过去 3 年，我一直在做教育相关的事情。
这几年接触过很多和教育有关的场景：学生学习、家长陪学、老师备课、作业练习、错题复盘、考试复习、知识点讲解、学习计划等等。
刚开始做 AI 教育时，我也和很多人一样，会很自然地想：
是不是只要写几个 Prompt，套上大模型，就能做一个 AI 老师？
但做了一段时间之后，我越来越觉得，教育场景远比想象中复杂。
教育不是一个简单的“问答场景”。
它更像是一套长期陪伴、持续反馈、不断调整的流程系统。
比如一个学生问：
“这道题我不会。”
这句话背后其实有很多隐含信息：
如果是家长问同样的问题，输出方式又不一样。
如果是老师问同样的问题，可能需要的是讲解思路、变式题、课堂设计和作业安排。
所以这几年下来，我最大的感受是：
AI 教育真正难的地方，不是让模型“回答”，而是让它在正确的教育场景里做正确的事情。
基于这个思考，我最近把自己这几年做教育相关项目时积累的一些经验，整理成了一个开源项目：
GitHub 地址：
https://github.com/zhongweiv/hermes-edu-skills
它不是一个简单的 Prompt 合集，而是一套面向中文教育场景的 Agent Skill Pack。
目前项目里已经整理了 170 个可安装 Skill，覆盖：
如果你也在做 AI 教育、Agent、学习助手、老师工具、错题系统或者题库产品，希望这篇文章能给你一些参考。
刚开始看 AI 教育，很容易被“AI 老师”“AI 家教”“拍照答疑”“自动批改”这些概念吸引。
这些当然都很有价值。
但真正做项目之后，我发现教育场景里有几个问题非常关键。
大模型本身很强，但它默认是一个通用助手。
通用助手的问题是：它什么都能说，但不一定知道当前教育任务的边界在哪里。
比如学生问一道数学题，如果模型直接给出完整答案，可能短期看起来很爽，但长期看不一定有利于学习。
更好的方式可能是：
也就是说，教育 AI 不应该只是“回答正确”，还要考虑“怎么帮助学习真正发生”。
这也是我后来更倾向于用 Skill 来组织能力的原因。
Skill 可以把一个教育任务的目标、边界、输入参数、输出结构提前定义好，而不是每次都让模型临场发挥。
很多教育项目一开始会按学科拆：
这个思路没错，但不够。
因为真实使用时，用户不是只说“我要数学”，而是会说：
帮我出 20 道三年级口算题。
帮我复盘这道错题。
帮我做一份期末复习计划。
帮我讲一下八年级下册物理浮力。
帮我写一份家校沟通话术。
帮我生成一份课堂练习。
帮我陪孩子背古诗。
这些任务同时涉及：
所以 Hermes Edu Skills 在设计时，没有只按学科拆，而是结合了“产品场景”和“教育任务”。
比如：
这种拆法更接近真实产品，也更方便后续接入 Agent。
这几年做教育相关项目时，我经常会思考一个问题：
AI 学习助手到底应该记住什么？
它当然应该记住一些长期有用的信息，比如：
但它不应该什么都记。
教育场景里的记忆应该服务于学习，而不是变成一个杂乱的聊天记录仓库。
所以如果以后要基于 Hermes Edu Skills 做完整教育 Agent，我觉得比较合理的结构是：
短期上下文：当前对话、当前题目、当前任务
阶段记忆：最近一周 / 一个单元的学习情况
长期画像：年级、教材、能力水平、薄弱点
学习事件：错题、练习、测试、复习记录
反馈机制：根据学习结果调整后续任务
Skill 在这里扮演的角色，就是让每一次学习行为变得更结构化，方便后续记录、分析和调整。
同样是教育，但不同角色的需求完全不同。
学生需要的是：
家长需要的是：
老师需要的是：
所以一个教育 Agent 如果只用一个统一 Prompt 服务所有人，很容易失控。
我的做法是把不同角色的任务拆到不同 Skill 里。
这不一定是唯一答案，但至少在工程上更容易维护，也更容易逐步迭代。
这几年我尝试过很多方式来组织 AI 教育能力。
最早可能就是简单 Prompt。
比如：
你是一个小学数学老师，请帮我……
这种方式上手很快，也适合验证想法。
但问题也很明显：
后来我越来越觉得，教育 AI 需要的不是一堆散乱 Prompt，而是一套可以被发现、安装、调用、组合和维护的能力系统。
这就是 Hermes Edu Skills 的基本思路。
每个 Skill 都是一个相对独立的教育能力单元。
它可以描述：
这种方式更像是在搭一个教育 Agent 的“能力库”。
目前这个项目已经整理了 170 个可安装 Skill。
整体分成 9 大类：
项目里不只是放 Markdown 文件，还包含了：
skills/ 具体 Skill 内容
catalog.json Skill 目录索引
.well-known/skills/index.json Skill discovery 入口
bin/hermes-edu-skills.mjs CLI 入口
scripts/validate.mjs 校验脚本
scripts/agent-pack.mjs Agent Pack 导出脚本
CONTRIBUTING.md 贡献说明
SECURITY.md 安全说明
.github/workflows/validate.yml GitHub Actions 校验流程
也就是说，它不是一个临时整理的文档仓库，而是尽量按照一个可维护、可扩展、可安装的开源包来设计。
这是我觉得教育 Agent 设计里很重要的一点。
如果 Skill 太粗，比如只有一个：
education-assistant
那它又变成了万能 Prompt，内部逻辑会越来越复杂。
但如果 Skill 太细，比如拆成：
一年级上册语文第一课
一年级上册语文第二课
二年级上册数学第一单元第一课时
八年级物理浮力选择题
八年级物理浮力填空题
那数量会爆炸，也很难维护。
所以我现在更倾向于：
能力按任务拆，具体年级、教材、单元、知识点作为参数传入。
比如“教材同步学习”可以是一个 Skill，但它需要支持：
这样既保留了教育场景的结构，又避免把 Skill 拆成无限多个碎片。
如果只是给人看，README 写清楚就够了。
但 Agent 需要的是可读取、可匹配、可安装、可调用。
所以项目维护了：
catalog.json
.well-known/skills/index.json
这两个文件的作用类似于 Skill Registry 的索引层。
未来无论是 Hermes Agent，还是其他 Agent Runtime，都可以通过索引知道：
这也是我没有只做“文章式整理”的原因。
开源项目要想真正被复用，结构化索引很重要。
教育项目里有一个常见问题：
设计得很完整，但用户跑不起来。
所以我加了 CLI。
目前可以通过类似下面的命令使用：
# 安装全部 Skill 到 Hermes Agent
npx hermes-edu-skills install hermes --config ~/.hermes/config.yaml
也可以按分类安装：
# 只安装教材同步分类
npx hermes-edu-skills install hermes textbook-sync --config ~/.hermes/config.yaml
搜索 Skill：
npx hermes-edu-skills search 错题
查看 Skill：
npx hermes-edu-skills info agent-mistake-review
自然语言匹配 Skill：
npx hermes-edu-skills ask "帮我出5道八年级下册物理力学选择题"
我个人非常看重 ask 这种方式。
因为真实用户不会记住 Skill 名称。
用户只会说自然语言。
所以一个好的 Agent Skill 系统，不能要求用户先理解内部结构，而应该通过路由层自动匹配合适的能力。
Skill 一多，最容易出问题的是一致性。
比如：
这些问题手动检查非常痛苦。
所以项目里加了校验脚本和 GitHub Actions。
每次提交时都可以检查：
这对开源项目很重要。
因为只有结构稳定，别人以后才敢基于它二次开发。
我觉得 Hermes Edu Skills 不只是给 Hermes Agent 用户看的。
如果你在做下面这些方向，也可以参考里面的设计：
你可以直接使用其中的 Skill，也可以只参考它的分类方式、命名方式、参数设计和 CLI 思路。
尤其是如果你正在做中文教育场景，我觉得它能节省不少前期梳理成本。
因为教育场景最麻烦的地方，往往不是模型调用，而是“到底应该拆哪些能力”。
这几年做下来，我越来越觉得，教育 AI 会从“聊天式产品”慢慢走向“任务式 Agent”。
也就是说，未来用户不是打开一个聊天框随便问，而是进入一个具体学习流程：
今天要练什么？
哪里薄弱？
错题怎么复盘？
下一步补什么？
多久复习一次？
老师怎么布置？
家长怎么看结果？
在这个过程中，大模型只是其中一层。
完整系统还需要：
Hermes Edu Skills 现在只是其中的 Skill 层。
但我觉得这是一个很重要的基础层。
因为只有先把教育任务拆清楚，后面的记忆、工具、知识库、题库和评测才有落点。
选择开源，一方面是希望这个项目能被更多人看到、使用和反馈。
另一方面，也是因为我觉得中文教育 AI 还有很多基础工作值得大家一起做。
现在很多 AI 应用都在追热点，但教育不是一个短平快的方向。
它需要长期打磨：
一个人很难把所有场景都做完。
所以我希望先把自己这几年沉淀的一部分东西拿出来，作为一个开放起点。
如果有人愿意基于它继续扩展 Skill、优化分类、接入更多 Agent Runtime、补充更多教材场景，那这个项目就更有意义。
后面我准备继续做这些事情：
如果后续 Hermes / OpenClaw / Codex / Cursor / Claude Code 等工具链都有更成熟的 Skill 机制，我也会继续适配。
如果你也在关注 AI 教育、Agent、老师工具、错题系统、学习助手、中文教育场景，欢迎看看这个项目：
https://github.com/zhongweiv/hermes-edu-skills
如果觉得这个方向有价值，也欢迎帮忙点一个 Star。
这个 Star 对我来说，不只是一个数字。
它更像是一个反馈：说明这个方向有人关注，也说明中文教育 Agent 的基础能力建设值得继续做下去。
我也欢迎大家提 Issue、提建议、提 PR，或者只是聊聊你在教育 AI 场景里遇到的问题。
这几年做教育相关项目，我最大的感受是：
教育 AI 不应该只追求“回答得像老师”，
更应该追求“真的能帮助学习发生”。
希望这个项目能成为一个小小的起点。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。