交付的批改結果和反饋。具體的輸入格式和輸出樣例，需要查閱官方頁面後再使用。

適用場景與注意¶

適合的場景：

• 教育類產品裏需要批量或持續批改作業、作文、習題的能力。
• 希望批改標準穩定、反饋具體可執行的場景。
• 需要批改後繼續跟蹤學生訂正和進步的場景。

需要注意的地方：

• 「不代寫」是它的內置方法論之一，使用時不要繞過這一條去要求它直接替學生完成作業。
• 適用說法裏包含作文批改和習題批改，兩類作業的批改標準不同，標準設定模塊需要按實際作業類型配置。
• 官方資料顯示安裝量爲 0、下載量 1268，屬於較新的 Skill，接入前建議先在小範圍作業上驗證批改口徑是否符合你的教學標準。

結尾¶

「作業批改」的價值在於把批改從一次性的模型調用，變成有標準、有層次、有後續跟蹤的結構化流程，輸出可以直接交付給學生和老師。如果你正在做教育類 Agent 的作業批改能力，可以從這條鏈路入手。

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