前言¶
做教育方向的應用時，常見困境是手頭有一堆成績、錯題、學習習慣數據，卻很難把它們落成一個可用的診斷結論。要麼只停留在彙總報表，要麼靠人工經驗逐條判斷，難以複用和沉澱。下面介紹的 Skill 定位就是解決這一步：把結構化的學情輸入，轉成知識薄弱點、學習風格的判斷，以及分層輔導建議。
這是什麼¶
學情分析助手是一個社區來源的通用 Skill，座標 @user_af163eaa/z-learning-analytics，發佈者 user_af163eaa，分類 education，版本 1.0.1。它面向需要學情診斷的場景，輸入學生成績、錯題、習慣等結構化信號，輸出診斷框架和分層輔導建議。
核心功能¶
- 彙總多類學情信號：成績、錯題、學習習慣。
- 定位知識薄弱點與學習風格。
- 給出分層輔導建議，而不是隻給一份總分。
- 通過觸發詞激活：當用戶說「學情分析」「這孩子哪弱」「成績怎麼提升」時啓用。
該 Skill 不依賴外部 API Key，標籤爲 requires_api_key=false，適合在本地對話流中直接調用。
安裝與啓用¶
官方頁面未在資料中給出明確的安裝命令和配置字段，此處不臆造。按通用 Skill 的用法，通常是把 Skill 目錄放到對應 Agent 的 skills 目錄下，或通過 SkillHub 頁面獲取。啓用後，由用戶在對話中說出上述觸發詞，Agent 即可加載該 Skill 並進入診斷流程。
關於熱度數據，線索中的評分與下載量和頁面抓取結果不一致，建議以官方頁面實時顯示爲準。
典型用法¶
一個可復現的輸入方式是：把一名學生的結構化數據交給 Agent，例如各科成績、近期錯題歸類、作業完成時長與拖延情況。Agent 識別到「學情分析」類請求後，調用學情分析助手，按下面順序處理：
1、彙總成績與錯題分佈，找出穩定失分點。
2、結合習慣信號，判斷是知識斷層還是練習/習慣問題。
3、給出分層建議：基礎層補知識、進階層練變式、拓展層做綜合題。
示例輸入可寫成：
用戶：幫我做學情分析。
數據：數學 72 分，函數與幾何失分集中；作業平均完成時長 2.5 小時，常拖到最後。
輸出應是診斷框架：薄弱知識點清單、傾向的學習風格、分層次輔導動作。
適用場景與注意¶
適合教師、輔導機構、教育產品後端，用來把已有的學情數據結構化，並生成可執行的分層建議。它不負責數據採集和入庫，也不做成績統計圖表，輸入質量直接決定診斷質量；數據缺失時會基於現有信號推斷，結論需人工複覈。
結尾¶
學情分析助手的價值在於把「成績 + 錯題 + 習慣」三類信號收斂成診斷框架和分層建議，適合作爲教育類 Agent 的一個標準化分析環節。官方地址：https://api.skillhub.cn/user_af163eaa/z-learning-analytics 。
