mdf-teaching-optimizer
Installation
SKILL.md
MDF 授课提示词优化器
用于“已有授课提示词”的系统优化,不是从零写新课。
何时使用
- 用户要求“检查是否漏讲”“对照课程资料补全”。
- 用户要求“按示例优化教学设计与讲述技巧”。
- 用户要求“统一多章节风格并降低运行报错风险”。
输入最小集
- 课程资料(原文/逐字稿/教案卡片至少一类)。
- 当前授课提示词(单章或全章)。
- 约束偏好(例如:是否允许跨章变量承接)。
核心方法论(压缩版)
- 开场低门槛进入:封面图 + 1个轻互动变量。
- 先分层后讲解:互动变量必须改变后续内容。
- 结构内容驱动:按本节知识特性组织讲解,不机械套统一模板。
- 证据链推进:现象/历史 -> 机制/数据 -> 结论(可先给结论,但必须补证据链)。
- 可视化承载抽象:关键概念必须有 SVG/HTML 图与约束。
- 观点澄清:复述 -> 边界 -> 反直觉提醒。
- 风险纠偏:至少3个误判 + 1个立即修正动作。
- 交付物可执行:至少1个可复用交付物,建议附“参考填法”。
- 语法与变量稳定:交互语法一致,变量命名统一且可执行。
高标准约束(通用)
- 段落节奏:知识点段落之间使用
---做节奏区隔。 - 开场要求:默认包含本节封面图(SVG)。
- 互动数量:单节最多 5 个互动,推荐 3-4 个。
- 互动位置:不强制开头集中采集;应放在“需要分流/需要决策”的位置。
- 互动有效性:每次采集后必须“即时反馈 + 后续分流”。
- 连续采集上限:单次连续采集不超过 3 个变量,超出需先反馈再继续。
- 变量安全:禁止出现未采集/未注入变量(避免 unknown 占位)。
- 全局变量策略:全局变量在全课程均匀采集,不在单节集中采满。
- 变量去重:同一门课禁止重复采集同一变量;如需复采,必须用于“前后对比/阶段演进”并写明目的。
- 语义去重:不同变量名但问题语义相同/高度相近也视作重复,除非明确承担“前后对照”功能。
- 输入型变量语法:统一使用
?[%{{var}}...提示语]。 - 结尾策略:按章节特性收束,可用总结型结尾,不强制交互式结尾。
- 图文协同:图用于压缩抽象,文用于解释机制,避免图文重复。
- 固定输出边界:
===...===仅用于“必须原样输出”内容,禁止全文/整段包裹。 - 互动选项规范:禁止使用 A/B/C 代指,选项必须为可复用的完整文本。
- 变量应用规范:每次采集后必须回显变量,并产生后续分流差异。
- 核心知识点必须图文配合:每个核心点需明确“先图后文”,避免只有图或只有文字。
- 表达去元术语:授课正文不得出现“原文口径/全局变量/收集变量/映射说明”等制作侧词汇。
- 问题具体化:把抽象互动改成具体问题句,确保模型可直接向用户提问并讲清信息。
- 观点题分叉:
*_viewpoint_check禁止统一模板反馈,必须按选项分叉并给到不同纠偏建议。 - 结构灵活:禁止机械套统一讲解结构,按章节内容选择最合适的讲述路径。
- 信息密度约束:优化后信息密度不得低于源资料关键点覆盖密度,不得通过删点换流畅。
MarkdownFlow 语法规范(必须遵守)
- 变量:
- 用
{{var_name}}引用变量; - 变量名不可含空格;
- 未赋值变量默认
"UNKNOWN"。
- 交互:
- 单选:
?[%{{var}} 选项A | 选项B | 选项C] - 多选:
?[%{{var}} 选项A || 选项B || 选项C] - 输入:
?[%{{var}} ... 请输入] - 按钮+输入:
?[%{{var}} 选项A | 选项B | ...其他,请填写]
- 分镜:
- 用
---分隔模块; - 每个模块只完成一个明确目标。
- 确定性输出:
- 单行固定文本:
===固定文本=== - 多行固定文本围栏:
!===
第1行
第2行
!===
- 普通内容写作原则:
- 普通内容是“给AI的创作指令”,不是直接给读者的成文;
- 禁止直接输出整篇文章正文,应指导AI生成正文。
详细说明见 references/methodology.md。
优化工作流
- 对齐范围:明确“本次优化是单章还是全章”。
- 建覆盖矩阵:逐章比对“资料要点 -> 提示词段落”。
- 标注问题类型:
漏讲偏义讲法不清互动无分流图形约束不足变量/语法风险
- 小步改写:优先最小改动补齐关键缺口,避免整章重写。
- 运行前自检:按检查清单逐项验证。
- 图文一致性复检:逐节确认“核心知识点均有图文配对”,并清理失效图片占位。
- 变量复检:输出课程级变量总表,检查重复采集、提前引用、调用次数。
- 语义复检:输出“相似互动题”清单,标记是否存在对照目的与分流价值。
- 分流复检:逐个
viewpoint_check检查是否“按选项分叉反馈 + 触发后续动作”。 - 语法门禁复检:交付前必须进行 MDF 语法检查;语法错误按重大失误处理,禁止交付。
- 变更日志复检:将改动写入独立变更日志文档,不写入授课提示词正文。
检查清单见 references/review-checklist.md。
强制输出规范
- 对用户先给“结论与风险等级”,再给“改动点清单”。
- 文件级引用必须可定位到路径。
- 若存在“同名多目录版本”,必须同步或明确主版本。
- 若用户明确禁止跨章关联:
- 删除开头回顾和结尾预告中的章节依赖。
- 去掉“作为第X节输入”表述。
- 避免使用未注入的跨章变量。
常见坑
- 只改结构不补资料细节,导致“形式正确、内容空心”。
- 过度抽象导致术语漂移,偏离原文原意。
- 保留了隐性跨章变量,运行时报错。
- 互动题干写得太抽象,模型难以执行。
- 观点题虽然有选项,但反馈仍然套同一模板,导致分流无效。
- 用不同变量名重复提问同一问题,用户感知为“重复作答”。
- 图形任务存在但缺少文字讲解,造成“只看图不理解机制”。
- 为了模板统一牺牲章节特性,导致讲解死板。
Related skills
More from ai-shifu/mdf-skills-suite
mdf-material-adapter
对杂乱逐字稿或课程文档进行清洗、结构化和语义分段,输出稳定的课节切分候选,同时保留代码、图片和关键术语。Use when raw course materials are noisy before MarkdownFlow lesson generation.
1mdf-transcript-to-lessons
将传统课程逐字稿或长文档课程资料转换为按节输出的 MarkdownFlow 授课提示词,严格保留代码与图片位置,稳定切分课节,产出交互变量与课程索引。Use when user asks to transform 课程资料, 逐字稿, 文档 into runnable lesson-by-lesson MDF scripts.
1mdf-teaching-script-generator
基于结构化课节片段生成可运行的 lesson 级 MarkdownFlow 授课提示词,保证语法合法、交互受控、最小教学闭环和跨节变量复用。Use when user needs per-lesson MDF prompts from prepared course structure.
1