Anthropic 悄悄開了個倉庫，放出 2 個教師專用SKILLS

大家好，我是 Ai 學(xué)習(xí)的老章

Anthropic 悄悄開了個倉庫，叫 k12-teacher-skills，把 Claude for Teachers 里兩個官方 Agent Skill 的源碼整個丟了出來

我一開始以為就是兩個「AI 幫老師備課」的普通 skill，扒完源碼之后有點(diǎn)繃不住——Anthropic 這次是親自下場，把一份生產(chǎn)級 skill 該長成什么樣，從心法到工程細(xì)節(jié)，明明白白擺在你面前了

做 skill 的人不看一眼真的可惜

簡介

先說一句話定位

Anthropic 聯(lián)合 Learning Commons 給美國中小學(xué)老師做了兩個 Agent Skill，打包在 Claude for Teachers 里跑，同時把源碼全開出來了

兩個 skill 分工特別清楚：

• k12-lesson-planning ：從零生成一節(jié)課的教案，一次性交付 3 份 Word 文檔（教師用教案 + 學(xué)生用材料 + 觀察模板）

• k12-lesson-differentiation ：拿到一節(jié)現(xiàn)成的課，改編成三層版本（低于 / 達(dá)到 / 高于年級水平），一次性交付 4 份 Word 文檔（教師差異化計(jì)劃 + 三個分層作業(yè)單）

配套還接了個叫 Learning Commons Knowledge Graph 的 Connector，直接對齊美國 50 個州的學(xué)術(shù)標(biāo)準(zhǔn)，什么 CCSS、NGSS、TEKS、SOL 一網(wǎng)打盡

另外 .mcp.json 里塞了 9 個教育垂類 MCP：ASSISTments、Brisk Teaching、Canva、Coteach、Diffit、Eedi、MagicSchool、Snorkl、TeachFX——教育科技那幫 SaaS 全站好了隊(duì)

為什么值得看：

• 官方產(chǎn)品原封不動的 skill 源碼，不是 demo、不是 tutorial，是真正在跑的東西

• Anthropic 親自示范怎么處理垂類知識、內(nèi)容源分離、模板渲染這些工程難題

• 有配套的 evals 目錄，連怎么評測 skill 都給你抄好了

先用一張圖看清兩個 skill 的分工——左邊從零生成一節(jié)課，右邊把現(xiàn)有課改成三層版本：

兩個 Skill 分工一覽 k12-lesson-planning：一句話給我一節(jié)課

老師只需要說一句「我明天要給八年級講光合作用」，這個 skill 就會跑完下面一整套流程：

1. Route（靜默路由） ：識別學(xué)科（math / ELA / science / social studies），加載對應(yīng)的 references/{subject}.md 參考文件，這一步不做視為「關(guān)鍵失敗」

2. Clarify（澄清） ：最多問 0~2 個關(guān)鍵問題，別的都用默認(rèn)值

3. Ground（對齊標(biāo)準(zhǔn)） ：如果 Learning Commons KG 接上了，先調(diào) find_standard_statement 拉標(biāo)準(zhǔn)原文

4. Draft offer ：讓老師選是「直接出完整版」還是「先看聊天草稿」，默認(rèn)走完整版

5. Build ：按學(xué)科文件里的規(guī)范搭課程結(jié)構(gòu)

6. Output ：寫一份 lesson.json ，跑一個腳本，Word 全部生成

最后交付到老師手上的東西是這樣的：

• lesson_plan.docx ：教師用教案，含 phase 分段、時間分配、腳本、預(yù)設(shè)錯誤

• student_materials.docx ：學(xué)生用作業(yè)單，只在需要打印的時候才生成（K-2 口頭課就沒這份）

• observation_template.docx ：觀察記錄模板，含 look-fors、誤解表、Exit ticket 分類桶

Skill 里最狠的一句約束是這個：

? Word 里出現(xiàn)的每一個數(shù)字、每一道題、每一個 exit ticket 分類桶，都必須能被老師親手驗(yàn)算通過

模型自己算錯的答案上課要炸場的，Anthropic 直接把「輸出前必須驗(yàn)算」寫進(jìn)硬規(guī)則

k12-lesson-differentiation：把一節(jié)課改成三層

美國課堂有個通行做法叫 Tiered Instruction，同一節(jié)課要為不同水平的學(xué)生準(zhǔn)備不同版本

這個 skill 干的就是這活，輸入是老師現(xiàn)有的一節(jié)課（上傳 / 粘貼 / 鏈接 / 命名一個課程庫里的課），輸出是：

• teacher_plan.docx ：教師差異化計(jì)劃，含每層學(xué)生的切入點(diǎn)、Flexible Grouping 依據(jù)

• worksheet_group_a.docx ：Below（低于年級）版本作業(yè)單

• worksheet_group_b.docx ：At（達(dá)到年級）版本作業(yè)單

• worksheet_group_c.docx ：Above（高于年級）版本作業(yè)單

三個版本干同一件事、用同一段材料、給同一份 exit ticket，只在腳手架密度和延伸問題上有差異，這套設(shè)計(jì)學(xué)名叫 Tomlinson 差異化框架

這個 skill 有 8 條硬規(guī)則 R1~R8，我挑幾條最有意思的說：

• R6：Invisible modifications —— 學(xué)生看到的作業(yè)單不能暴露自己是「哪一層」，Group A/B/C 只用組名，絕不能出現(xiàn) Scaffolded / Guided / Independent 這種詞

• R7：漸進(jìn)腳手架 —— 一節(jié)課內(nèi) Task 1 有腳手架、Task 2 更輕、Task 3 撤掉，讓學(xué)生逐步獨(dú)立

• R4：Below-tier 腳手架密度封頂 —— 支架太多反而變成學(xué)生依賴的拐杖，Anthropic 直接寫死了密度上限

• R8：UDL 默認(rèn)值 —— 老師沒提學(xué)習(xí)障礙時，默認(rèn)所有層都配 sentence supports 和詞匯表，符合通用設(shè)計(jì)原則

特別戳我的一段設(shè)計(jì)哲學(xué)：

學(xué)生頁面上不允許出現(xiàn)任何教學(xué)術(shù)語，「CER」要寫成 Claim / Evidence / Reasoning，「sensemaking check」要改成 "Check your thinking"，「scaffold / tier / differentiation」這種詞學(xué)生一個都看不到

老師的話是給老師說的，學(xué)生的話是給學(xué)生說的，兩套語言嚴(yán)格分離——這種顆粒度的規(guī)范，估計(jì)是 Anthropic 和 Learning Commons 一起坐下來磨了不知道多少版

三個驚艷設(shè)計(jì)，做 Skill 的人務(wù)必抄一遍作業(yè)

看完源碼，我把它當(dāng) skill 工程學(xué)的教材反復(fù)讀了兩遍，扒出三個可以直接抄作業(yè)的設(shè)計(jì)

設(shè)計(jì)一：JSON-driven 內(nèi)容源分離

這個 skill 完全不讓 LLM 直接生成 Word 文檔

它的做法是這樣：

LLM 寫 lesson.json（內(nèi)容源）
    ↓
bash scripts/render_all.sh lesson.json $OUTPUT_DIR
    ↓
Word 文檔（渲染產(chǎn)物）

lesson.json 只有兩個頂層字段：

• shared ：內(nèi)容注冊表，題目、標(biāo)準(zhǔn)原文、詞匯表、誤解表——但凡在多個文檔出現(xiàn)的內(nèi)容，只在這里寫一次，起個 key（比如 t1 、 stamp_act_petition 、 prices_table ）

• documents[] ：文檔數(shù)組，每個文檔用 {"type": "from_shared", "key": "t1"} 引用共享內(nèi)容

這樣做的好處直接爆炸：

• 老師改一個題目數(shù)字， shared 改一處，所有 4 份文檔同步刷新

• 三層作業(yè)單的核心任務(wù)文本永遠(yuǎn)一模一樣（R6 從架構(gòu)上保證）

• Word / HTML / JSON 一次全出，格式絕不漂移

Anthropic 甚至在 SKILL.md 里明確警告：

? Do not open, cat, head, or grep the renderer scripts — 腳本行為已經(jīng)在文檔里完全規(guī)定清楚了，讀源碼只會分散注意力

意思很直接：LLM 你別去研究渲染引擎，專心把 JSON 寫對就行

我看到這段的時候倒吸一口氣——大部分自研 skill 都栽在 LLM 越權(quán)嘗試?yán)斫庖磺校珹nthropic 官方是明確告訴模型「不該看的別看」

設(shè)計(jì)二：學(xué)科 references 按需加載

這個 skill 里最重要的目錄不是 SKILL.md，是 references/

plugin/skills/k12-lesson-planning/references/
├── math.md              # 數(shù)學(xué)教學(xué)法 + IM 課程結(jié)構(gòu)
├── ela.md               # 英語語言藝術(shù)教學(xué)法
├── science.md           # NGSS + OpenSciEd 三維學(xué)習(xí)
├── social_studies.md    # 歷史/公民/地理/經(jīng)濟(jì) + C3 探究弧
├── learning-commons-kg.md   # KG 調(diào)用規(guī)范
├── example_lesson.json  # 完整可運(yùn)行示例
└── NOTICE

每個學(xué)科幾十 KB 的教學(xué)法專屬規(guī)范，包含課程分段結(jié)構(gòu)、非商量選項(xiàng)（non-negotiables）、和 lesson.json 的映射

Skill 主文件只做一件事：路由

看到 math → 加載 math.md，看到 science → 加載 science.md，加載完就把 references 當(dāng)成本輪完整指令來跑

這套結(jié)構(gòu)解決了 skill 工程的核心矛盾：你既想覆蓋多個垂類，又不想把所有專業(yè)知識塞進(jìn)一個巨大的 SKILL.md 讓模型看瞎

按需加載既控制了 context 長度，又讓每個學(xué)科的規(guī)范可以獨(dú)立演進(jìn)——數(shù)學(xué)專家改 math.md，理科專家改 science.md，互不干擾

設(shè)計(jì)三：Density rules 和語言規(guī)范

我做 skill 最常翻車的地方，就是輸出物看起來「太 AI 味」——一堆并列排比、一段接一段長句、把簡單事情說得像論文

Anthropic 的做法是把可讀性直接寫成硬約束：

• 一個段落 / labeled 塊 最多 3 句 ，超了就拆、就列、就上表格

• 列表項(xiàng)是 fragment ，一句一想法、≤ 15 詞、絕不用分號連綴從句

• 平行的分層內(nèi)容（三個 tier 做同一件事） 必須用一個 table 塊 ，行 = 階段、列 = 層級、每格 ≤ 25 詞，絕不能用三段并列長文

• 一段連續(xù)散文 超過半頁就必須重構(gòu) （拆表格、拆列表、拆成兩節(jié)）

• 標(biāo)準(zhǔn)原文 只允許在 target-standard callout 里逐字出現(xiàn)一次 ，其它地方引用只寫代碼 + 十詞以內(nèi)的要點(diǎn)

還有專門的 Copyright guardrail：如果參考了 IM（Illustrative Mathematics）或 OpenSciEd 這類現(xiàn)有課程，絕不能逐字復(fù)制學(xué)生用文本、教師筆記、探究提示——只能借鑒結(jié)構(gòu)，原創(chuàng)措辭

再看一眼這份 SKILL.md 的語言，就明白 Anthropic 內(nèi)部對「AI 內(nèi)容質(zhì)量」有多嚴(yán)格

集成能力：不只是備課工具

先給一張完整的架構(gòu)圖，這個倉庫到底把哪些東西連起來了，看這一張就夠：

K-12 教師 AI 助手完整架構(gòu)

這個倉庫最容易被忽略的部分，是 .mcp.json

它提供了9 個教育垂類 SaaS，全都以 HTTP MCP 的形式接進(jìn)來，老師在 Claude 里可以直接調(diào) MagicSchool 生成練習(xí)、調(diào) Canva 做課件、調(diào) Diffit 改編閱讀難度、調(diào) TeachFX 分析課堂對話

再疊加 Learning Commons Knowledge Graph connector，Claude 拿到的信息量是：

• 全美 50 州每一條教育標(biāo)準(zhǔn)的原文

• 每條標(biāo)準(zhǔn)的先修技能 / 學(xué)習(xí)進(jìn)階路徑

• 每條標(biāo)準(zhǔn)對應(yīng)的具體學(xué)習(xí)組件（learning components）

給老師一個 prompt，Claude 就能自動路由到對的 MCP、拉對的標(biāo)準(zhǔn)、生成對的產(chǎn)物

教育垂類的 AI 落地，Anthropic 用這個倉庫演示了一遍完整解法：

Skill（專業(yè)工作流） + References（垂類知識） + MCP（第三方能力） + Connector（權(quán)威數(shù)據(jù)源） = 一個真正能替代半個備課組的助手

怎么用起來

如果你是 Claude for Teachers 用戶，兩個 skill 已經(jīng)默認(rèn)裝好了，直接對話就行

如果不是，用 Claude Code 也能裝：

git clone  github. com/anthropics/k12-teacher-skills
claude plugin marketplace add ./k12-teacher-skills/plugin
claude plugin install k12-teacher-skills@k12-teacher-skills

裝完之后，只要說一句話就能觸發(fā)：

• "I'm teaching long division to 5th graders" → 觸發(fā) lesson-planning

• "need to teach photosynthesis tomorrow" → 觸發(fā) lesson-planning

• "my students are at different levels" → 觸發(fā) lesson-differentiation

• "adapt this lesson for below and above grade" → 觸發(fā) lesson-differentiation

description 里對觸發(fā)條件的定義細(xì)致到什么程度：

? "A new lesson that asks for differentiated, tiered, or leveled materials is still ONE planning request — this skill produces those materials inside the lesson package; do not also invoke k12-lesson-differentiation"

Anthropic 甚至在 skill 描述里直接告訴模型：新課要分層不要重復(fù)調(diào)用另一個 skill——把 skill 之間可能的沖突都提前寫死了

對中文教育場景能不能用

有老師問：這套東西中國老師能用嗎？

我的判斷分三檔：

• 底層設(shè)計(jì)能借鑒 ：JSON-driven 內(nèi)容源分離、references 按需加載、density rules、師生語言分離——這些都是語言無關(guān)的工程模式，中文語文數(shù)學(xué)老師完全可以復(fù)用

• 表層內(nèi)容要重寫 ：NGSS、CCSS、C3 這些標(biāo)準(zhǔn)是美國專屬的，中國要接的應(yīng)該是《義務(wù)教育課程標(biāo)準(zhǔn) 2022 版》，Learning Commons KG 換成教研云或者國家中小學(xué)智慧教育平臺

• MCP 生態(tài)要建 ：中國目前還沒有 MagicSchool、Brisk Teaching、Diffit 這種規(guī)模的教育垂類 MCP，誰先在國內(nèi)做起來這一層，誰就是中國的 Claude for Teachers

有做教育 AI 的老板可以認(rèn)真看看這個倉庫，路徑已經(jīng)很清楚了

總結(jié)

回到最開始那個問題：Anthropic 開源這兩個 skill 到底想干嘛

表面：給全美老師一份產(chǎn)品級 AI 備課工具

深層：給整個 skill 開發(fā)者社區(qū)上一堂公開課——生產(chǎn)級 skill 應(yīng)該長什么樣

這個倉庫里能學(xué)到的東西，比 Anthropic 官方 skill 教程文檔還多：

• 怎么處理垂類知識（references 按需加載）

• 怎么讓多文檔保持一致（JSON-driven + shared 引用）

• 怎么控制輸出質(zhì)量（density rules + copyright guardrail）

• 怎么定義觸發(fā)條件（description 寫得像法律條文）

• 怎么和 MCP / Connector 集成（.mcp.json + KG 調(diào)用規(guī)范）

• 怎么評測 skill（evals/ 目錄里有完整框架）

我給這個倉庫 95 分，扣 5 分是因?yàn)?SKILL.md 寫得太密、初讀上手門檻偏高，但每一句都是干貨

做 skill 的老板務(wù)必去 clone 一份，把兩個 SKILL.md 逐字讀完，讀完 30k 字勝過看 30 篇教程