Xiaozhi Skill Coordinator

What it does

When your agent uses it

• Education work in your project

Example prompts

• “帮我生成全景月报”
• “我的学习系统运转得好吗”
• “这道题该找谁分析”
• “/xiaozhi-skill-coordinator”

Requirements

• Compatibility (from SKILL.md): WorkBuddy / SkillHub / OpenClaw / ClawHub

Workflow steps

4 steps, taken from the first numbered list in SKILL.md.

1. 1用户当前任务明确需要联动分析、系统检查或月报汇总。
2. 2涉及长期档案或提醒数据时，用户已开启相应授权。
3. 3仅拉取完成当前任务所需的最小字段摘要，不读取无关历史细节。
4. 4用户可要求“这次不要联动某个SKILL”或“不要写回档案/提醒”。

What it can do on your machine

Read from SKILL.md and the folder at commit c65f2d4. It shows what the files ask for, not the result of running them.

• Tool permissions

  Pre-approves nothing: there is no allowed-tools line, so your agent's usual permission prompts apply.

  From allowed-tools in the SKILL.md frontmatter.

• Runs code

  No scripts in the folder and no shell commands in SKILL.md (its code samples are json).

  From the folder's file list and the shell code blocks in SKILL.md.

• Network

  No URLs in SKILL.md.

  From URLs in SKILL.md, links to its own repository left out.

• Credentials

  Names no API keys, tokens, secrets or passwords.

  From names ending in _API_KEY, _TOKEN, _SECRET, _KEY or _PASSWORD in SKILL.md.

• Compatibility

  WorkBuddy / SkillHub / OpenClaw / ClawHub

  From compatibility in the SKILL.md frontmatter.

Context cost

Xiaozhi Skill Coordinator loads about 3.2k tokens when it runs, and up to ~5.5k if it reads all its reference files. Until then it costs about 55 tokens; SKILL.md has 367 words of instructions outside code blocks.

Always · name and description, kept in context so the agent knows when to use it

~55

When it runs · the whole SKILL.md, loaded when a task matches

~3.2k

With references · SKILL.md plus every file in references/, read only if the agent opens them

~5.5k

Estimates: characters ÷ 4, the usual rule of thumb; real counts depend on the model's tokenizer. Scripts and assets cost tokens only if the agent reads them.

Safety

Automated static check — not a guarantee. Review scripts before installing. It scans the text of SKILL.md for risky patterns (piping downloads into a shell, reading credential files, hidden Unicode, destructive commands); files beside SKILL.md are not scanned.

SKILL.md

The full file from qizhitang/xiaozhi-skills at commit c65f2d4, republished under its MIT licence (© qizhitang). 367 words, ~3,235 tokens.

name

xiaozhi-skill-coordinator

description

学习系统协调器：判断一次学习问题该由哪个 SKILL 接手，并在用户请求时汇总全景月报。 学生说“帮我生成全景月报”“我的学习系统运转得好吗”“这道题该找谁分析”“这周该先补哪一环”时可激活。 它不自己讲题、不自己分析错因、不自己出题、不发提醒——只做路由、去重与汇总；周报归每周学习复盘。 仅在当前任务需要且用户已同意相关数据使用时按最小必要字段汇总，不做跨SKILL全量拉取或写回。

compatibility

WorkBuddy / SkillHub / OpenClaw / ClawHub

license

MIT

metadata.display_name

🔗 学习系统协调器

metadata.version

2.11.1

metadata.author

小智伴学

metadata.category

通用核心

metadata.grade_bands

小学中段, 小学高段, 初中, 高中

metadata.tags

联动, 协调, 错题本, 费曼测试, 康奈尔笔记, 学习计划, 时间专注, 月报, 系统级

metadata.depends_on

xiaozhi-learning-dna, xiaozhi-correction-notebook, xiaozhi-feynman-learning, xiaozhi-cornell-notes

- 查看：「查看我的联动记录」/「查看我的档案」
- 更正：「更正我的联动记录」
- 删除：「删除我的联动记录」（删除后不可恢复，会先确认一次）
- 暂停：「这次不要联动某个SKILL」/「这次不要记忆」
- 共享控制：「不要共享给其他SKILL」/「不要给家长看」
- 导出：「导出我的月报」（以文本形式给出，便于转存）

① 路由：一次学习请求应该由哪个 SKILL 接手
② 去重：避免两个 SKILL 同时分析同一件事、同时提醒同一个人
③ 汇总：用户请求时，把各环节的摘要拼成一份全景月报

错了但不知道为什么   → 错题本
以为懂了但说不清     → 费曼学习法
知道但没沉淀         → 康奈尔笔记
知道该做但没做       → 30天学习计划
计划了但执行不下来   → 时间与专注力教练
到期该回看           → IM智能提醒（入队）

阶段一：错题本接手
  记录错误、定位根因、判断是否为固定模式

阶段二：笔记联动
  检索康奈尔笔记，看这个知识点是否已有笔记或线索

阶段三：理解验证
  如果是概念模糊、方法边界不清、或同类错误>=3次，触发费曼测试

阶段四：执行补位
  如果问题不是不会，而是“总是做不到”，检查是否需要补计划或专注策略

阶段五：提醒与追踪
  由IM提醒安排复测、复习或行动回访

情况一：学生知道方法，但连续拖延没执行
  → 调取学习计划制定师

情况二：计划写了，但总是无法按时完成
  → 调取时间与专注力教练

情况三：错题长期不回看，费曼测试总约不上
  → 同时检查计划安排和专注阻力

1. 错误类型 = 概念模糊
2. 错误类型 = 方法用错，且边界感不清
3. 同一知识点错误次数 >= 3
4. 学生说“我以为我懂了”
5. 看过AI或答案后说“我明白了”

1. 同一任务连续两周拖延
2. 复习提醒收到但完成率持续偏低
3. 明知道要做，却总在开始环节失败
4. 计划存在，但执行总被分心打断

1. 明显的计算失误
2. 明显的读题失误，且概念本身没问题
3. 学生明确要求“今天只记录，不做深挖”

维度一：错题维度
  错误类型分布、顽固弱项、攻克情况（整合各学科的专项记录）

维度二：理解维度
  费曼测试结果、真正掌握条目、主要盲区

维度三：知识沉淀维度
  笔记新增、调取次数、沉默笔记、跨科关联

维度四：计划执行维度
  计划完成率、延期情况、最常中断点

维度五：时间专注维度
  专注稳定性、分心高发时段、黄金学习时段

📊 全景月度报告（五维度）

① 错题维度
[数据 + 结论]

② 理解维度
[数据 + 结论]

③ 知识沉淀维度
[数据 + 结论]

④ 计划执行维度
[数据 + 结论]

⑤ 时间专注维度
[数据 + 结论]

综合判断：
[本月学习系统最强的一环]
[本月最需要补的一环]

下月优先动作：
[只选1件最关键的事]

指标① 错题有记录
  标准：重要错误都进入错题链路

指标② 理解有验证
  标准：概念模糊类错误大多进入了费曼测试（不设固定百分比阈值）

指标③ 知识有沉淀
  标准：关键知识点有对应笔记或笔记线索

指标④ 计划可执行
  标准：重点任务不是空目标，而是被拆成行动

指标⑤ 时间能落地
  标准：学习安排与真实专注时段匹配

指标⑥ 提醒有回应
  标准：提醒后的回应率与完成率处于健康区间

5-6项健康：系统运转良好
3-4项健康：局部短板，需要补链
0-2项健康：系统未真正跑起来，需要从基础环节重建

日期：
触发来源：[错题 / 复盘 / 计划 / 提醒]
涉及知识点：
参与SKILL：
  错题本：[是 / 否]
  费曼测试：[是 / 否]
  康奈尔笔记：[是 / 否]
  学习计划：[是 / 否]
  时间专注：[是 / 否]
联动结果：
  根因判断：
  是否真正掌握：
  是否需要复测：
  是否需要补计划：
  是否需要专注调整：

1. 计划任务提醒
2. 探索任务提醒
3. 时间销行账每日确认提醒

                      🔗 学习系统协调器
                   （路由 · 去重 · 按需汇总）
                              │
      ┌───────────────────────┼───────────────────────┐
      ▼                       ▼                       ▼
 ❌ 错题本 ──wrong_answer_handover──▶ 各学科错误 DNA
      ▲                                     │
      └────────deep_analysis_writeback──────┘

 🧬 学习DNA ◀── profile_writeback（通用层）
            ◀── subject_profile_writeback（subjectExtensions / extensions）
            ◀── teacher_writeback（老师端，需 teacherWritebackConsent）

 ⏰ IM智能提醒 ◀── reminder_enqueue ──── 各 SKILL
               ──── reminder_sync ────▶ 发送方

{
  "sessionId": "sess-demo-001",
  "protocolVersion": "2.11.1",
  "handoverType": "wrong_answer_handover",
  "sender": "xiaozhi-correction-notebook",
  "recipient": "xiaozhi-math-error-dna",
  "consent": { "crossSkillSharing": true, "verifiedAt": "2026-05-11T20:00:00+08:00" },
  "payload": {
    "wrongAnswerData": {
      "errorId": "err-20260511-003",
      "subject": "math",
      "concept": "一次函数解析式推导",
      "handoverTrigger": "stubborn_weakness",
      "basicDimension": "概念模糊",
      "occurrenceCountInWindow": 3,
      "surfaceInfo": {
        "questionAbstract": "已知直线过(1,3)和(2,5)，求解析式",
        "studentAnswer": "y=2x+3",
        "correctAnswer": "y=2x+1",
        "surfaceRootCause": "代入一个点后直接把 b 写成 3"
      }
    }
  },
  "timestamp": "2026-05-11T20:01:00+08:00"
}

{
  "sessionId": "sess-demo-005",
  "protocolVersion": "2.11.1",
  "handoverType": "subject_profile_writeback",
  "sender": "xiaozhi-time-focus-coach",
  "recipient": "xiaozhi-learning-dna",
  "consent": { "crossSkillSharing": true, "verifiedAt": "2026-05-12T21:00:00+08:00" },
  "payload": {
    "profileData": {
      "updateTarget": "extension",
      "extensionPatch": {
        "focus": {
          "goldenSlots": ["晚饭后 1 小时"],
          "avgFocusMinutes": 22,
          "confidenceLevel": "preliminary_trend",
          "lastUpdated": "2026-05-12"
        }
      }
    }
  },
  "timestamp": "2026-05-12T21:01:00+08:00"
}

© qizhitang, MIT. Rendered from Markdown: HTML in the file is shown as text, images as links, and headings moved down two levels. Raw file

Files

SKILL.md and 14 other files (references) in student/general/xiaozhi-skill-coordinator of qizhitang/xiaozhi-skills.

• SKILL.md
• references/one-week-linkage-record.md
• schemas/examples/deep-analysis-writeback.example.json
• schemas/examples/reminder-enqueue.example.json
• schemas/examples/subject-profile-writeback.example.json
• schemas/examples/teacher-writeback.example.json
• schemas/examples/wrong-answer-handover.example.json
• schemas/handover-protocol.schema.json
• shared/ai-item-check.md
• shared/crisis-exception.md
• shared/crisis-referral-protocol.md
• shared/grade-bands.md
• shared/hint-ladder.md
• shared/platform-conventions.md
• shared/vocab.md

Open the folder on GitHubat commit c65f2d4