1. 项目背景与核心价值Hermes Edu Skills作为中文教育领域的Agent Skill Pack近期完成了从170到188个技能的版本迭代。这次升级远不止是数量上的增加而是一次从内容清单到完整能力层的质变。作为一名长期关注教育技术发展的从业者我深刻理解这种工程化转型对教育AI落地的重要意义。在教育AI领域我们常常陷入一个误区过度追求模型的回答质量而忽视了教育场景特有的结构化需求。一个优秀的教育Agent不仅需要理解问题更需要理解问题背后的教学场景、用户角色和学习阶段。这正是Hermes Edu Skills试图解决的问题——将零散的提示词转化为可安装、可路由、可诊断的教育能力单元。2. 版本升级的核心改进2.1 学前启蒙场景的补齐在170版本中技能主要集中在K12教育阶段。通过实际用户反馈发现学前启蒙(3-6岁)的需求被严重低估。新版特别增加了以下细分场景识字与拼音启蒙包含汉字认知、拼音认读等基础技能数感建立通过游戏化方式培养基础数学概念绘本共读指导家长进行有效的亲子阅读控笔训练为书写做准备的基础技能情绪管理帮助幼儿识别和表达情绪这些技能不是简单地将小学内容简化而是基于儿童发展心理学重新设计互动方式。例如在汉字认知技能中明确限定了单次教学不超过3个新字并强制包含多感官互动建议。2.2 分类体系的重构旧版分类主要按学科划分新版则采用更符合教育产品逻辑的维度分类核心场景典型用户preschool亲子共学、入学准备家长textbook-sync单元预习、课后巩固学生/家长exam-prep考点梳理、模拟测试学生teacher-tools学情分析、作业批改教师这种分类方式使技能路由更加精准。当用户询问如何准备期末考试时系统能明确识别这是exam-prep类任务而非普通的答疑。2.3 CLI工具的增强工程化最显著的体现是命令行工具的完善。现在用户可以通过标准化流程管理技能包# 一键安装 npx --yes hermes-edu-skills install # 环境诊断 npx --yes hermes-edu-skills doctor # 自动修复常见问题 npx --yes hermes-edu-skills fix特别值得注意的是doctor命令的实现细节。它会检查技能目录的读写权限Hermes Agent的版本兼容性环境变量配置依赖项完整性技能索引构建状态这种设计显著降低了用户的接入门槛使教育AI能力可以快速集成到现有系统中。3. 技能设计的工程化原则3.1 结构化技能协议与传统提示词不同每个技能都遵循严格的SKILL.md协议## 元数据 - 适用年级: [小学1-3年级] - 最佳使用场景: [课后复习] - 输入要求: [需提供具体题目或知识点] ## 执行流程 1. 知识点识别 2. 错因分析模板 3. 变式题生成规则 4. 复习计划建议 ## 边界控制 - 不直接给出完整答案 - 单次互动不超过15分钟 - 必须包含正向激励这种结构确保不同Agent都能一致地执行教育任务而非随机发挥。3.2 动态参数化设计高阶技能支持运行时参数注入。例如作文批改技能可以接受{ grading_standard: 中考, focus_areas: [立意, 结构], feedback_mode: 指导型 }这使得同一技能能适应不同地区的教学标准。4. 多平台适配方案4.1 导出适配器架构项目采用分层设计确保跨平台兼容skills/ # 原始技能 └── SKILL.md # 标准协议 agent-pack/ # 适配层 ├── openclaw/ # OpenClaw转换规则 ├── codex/ # Codex运行时包装 └── generic/ # 通用JSON格式4.2 平台特定优化示例对于OpenClaw环境技能会被编译为# openclaw-skill.yaml triggers: - 如何教孩子认识汉字 steps: - action: edu/preschool/character-recognition params: age: 3-6 method: multi-sensory这种转换保留了教育语义同时符合目标平台的技术规范。5. 实践中的经验教训5.1 技能边界划分初期我们遇到过技能重叠的问题。例如作文指导和写作技巧的界限模糊。最终确立的原则是按教学阶段划分构思/起草/修改按问题类型划分记叙文/议论文按干预程度划分启发式/诊断式5.2 版本兼容性管理当技能协议升级时采用语义化版本控制MAJOR破坏性变更如必需参数调整MINOR向后兼容的新功能PATCH问题修复同时提供迁移脚本npx hermes-edu-skills migrate --from 1.7.0 --to 1.8.06. 教育Agent的未来方向从工程角度看教育AI需要更多领域感知的基础设施教材知识图谱区域化课程标准映射学习者认知模型教学法规则引擎这次升级让我确信教育AI的突破不在于更大的模型而在于更精准的教育场景解构和更可靠的工程实现。当每个教育意图都能被准确路由到对应的能力单元时AI才能真正成为有效的教育伙伴。