Token导航 LogoToken导航TokenDH.com
图像处理需要联网clawhub未标认证来源可访问clear审计通过

learn-english-with-images通过图像学习英语

Agent Skill

用于辅助图像生成、图片编辑、视觉素材处理或图像模型工作流。它适合让 Agent 根据文本生成图片、处理背景、整理视觉提示词或调用相关图像工具。使用时需要确认输入图片、版权来源、输出格式和模型限制;涉及人物、品牌、商品或公开展示素材时,应额外核对授权、真实性和内容合规边界。

总安装

2,752

周安装

117

GitHub Stars

1

下载量

964
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:learn-english-with-images(通过图像学习英语)
来源仓库:https://github.com/bxwzan/learn-english-with-images
安装命令:
openclaw skills install learn-english-with-images
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install learn-english-with-images

简介

通过视觉化图片帮助记忆英语单词的智能学习工具。支持创建学习计划、智能配图、词根词缀分析、音标标注,配合艾宾浩斯遗忘曲线实现高效记忆。适用于英语词汇学习、备考、日常积累等场景。

SKILL.md

name
english-visual-vocabulary
description
通过视觉化图片帮助记忆英语单词的智能学习工具。支持创建学习计划、智能配图、词根词缀分析、音标标注,配合艾宾浩斯遗忘曲线实现高效记忆。适用于英语词汇学习、备考、日常积累等场景。
metadata
version
1.0.0
author
Coze Agent
tags
[英语学习, 词汇记忆, 视觉学习, 图片记忆, 艾宾浩斯]
triggers
[背单词, 学英语, 英语学习, 记忆单词, 单词卡片, visual vocabulary, vocabulary]

看图学英语

🎯 Quick Reference

场景操作示例输出
创建学习计划"帮我制定一个30天的英语词汇学习计划,每天20个单词"学习计划表 + 每日任务清单
单词配图记忆"帮我记忆单词 'abandon',生成配图卡片"单词卡片(图片+音标+释义+词根分析)
批量单词学习"学习这10个单词:apple, banana, orange..."批量单词卡片集
词根词缀分析"分析单词 'unbelievable' 的词根词缀"词根拆解图 + 记忆技巧
复习提醒"按照艾宾浩斯曲线安排复习"复习时间表 + 待复习单词列表
场景词汇"学习关于'办公室'场景的10个单词"场景化单词卡片 + 情境例句

📖 背景

痛点

  • 记忆效率低:传统背单词依赖机械重复,缺乏情境关联,记忆留存率仅10-20%
  • 抽象难理解:抽象词汇(如"perseverance")难以通过文字定义形成深刻印象
  • 学习动力不足:枯燥的单词表和纯文本学习容易让人失去兴趣
  • 遗忘曲线陡峭:没有科学复习机制,学过的单词很快忘记
  • 词根词缀知识缺失:不了解构词规律,无法举一反三

后果

  • 词汇量增长缓慢,长期停滞在基础水平
  • 考试备考周期长,效率低下
  • 实际应用时想不起单词,沟通受阻
  • 学习自信心受挫,放弃英语学习

价值

本Skill通过视觉记忆法解决以上问题:

  • 🎨 双重编码理论:图片+文字双通道记忆,留存率提升至65%
  • 🧠 情境化理解:图片提供具体情境,加深语义理解
  • 📊 科学复习:艾宾浩斯曲线自动安排复习节点
  • 🔍 词根拆解:揭示单词构词规律,举一反三
  • 🎯 个性化计划:根据目标定制学习路径

🚀 使用方法

方法一:创建学习计划(推荐新手)

触发词背单词制定英语学习计划帮我学英语

示例对话

用户:我想在30天内背完1000个高频词汇
AI:好的!我来为你制定30天学习计划:
    - 每天35个新单词
    - 配合图片记忆
    - 自动生成词根分析
    - 按艾宾浩斯曲线安排复习
    
    [生成学习计划表]

工作流程

  1. 评估用户水平和目标
  2. 创建个性化学习计划(每日/每周)
  3. 从词库中选择目标词汇
  4. 为每个单词生成视觉卡片
  5. 安排艾宾浩斯复习节点

方法二:单词卡片生成

触发词记忆单词单词卡片生成单词配图

单个单词学习

用户:帮我记忆单词 'serendipity'

AI执行步骤

  1. 获取单词信息

- 音标:/ˌserənˈdɪpəti/ - 词性:n. 名词 - 中文释义:意外发现珍宝的运气;机缘巧合

  1. 生成配图

- 使用 search_images 搜索 "serendipity concept" 或 "意外发现" - 或使用 image_generate 生成艺术风格插图

  1. 词根词缀分析(标准格式)
   单词: serendipity
   音标: /ˌser.ənˈdɪp.ə.ti/
   音节拆分: ser-en-dip-i-ty
   词根分析:
     serendip - 锡兰旧称(斯里兰卡)
     -i- - 连接字母
     -ty - 名词后缀(状态/性质)
   词源: 源自《锡兰三王子》童话故事
   记忆: 塞伦迪普岛上的意外发现 → 机缘巧合
  1. 输出卡片
   ┌─────────────────────────┐
   │    [配图:意外发现宝藏]    │
   ├─────────────────────────┤
   │  serendipity            │
   │  /ˌserənˈdɪpəti/        │
   │  n. 意外发现珍宝的运气     │
   ├─────────────────────────┤
   │  词根:serendip + -ity   │
   │  例:Finding this book   │
   │      was pure serendipity│
   └─────────────────────────┘

批量单词学习

用户:学习这些单词:abandon, abstract, abundant, accelerate

AI执行步骤

  1. 批量获取单词信息
  2. 并行生成/搜索配图(提高效率)
  3. 逐个输出卡片
  4. 生成总结文档供下载

方法三:词根词缀专项学习

触发词词根学习前缀后缀构词法

用户:教我前缀 "un-" 的用法

输出

前缀:un- = not (不,否定)

常见单词配图卡片:
1. unhappy (不开心的) [配图:悲伤表情]
2. unbelievable (难以置信的) [配图:震惊表情]
3. uncomfortable (不舒服的) [配图:坐立难安]
4. unfair (不公平的) [配图:天平倾斜]

记忆技巧:un- 放在形容词前,表示"相反"或"否定"

方法四:艾宾浩斯复习

触发词复习单词艾宾浩斯安排复习

复习时间表

学习后间隔:20分钟 → 1小时 → 9小时 → 1天 → 2天 → 6天 → 31天

示例:
2024-01-01 学习单词 abandon
├─ 第1次复习:2024-01-01 20分钟后
├─ 第2次复习:2024-01-01 1小时后
├─ 第3次复习:2024-01-02 早上
├─ 第4次复习:2024-01-03
├─ 第5次复习:2024-01-05
├─ 第6次复习:2024-01-08
└─ 第7次复习:2024-02-01

AI操作

  1. 读取学习记录
  2. 筛选今日待复习单词
  3. 重新展示单词卡片(隐藏释义)
  4. 用户自测后显示答案
  5. 标记掌握程度(熟悉/模糊/忘记)

方法五:场景化词汇学习

触发词场景单词主题词汇情境英语

用户:学习关于"咖啡店"的英语单词

输出

☕ 咖啡店场景词汇

1. barista [配图:咖啡师]
   /bəˈriːstə/ n. 咖啡师
   
2. espresso [配图:浓缩咖啡]
   /eˈspresoʊ/ n. 浓缩咖啡
   词根:espress- (挤压) + -o
   
3. latte [配图:拿铁]
   /ˈlɑːteɪ/ n. 拿铁咖啡
   来源:意大利语 "牛奶"
   
... (更多单词)

情境对话示例:
"I'd like a grande latte with oat milk, please."

🔧 代码示例

调用脚本生成学习卡片

# 生成单个单词卡片
python scripts/generate_card.py --word "serendipity" --style "artistic"

# 批量生成
python scripts/generate_cards_batch.py --words "apple,banana,orange" --output "./cards/"

# 生成学习计划
python scripts/create_plan.py --days 30 --words-per-day 20 --level "intermediate"

自定义图片风格

# 卡通风格
python scripts/generate_card.py --word "happy" --style "cartoon"

# 写实风格
python scripts/generate_card.py --word "mountain" --style "realistic"

# 艺术风格
python scripts/generate_card.py --word "freedom" --style "artistic"

🎨 常见变体

1. 备考模式(四六级/雅思/托福)

  • 自动加载考试词库
  • 按考试频率排序
  • 生成模拟测试题

2. 儿童英语启蒙

  • 使用卡通风格图片
  • 简化释义
  • 添加趣味例句

3. 专业词汇学习

  • 医学、法律、计算机等专业词库
  • 专业术语解释
  • 行业场景配图

4. 旅行英语

  • 按国家/地区分类
  • 实用短语
  • 文化背景介绍

⚠️ 注意事项

图片版权

  • ✅ 优先使用 image_generate 生成原创图片
  • ✅ 使用 search_images 时,选择可商用的图片来源
  • ✅ 在卡片中标注图片来源(如需)
  • ❌ 避免使用明显受版权保护的图片

词根词缀准确性

  • 词源信息参考权威词典(牛津、剑桥、韦氏)
  • 多个来源交叉验证
  • 标注词源语言(拉丁语、希腊语等)
  • 提供历史演变背景

学习效果优化

  • 每次学习不超过20个新单词(避免认知负荷过载)
  • 配合听写、造句等多维度练习
  • 定期测试巩固
  • 根据掌握情况调整复习频率

个性化调整

  • 允许用户指定图片风格偏好
  • 支持自定义词库导入
  • 可调整学习计划(加速/减速)
  • 支持导出学习记录

📚 相关资源

内部资源

  • references/common_roots.md - 常见词根词缀手册
  • references/ebbinghaus_schedule.md - 艾宾浩斯复习时间表
  • references/vocabulary_lists/ - 各级别词库

外部资源

配合使用的Skill

  • image_generate - 生成单词配图
  • search_images - 搜索网络图片
  • echart - 生成学习进度图表

🔄 工作流程图

用户输入单词
    ↓
获取单词信息(音标/释义/例句)
    ↓
词根词缀分析
    ↓
生成/搜索配图
    ↓
组装单词卡片
    ↓
记录到学习日志
    ↓
安排艾宾浩斯复习
    ↓
定期提醒复习

💡 最佳实践

  1. 每日固定时间学习:建议早晨或睡前,形成习惯
  2. 主动回忆:看图片先猜单词,再显示答案
  3. 造句练习:用新学的单词造3个句子
  4. 关联记忆:将新单词与已知单词建立联系
  5. 多感官学习:配合发音音频,调动听觉

📞 技术支持

遇到问题?请提供以下信息:

  • 学习的单词/词库
  • 错误提示截图
  • 预期效果 vs 实际效果

开始使用:只需说 "帮我背单词" 或 "制定英语学习计划",AI将自动引导你开始视觉化词汇学习之旅!

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

96.53%
按下载量换算931

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills