创建Beamer讲座工作流Skill：把论文与素材变成有教学逻辑的 Beamer 讲义
- 它是什么：一个面向教学场景的 Beamer 讲座创建工作流技能（英文名
create-lecture，技能 ID 13625），把「读论文 → 定结构 → 写幻灯片 → 画图 → 编译查错」这套流程固化成 6 个阶段。 - 它最特别的地方：不是让 AI 一次性吐出一整套幻灯片，而是强制「分阶段确认 + 5-10 页小批次迭代」，教师掌握教学愿景，AI 只做思考伙伴。
- 它管得很细：10 条不可协商的约束（先有动机再形式化、每个定义 2 页内必须配工作示例、每页最多 2 个彩色框、禁用
\pause等）加上一份创建后检查清单。 - 它解决的老问题：跨讲次符号不一致、公式突然出现没有动机、LaTeX 编译报错与超长 hbox、引用打不开。
- 谁适合用：高校教师、助教、教材作者、需要做学术报告的研究生，尤其是课程已经有 LaTeX/Beamer 底子、希望讲义风格统一的团队。
一、该技能叫什么？如何下载安装 AI 技能提升开发效率？
基本信息
| 项目 | 内容 |
|---|---|
| 中文名 | 创建Beamer讲座工作流Skill |
| 英文名 | create-lecture |
| 技能 ID | 13625 |
| 调用方式 | 用户显式调用，参数提示为「[主题名称]」 |
| 声明可用工具 | Read、Grep、Glob、Write、Edit、Bash、Task |
| 运行上下文 | context: fork（在独立分支上下文中运行） |
它解决什么问题
用 Beamer 做学术讲义，真正的痛点从来不是「不会写 LaTeX 命令」，而是三件事：一是一致性，上一讲讲过的符号，这一讲换了个字母，学生会当场懵；二是教学动机，定义突然出现、公式毫无铺垫，幻灯片变成了论文翻译；三是工程细节，编译报错、超长 hbox 溢出、参考文献解析失败。这个技能把这三类问题写成约束和检查清单，用工作流的方式逐条兜住。
一键安装的思路与步骤
AI 技能（Skill）的安装逻辑通常一致：拿到技能包 → 放进客户端的技能目录 → 重新加载 → 验证可调用。具体路径与命令以官方说明为准，通用步骤如下：
- 确认安装前提：需要一个支持技能机制的 AI 客户端环境；本地建议装好 LaTeX 发行版（含 Beamer 宏包），因为技能会通过 Bash 执行编译；如果讲座需要 R 图，再准备 R 环境。
- 获取技能包：从官方技能市场或团队内部仓库获取
create-lecture技能目录，具体下载入口以官方说明为准。 - 放入技能目录：把整个技能目录（含技能定义文件）复制到客户端约定的技能存放位置，不要只拷贝单个文件，否则约束和检查清单会丢失。
- 重新加载客户端：重启会话或刷新技能列表，让技能被重新索引。
- 验证是否生效：在对话中显式调用该技能并带上主题名（形如
/create-lecture [主题名称]，具体调用符号以官方说明为准）。生效的判断标准很明确——它应当先去读知识库与创建指南，然后向你复述教学目标并请求确认，而不是直接甩给你一堆幻灯片。
需要提前注意一点：该技能声明了 disable-model-invocation: true，也就是说它不会被模型自动触发，必须由你主动调用。这其实是好事——创建讲义是重活，不该被随意唤起。
二、该技能的主要功能和特点
- 六阶段工作流：阶段 0 接收与上下文 → 阶段 1 论文分析 → 阶段 2 结构提案 → 阶段 3 草稿幻灯片 → 阶段 4 图与代码 → 阶段 5 完善与编译，每一阶段都有明确产出物。
- 知识库优先：开工第一件事是读符号注册表、叙事弧、应用数据库。这让「这一讲用了哪些符号、上个讲过什么」有据可查，而不是靠模型记忆。
- 符号一致性守卫：每个新符号都必须先查符号注册表，冲突就改名。这是普通 AI 写 LaTeX 时最容易翻车、也最难自己发现的地方。
- 教学法硬约束：形式化之前必须先有动机；每个定义之后 2 页内必须出现工作示例；每页最多 2 个彩色框；至少贯穿 1 个持续实证应用。这些规则直接把「论文搬运」挡在门外。
- 小批次交付：强制以 5-10 页为一批工作，出批后停下来收集反馈，不允许一次性批量转储整份讲义。
- 结构关卡（Gate）：阶段 2 结束后必须获得用户批准才能进入草稿阶段，避免在错误的大纲上浪费几十页。
- 图与代码同源：TikZ 图直接写在 Beamer 源文件里作为单一真相源，同时保存 RDS 供未来 Quarto 集成，避免图和正文各改一版。
- 编译与审查收尾：完整编译 3 次、跑「魔鬼的拥护者」审阅、可选领域评审员实质审查、更新知识库，最后对照检查清单逐项打勾。
- 和教育学细节绑定：检查清单要求嵌入 2-3 个苏格拉底式提问、部分之间插入过渡幻灯片。
和普通「让 AI 帮我写 Beamer」相比，它强在流程而非文笔：它把一次性的生成任务，变成了可验收、可回溯、可复用的教学工程。
三、如何使用该技能？
以下按技能定义的阶段顺序给出可参考的操作路径。
第 1 步：准备材料 把本期要用的论文、旧幻灯片、代码文件放到工作目录。材料越完整，阶段 1 的论文分析越准。
第 2 步：显式调用技能
输入形如 /create-lecture [主题名称] 的调用（参数为你的讲座主题名称，例如「面板数据因果推断入门」），具体调用符号以官方说明为准。
第 3 步：确认教学目标（阶段 0） 技能会先读知识库和创建指南，盘点你给的材料，并复述它理解的教学目标。此时你要明确回答：听众是谁、课时多长、上次讲到哪。输入示例：「听众是研一学生，2 课时，上次讲完线性回归假设」；输出说明：它会给出一段教学目标陈述等你确认。
第 4 步：审核论文分析结果（阶段 1） 它会分块提取论文关键思想、把论文符号映射到课程符号、筛出适合上幻灯片的内容。你要重点看符号映射表，确认没有把课程里已占用字母的符号硬塞进来。
第 5 步：批准结构提案（阶段 2，关键关卡） 它会给出 5 幕或 3 部分的大纲，列出需要的 TikZ 图与 R 图，以及要引入的新符号。这一步是关卡：你不批准，它不会进入草稿阶段。建议在这里就砍掉讲不完的内容。
第 6 步：小批次迭代草稿（阶段 3） 技能以 5-10 页为一批产出。每批到手后按三条快速验收：定义后 2 页内有没有工作示例、这一页彩色框是否超过 2 个、概念转折处有没有过渡页。反馈越具体，下一批越贴合。
第 7 步：图与代码（阶段 4） 确认 TikZ 图写在 Beamer 源文件中、R 脚本遵循约定、RDS 已保存。
第 8 步：编译与审查（阶段 5） 技能会完整编译 3 次并跑自审。随后对照检查清单收尾，清单可翻译为中文核查项：编译无错误、无超过 10pt 的超长 hbox、所有引用可解析、每个定义有动机与工作示例、每页彩色框不超 2 个、嵌入 2-3 个苏格拉底问题、各部分间有过渡页、至少 1 个持续应用、新符号已入知识库、会话日志已更新、魔鬼的拥护者已运行。
四、同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势 | 不足 |
|---|---|---|---|---|---|---|
| 创建Beamer讲座工作流Skill（create-lecture） | 教学导向的 Beamer 讲义创建工作流 | 六阶段流程、符号注册表、教学法约束、批次迭代、编译自检 | 需支持技能机制的 AI 客户端 + LaTeX 环境；必须显式调用 | 课程讲义、系列讲座、教材配套幻灯片 | 一致性与教学逻辑有硬约束兜底，产出可直接编译 | 流程较长，前期需要准备知识库；不擅长非 LaTeX 交付 |
| 通用 AI 对话直接写 Beamer | 一次性生成 | 直接输出 LaTeX 代码 | 极低，有对话窗口即可 | 临时小分享、单页示例 | 上手最快，随问随答 | 跨讲符号容易漂移；常出现无动机定义与编译错误；无验收清单 |
| 手工撰写 LaTeX/Beamer | 传统方式 | 完全自主控制 | 需熟悉 LaTeX 与 Beamer 语法 | 风格要求极高的正式课程 | 质量上限最高，完全可控 | 极耗时，排版调试与查错成本高 |
| 在线演示工具（如通用网页版幻灯片工具） | 快速可视化演示 | 拖拽排版、模板套用 | 低 | 商业汇报、轻量分享 | 上手快、观感好 | 数学公式与定理环境支持弱，学术符号一致性无保障 |
选择建议：如果你只是做一次十分钟的组会汇报，通用 AI 对话足够；如果是一学期、十几讲的系列课程，符号一致性和教学动机的价值会迅速放大，这个工作流的优势才真正体现出来。
五、该技能的典型应用场景与实际体验情况
场景一：高校教师把新论文转成研究生课讲义 角色：讲授计量/统计类课程的教师。痛点：读到一篇好论文想进课堂，但把论文改成讲义要花两三天，还容易把论文符号原样搬进课堂，和课程符号体系打架。使用方式：把论文投给技能，走阶段 1 的符号映射和阶段 2 的结构关卡，只保留能在 2 课时讲完的部分。 体验情况：结构关卡极大减少了返工——大纲阶段砍内容远比写完 40 页再砍省事。需要注意的是，符号映射表必须逐行看，否则错一次会污染后面所有幻灯片。
场景二：助教制作习题课与复习课幻灯片 角色：课程助教。痛点：复习课要串起多讲内容，最怕前后符号不一致，学生当场提问就卡住。使用方式：利用知识库里的符号注册表与叙事弧，让技能先读历史，再生成复习用的过渡页与苏格拉底问题。 体验情况：过渡幻灯片和提问设计是意外之喜，复习课节奏明显更顺。注意复习课内容密度高，每页 2 个彩色框的限制需要主动提醒，否则容易超。
场景三：教材作者维护统一符号体系 角色：正在写教材或课程包的作者。痛点：十几讲写下来，符号悄悄漂移，回头统一极其痛苦。使用方式：把「每个新符号必须查注册表」当作强制流程，每讲结束后让技能更新知识库。 体验情况：这是长期收益最大的用法。上手第一讲会觉得流程繁琐，写到第五讲就会发现省下的是查错时间。
场景四：研究生准备学术报告与答辩 角色：需要做汇报的博士生。痛点：公式堆砌、听众跟不上、超时。使用方式：用阶段 2 控制幕数与页数，用「形式化前先有动机」的约束逼自己补铺垫。 体验情况：对非教学型报告，部分教育学约束（如苏格拉底问题）可以协商放宽，但「先动机后形式化」几乎总是加分项。
整体上手难度：中等偏上。需要你懂一点 LaTeX、能判断教学结构，但不需要自己写 TikZ。最大注意事项：不要跳过阶段 2 的批准关卡，也不要一次要求它产出全部幻灯片——分批是这个技能效果的关键。
六、该技能能为用户带来的价值
- 效率提升：把「读论文 + 定大纲 + 写幻灯片 + 调编译」串成一条流水线，且每批只做 5-10 页，反馈闭环短。原本以「天」计的讲义准备，通常可以压缩到以「小时」计的多个迭代批次。
- 门槛降低：TikZ 图、R 图、编译查错这些最容易劝退非专业用户的部分被流程接管，教师可以把注意力放回「怎么讲清楚」这件真正重要的事上。
- 质量可量化：检查清单把「好讲义」拆成可打勾的项——编译零错误、无超过 10pt 的超长 hbox、引用全部解析、每个定义都有动机与工作示例。你不再靠感觉判断「差不多了」。
- 长期复利：符号注册表、叙事弧、应用数据库、会话日志都会随每讲累积。用得越久，新讲义的启动成本越低，课程整体的一致性越高。
- 协作透明：教师驱动愿景、AI 做思考伙伴的分工，让每一处结构性决定都发生在你批准的关卡上，而不是黑箱生成后被动接受。
七、常见问题 FAQ
Q1：这个技能怎么安装？需要什么前置条件？
需要支持技能机制的 AI 客户端，并把 create-lecture 技能目录放入约定位置后重新加载；由于技能会执行编译与脚本，本地建议准备 LaTeX 环境（含 Beamer）与可选的 R 环境。具体目录路径与安装命令以官方说明为准。安装后显式调用一次、看到它先读知识库再复述教学目标，即说明生效。
Q2：它是收费的吗？ 该技能本身在技能详情中未标注价格信息，是否收费取决于你获取技能的渠道与所用客户端的计费方式，以官方说明为准。需要额外考虑的成本是本地 LaTeX 环境与编译时间，这些通常是免费的。
Q3：为什么我直接说「帮我做一份讲义」它没反应？
因为技能设置了禁止模型自动调用（disable-model-invocation: true），必须在对话中显式调用并带上「[主题名称]」参数。这是刻意设计：讲义创建是长流程重任务，不应被随口一句触发。
Q4：它适合谁用？不适合谁用？ 适合有系列课程、需要符号与教学逻辑一致性的教师、助教、教材作者和做学术报告的研究生。如果你只需要一页临时示意图、或者完全不想接触 LaTeX，用通用在线演示工具会更省事。
Q5：和直接让 AI 写 Beamer 代码相比，差别到底在哪？ 差别在流程与验收。直接生成只给你一份可能编译不过、符号漂移、定义无铺垫的代码；这个技能会先读知识库、做符号映射、过结构关卡、分批交付、编译 3 次并跑自审，最后对照清单逐项确认。前者快但不可控，后者慢一点但可交付。