---

name: summary-generator description: 当需要为教育内容生成课程摘要时，应使用此技能。它通过苏格拉底式的提取过程，从课程Markdown文件中提取关键概念、心智模型、模式和常见错误。当课程文件需要生成一个.summary.md配套文件，或需要审查/刷新现有摘要时，请使用此技能。

摘要生成器

概述

本技能通过苏格拉底式提问提取核心学习要素，为教育课程生成简洁、可快速浏览的摘要。摘要服务于两种用户需求：快速复习（学生返回刷新理解）和即时参考（学生在练习中回查）。

提取过程（苏格拉底式）

要生成摘要，请按顺序处理以下问题。每个问题提取摘要一个部分的内容。

问题1：核心概念

“如果一个学生明天只记得这节课的一件事，那必须是什么？”

用1-2句话提取最重要的收获。这应该是解锁其他所有内容的基础性见解。

测试：一个只读了这句话的人能否向同伴解释这节课的目的？

问题2：关键心智模型

“这节课在学生头脑中植入了哪些心智框架？他们现在通过什么’透镜’看待问题？”

提取2-3个心智模型——这些是可复用的思维模式，而非事实。寻找：

• 因果关系
• 决策框架（“当X时，做Y”）
• 概念隐喻或类比

测试：这些模型能否迁移到新情境，还是课程特定的事实？

问题3：关键模式

“这节课教授哪些实用技术或模式？学生现在能做什么以前不能做的事？”

从课程中提取2-4个可操作的模式。这些模式来自：

• 代码示例及其目的
• AI协作技术
• 引入的工具或命令
• 演示的工作流程

测试：学生能否在不重读课程的情况下应用这些模式？

问题4：AI协作要点

“AI如何帮助处理这个主题？哪些提示或协作模式能带来不同？”

提取1-2个关于在此主题上与AI协作的见解。这不应暴露三角色框架——专注于实用的协作模式。

注意：如果课程不涉及AI协作（第1层内容），则跳过此部分。

问题5：常见错误

“学生通常在哪里出错？这节课纠正了哪些误解？”

从以下方面提取2-3个常见错误：

• 明确的“常见错误”部分
• 课程中的错误示例
• 与假设相矛盾的反直觉点

测试：了解这些是否能防止一个真实的错误？

问题6：关联

“这节课建立在哪些先验知识之上？接下来会导向哪里？”

提取导航链接：

• 建立在：假设了哪些先验概念
• 导向：这在未来的课程中能实现什么

注意：此部分是可选的。如果关联不明确或无用，则跳过。

输出模板

按照以下确切结构生成摘要：

### 核心概念
[来自问题1的1-2句话]

### 关键心智模型
- **[模型名称]**: [简要解释]
- **[模型名称]**: [简要解释]
- **[模型名称（如果需要）]**: [简要解释]

### 关键模式
- [模式/技术 1]
- [模式/技术 2]
- [模式/技术 3（如果适用）]
- [AI协作模式（如果适用）]

### 常见错误
- [错误1及其原因]
- [错误2及其原因]
- [错误3（如果适用）]

### 关联
- **建立在**: [先验概念/章节]
- **导向**: [后续概念/章节]

长度指南

根据课程复杂性（来自frontmatter中的proficiency_level）调整摘要长度：

熟练度	目标长度	原因
A1-A2 (初级)	150-250 字	概念更简单，模式更少
B1-B2 (中级)	200-350 字	更细致，多种技术
C1-C2 (高级)	250-400 字	复杂主题，许多相互关联

反模式（不应包含的内容）

遵循原则7：最小充分内容，摘要不得包含：

• ❌ 完整解释 — 摘要指向概念，而非重新教授它们
• ❌ 代码示例 — 完整课程包含这些
• ❌ 练习题目 — 学生返回课程进行练习
• ❌ “下一步”导航 — 课程结构处理此问题
• ❌ 激励性内容 — 没有“恭喜！”或冗余内容
• ❌ 层级/阶段标签 — 学生体验教学法，而非研究它
• ❌ 框架术语 — 没有“三角色”、“第2层”等

文件命名约定

摘要文件通过在课程文件名（不带扩展名）后附加.summary.md来命名：

# 课程文件：
apps/learn-app/docs/05-Python/17-intro/01-what-is-python.md

# 摘要文件：
apps/learn-app/docs/05-Python/17-intro/01-what-is-python.summary.md

工作流程

1. 阅读 目标课程文件全文
2. 提取 课程frontmatter中的熟练度级别
3. 回答 每个苏格拉底式问题，记录提取的内容
4. 撰写 摘要，使用模板
5. 验证 对照反模式清单
6. 检查 字数是否符合长度指南
7. 写入 .summary.md文件

示例：数据类型课程摘要

对于教授Python数据类型的A2熟练度课程：

### 核心概念
数据类型是Python的分类系统——它们告诉Python“这是什么类型的数据？”以及“哪些操作是有效的？”

### 关键心智模型
- **类型 → 操作**：数字支持数学运算；文本支持连接；布尔值支持决策
- **类型不匹配 → 错误**：`5 + "hello"` 失败，因为Python无法将数字与文本相加
- **类型决策框架**：问“这是什么类型的数据？”来确定正确的类型

### 关键模式
- 使用`type()`验证Python分配的类型：`type(42)`返回`<class 'int'>`
- 类型提示表达意图：`age: int = 25`告诉AI和人类你的期望
- 7个类别涵盖所有数据：数值型、文本型、布尔型、集合型、二进制型、特殊型（None）

### 常见错误
- 将数字存储为文本（`"25"`而不是`25`）会阻止数学运算
- 忘记`0.1 + 0.2`不完全等于`0.3`（浮点数精度问题）
- 在操作中混合类型而不进行显式转换

### 关联
- **建立在**：Python安装和第一个程序（第17章）
- **导向**：深入探讨数值类型和文本处理（第18-20章）

字数统计：约175字（适合A2级别）