Token导航 LogoToken导航TokenDH.com
效率只读clawhub未标认证来源可访问clear审计通过

piaget-constructivist-writing皮亚杰建构主义写作

Agent Skill

用于辅助文档、README、Markdown、说明文和内容稿件的整理与改写。它适合让 Agent 提炼结构、补齐章节、统一术语、检查链接或把零散材料整理成可读文档。使用时应保留项目已有事实、命令和路径,不要把未确认的信息写成确定结论;涉及对外文案时,还需要控制语气,避免过度营销或夸大能力。

总安装

2,712

周安装

113

GitHub Stars

公开资料未说明

下载量

904
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:piaget-constructivist-writing(皮亚杰建构主义写作)
来源仓库:https://github.com/yamasite/piaget-constructivist-writing
安装命令:
openclaw skills install piaget-constructivist-writing
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 piaget-constructivist-writing

简介

皮亚杰建构主义(constructivism)写作与教学表达工作流。用于把知识点写成“读者可建构理解”的文章/讲义/课程脚本:从旧知出发,制造可控认知冲突,同化/顺应逐步搭建概念结构,输出概念地图、学习路径、分层讲解、练习题、误解纠偏与目标达成评估。

SKILL.md

name
piaget-constructivist-writing
description
皮亚杰建构主义(constructivism)写作与教学表达工作流。用于把知识点写成“读者可建构理解”的文章/讲义/课程脚本:从旧知出发,制造可控认知冲突,同化/顺应逐步搭建概念结构,输出概念地图、学习路径、分层讲解、练习题、误解纠偏与目标达成评估。

皮亚杰建构写作:让读者自己“搭起来”

触发方式

  • 用户说“用建构主义/皮亚杰方式写/面向新手写讲义/想写成循序渐进的科普/老师备课/要从旧知引出新概念”时使用本 Skill。
  • 适用:教学讲义、科普文章、知识体系笔记、课程脚本、训练营作业讲解。

输入模板(复制填空)

缺信息时先做合理假设,并把假设写入“待确认项”。如果用户只给了 Topic,没有给读者画像,优先问 1-2 个问题补齐。

主题(Topic):
读者(Audience):年级/背景/是否完全新手
写作目标(Goal):理解/能复述/能应用/能迁移
读者旧知锚点(Prior Knowledge):他们已经会什么/相信什么
常见误解(Misconceptions):3-5 条(没有就写“未知”)
必须包含/避免(Must include/avoid):
限制(Constraints):字数/时长/讲义 or 文章/是否允许公式

Quick Start(开箱即用)

当用户输入不完整时,按顺序补齐并开始产出:

  1. 选择场景预设:科普文章 / 课程讲义 / 学习笔记(见 references/presets.md
  2. references/rubric.md 生成 3-7 条 Success Criteria(成功标准)
  3. 若用户想直接测试,提供 references/sample-requests.md 的示例输入
  4. 读取 assets/output-template.md 选择模板:短讲解用 assets/compact-template.md;讲义/课程用 assets/lesson-template.md
  5. 按模板输出,并在最后做“目标达成评估”

工作流(建构主义写作)

按顺序执行;除非用户指定输出形式,否则使用“默认输出格式”。

1) 建立概念地图(Concept Map)

  • 列出 5-10 个核心概念与关系(包含:上位/下位、因果、对比、前置依赖)。
  • 选出 1 条“主线因果链/理解链”,后续段落围绕它展开,避免百科式罗列。

2) 旧知锚点与认知冲突(Prior Knowledge -> Cognitive Conflict)

  • 用读者已有经验作为锚点(他们已懂的类比/直觉/场景)。
  • 设计一个“可控冲突”:让旧知解释不了某个现象/题目/反例,从而引出新概念的必要性。
  • 冲突必须可验证:用一个小例子或问题触发,而不是纯口号。

3) 同化与顺应支架(Scaffolding)

  • 同化(Assimilation):先在旧框架下解释新信息能解释的部分,建立连续性。
  • 顺应(Accommodation):明确指出旧框架的边界,再引入新框架,补齐解释力缺口。
  • 每次引入新术语时,给一句话定义 + 一个最小例子(不要一次堆很多术语)。

4) 迁移练习(Transfer)

  • 提供 3 组练习:概念辨析应用题迁移题(从熟悉场景迁移到新场景)。
  • 每题都给“为什么这么想”的解题思路,而不是只给答案。

5) 误解纠偏(Misconceptions)

  • 列出 3-7 条常见误解:误解是什么 -> 为什么容易误解 -> 正确模型是什么 -> 如何自检。
  • 需要证据边界时要写清:哪些是普遍结论,哪些取决于条件。

6) 目标达成评估(Evaluate Against Goal)

  • 对照 Success Criteria 打分并给理由。
  • 给出结论:已达成/部分达成/未达成(需澄清)
  • 若输出仍显得“像灌输/跳步/术语先行”,读取 references/anti-patterns.md 做二次修订后再给最终版。

默认输出格式(建议)

  • 概念地图:概念与关系
  • 学习路径:旧知锚点 -> 冲突 -> 新概念 -> 迁移
  • 分层讲解:短讲解 or 讲义结构(按模板)
  • 练习题(含思路与答案)
  • 误解纠偏
  • 待确认项
  • 目标达成评估

资源文件(references/ 与 assets/)

  • 预设:references/presets.md(场景选择与默认结构)
  • 评分量表:references/rubric.md(Success Criteria 与评估口径)
  • 示例输入:references/sample-requests.md(复制即用)
  • 完成品样张:references/example-outputs.md(对齐颗粒度与风格)
  • 反模式库:references/anti-patterns.md(输出不清楚时用于纠偏)
  • 模板索引:assets/output-template.md(选择短讲解/讲义模板)

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

79.6%
按下载量换算720

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

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