前言¶
做教育方向的应用时，常见困境是手头有一堆成绩、错题、学习习惯数据，却很难把它们落成一个可用的诊断结论。要么只停留在汇总报表，要么靠人工经验逐条判断，难以复用和沉淀。下面介绍的 Skill 定位就是解决这一步：把结构化的学情输入，转成知识薄弱点、学习风格的判断，以及分层辅导建议。
这是什么¶
学情分析助手是一个社区来源的通用 Skill，坐标 @user_af163eaa/z-learning-analytics，发布者 user_af163eaa，分类 education，版本 1.0.1。它面向需要学情诊断的场景，输入学生成绩、错题、习惯等结构化信号，输出诊断框架和分层辅导建议。
核心功能¶
- 汇总多类学情信号：成绩、错题、学习习惯。
- 定位知识薄弱点与学习风格。
- 给出分层辅导建议，而不是只给一份总分。
- 通过触发词激活：当用户说「学情分析」「这孩子哪弱」「成绩怎么提升」时启用。
该 Skill 不依赖外部 API Key，标签为 requires_api_key=false，适合在本地对话流中直接调用。
安装与启用¶
官方页面未在资料中给出明确的安装命令和配置字段，此处不臆造。按通用 Skill 的用法，通常是把 Skill 目录放到对应 Agent 的 skills 目录下，或通过 SkillHub 页面获取。启用后，由用户在对话中说出上述触发词，Agent 即可加载该 Skill 并进入诊断流程。
关于热度数据，线索中的评分与下载量和页面抓取结果不一致，建议以官方页面实时显示为准。
典型用法¶
一个可复现的输入方式是：把一名学生的结构化数据交给 Agent，例如各科成绩、近期错题归类、作业完成时长与拖延情况。Agent 识别到「学情分析」类请求后，调用学情分析助手，按下面顺序处理：
1、汇总成绩与错题分布，找出稳定失分点。
2、结合习惯信号，判断是知识断层还是练习/习惯问题。
3、给出分层建议：基础层补知识、进阶层练变式、拓展层做综合题。
示例输入可写成：
用户：帮我做学情分析。
数据：数学 72 分，函数与几何失分集中；作业平均完成时长 2.5 小时，常拖到最后。
输出应是诊断框架：薄弱知识点清单、倾向的学习风格、分层次辅导动作。
适用场景与注意¶
适合教师、辅导机构、教育产品后端，用来把已有的学情数据结构化，并生成可执行的分层建议。它不负责数据采集和入库，也不做成绩统计图表，输入质量直接决定诊断质量；数据缺失时会基于现有信号推断，结论需人工复核。
结尾¶
学情分析助手的价值在于把「成绩 + 错题 + 习惯」三类信号收敛成诊断框架和分层建议，适合作为教育类 Agent 的一个标准化分析环节。官方地址：https://api.skillhub.cn/user_af163eaa/z-learning-analytics 。
