前言¶

給教育類產品做 Agent 時，常見的做法是讓模型按記憶口訣排複習、按固定題序出題。問題在於：間隔重複需要按遺忘曲線調複習點，知識掌握程度要用概率模型跟蹤，計劃排期是組合優化。靠提示詞很難把這些算準。下面介紹的 Skill「教育學習助手」把這些算法以 SKILL.md 的形式打包，讓 Agent 在會話裏直接調用，不用自己再實現一輪。

這是什麼¶

教育學習助手是一個基於通用 SKILL.md 格式的 Skill，定位是學習算法工具箱，解決的是「Agent 會輔導但不會算學習規律」的問題。

它由社區開發者 @user_053d27d0 發佈維護，座標 @user_053d27d0/study-companion-zx，版本 2.0.0，來源 community，分類 education，標籤 requires_api_key=false，也就是不需要額外的 API Key。當前頁面顯示評分 100000、下載 1080、安裝 0。

核心功能¶

Skill 提供的是 10 個學習算法，按官方簡介分三組：

1、間隔重複與閃卡：SM-2 間隔重複算法、Leitner 閃卡。前者按遺忘曲線算下次複習點，後者按卡片掌握程度分組輪轉。
2、狀態跟蹤與難度調節：BKT 貝葉斯知識追蹤估計每個知識點的掌握概率，IRT 自適應難度根據作答情況調整題目難度。
3、建模與計劃：指數學習曲線擬合學習進度，0-1 背包計劃優化用於在時間預算內安排複習與學習任務。

這些算法都由 Skill 在會話中執行，Agent 負責把學習數據喂進來、把結果用到回覆裏，不依賴外部服務。

安裝與啓用¶

官方頁面沒有在已抓取資料中給出安裝命令和配置字段，這裏不臆造。可確認的啓用條件只有一條：標籤 requires_api_key=false，說明啓用後不需要額外申請 API Key。具體安裝方式請到官方地址查看最新說明。

典型用法¶

官方簡介只列出了算法清單，沒有給出可復現的調用示例，這裏不編造。從能力本身可以明確的是：把一次學習的記錄（學了什麼、答對答錯、用了多少時間）交給 Skill，它輸出三樣東西——該知識點的掌握概率、下次複習時間點、以及當前時間預算下的最優任務安排。Agent 拿到結果後再組織成給用戶的學習建議。

適用場景與注意¶

適合的場景：背單詞、刷題複習、考前衝刺這類需要按人按知識點排計劃的 Agent 功能，尤其是已經用上 BKT、IRT 等模型的產品，可以直接把 Skill 當作算法實現層，省掉自己寫公式的功夫。

需要注意的限制：

1、算法是確定性計算，效果取決於輸入數據質量。學習記錄缺失或時間戳不準，掌握概率和計劃都會偏。
2、0-1 背包計劃優化求解的是單次靜態最優，學習進度是動態變化的，長期使用需要定期重算。
3、Skill 只負責算，不負責教學內容本身，題目和講解仍要由產品側提供。
4、安裝數目前爲 0，社區反饋樣本少，接入前建議先在自己數據上跑通再上線。

結尾¶

教育學習助手的價值在於把 SM-2、BKT、IRT 這類通常要單獨寫實現的學習算法收進一個 SKILL.md，Agent 側只需準備數據、消費結果。官方地址：https://api.skillhub.cn/user_053d27d0/study-companion-zx