大家好，我是 Ai 学习的老章
Anthropic 悄悄开了个仓库，叫 k12-teacher-skills，把 Claude for Teachers 里两个官方 Agent Skill 的源码整个丢了出来
我一开始以为就是两个「AI 帮老师备课」的普通 skill，扒完源码之后有点绷不住——Anthropic 这次是亲自下场，把一份生产级 skill 该长成什么样，从心法到工程细节，明明白白摆在你面前了
做 skill 的人不看一眼真的可惜
简介
先说一句话定位
Anthropic 联合 Learning Commons 给美国中小学老师做了两个 Agent Skill，打包在 Claude for Teachers 里跑，同时把源码全开出来了
两个 skill 分工特别清楚：
-
k12-lesson-planning：从零生成一节课的教案，一次性交付 3 份 Word 文档（教师用教案 + 学生用材料 + 观察模板） -
k12-lesson-differentiation：拿到一节现成的课，改编成三层版本（低于 / 达到 / 高于年级水平），一次性交付 4 份 Word 文档（教师差异化计划 + 三个分层作业单）
配套还接了个叫 Learning Commons Knowledge Graph 的 Connector，直接对齐美国 50 个州的学术标准，什么 CCSS、NGSS、TEKS、SOL 一网打尽
另外 .mcp.json 里塞了 9 个教育垂类 MCP：ASSISTments、Brisk Teaching、Canva、Coteach、Diffit、Eedi、MagicSchool、Snorkl、TeachFX——教育科技那帮 SaaS 全站好了队
为什么值得看：
-
官方产品原封不动的 skill 源码，不是 demo、不是 tutorial，是真正在跑的东西 -
Anthropic 亲自示范怎么处理垂类知识、内容源分离、模板渲染这些工程难题 -
有配套的 evals 目录，连怎么评测 skill 都给你抄好了
两个 Skill 分别在干嘛
先用一张图看清两个 skill 的分工——左边从零生成一节课，右边把现有课改成三层版本：
k12-lesson-planning：一句话给我一节课
老师只需要说一句「我明天要给八年级讲光合作用」，这个 skill 就会跑完下面一整套流程：
-
Route（静默路由）：识别学科（math / ELA / science / social studies），加载对应的 references/{subject}.md参考文件，这一步不做视为「关键失败」 -
Clarify（澄清）：最多问 0~2 个关键问题，别的都用默认值 -
Ground（对齐标准）：如果 Learning Commons KG 接上了，先调 find_standard_statement拉标准原文 -
Draft offer：让老师选是「直接出完整版」还是「先看聊天草稿」，默认走完整版 -
Build：按学科文件里的规范搭课程结构 -
Output：写一份 lesson.json，跑一个脚本，Word 全部生成
最后交付到老师手上的东西是这样的：
-
lesson_plan.docx：教师用教案，含 phase 分段、时间分配、脚本、预设错误 -
student_materials.docx：学生用作业单，只在需要打印的时候才生成（K-2 口头课就没这份） -
observation_template.docx：观察记录模板，含 look-fors、误解表、Exit ticket 分类桶
Skill 里最狠的一句约束是这个：
❝
Word 里出现的每一个数字、每一道题、每一个 exit ticket 分类桶，都必须能被老师亲手验算通过
模型自己算错的答案上课要炸场的，Anthropic 直接把「输出前必须验算」写进硬规则
k12-lesson-differentiation：把一节课改成三层
美国课堂有个通行做法叫 Tiered Instruction，同一节课要为不同水平的学生准备不同版本
这个 skill 干的就是这活，输入是老师现有的一节课（上传 / 粘贴 / 链接 / 命名一个课程库里的课），输出是：
-
teacher_plan.docx：教师差异化计划，含每层学生的切入点、Flexible Grouping 依据 -
worksheet_group_a.docx：Below（低于年级）版本作业单 -
worksheet_group_b.docx：At（达到年级）版本作业单 -
worksheet_group_c.docx：Above（高于年级）版本作业单
三个版本干同一件事、用同一段材料、给同一份 exit ticket，只在脚手架密度和延伸问题上有差异，这套设计学名叫 Tomlinson 差异化框架
这个 skill 有 8 条硬规则 R1~R8，我挑几条最有意思的说：
-
R6：Invisible modifications —— 学生看到的作业单不能暴露自己是「哪一层」，Group A/B/C 只用组名，绝不能出现 Scaffolded / Guided / Independent 这种词 -
R7：渐进脚手架 —— 一节课内 Task 1 有脚手架、Task 2 更轻、Task 3 撤掉，让学生逐步独立 -
R4：Below-tier 脚手架密度封顶 —— 支架太多反而变成学生依赖的拐杖，Anthropic 直接写死了密度上限 -
R8：UDL 默认值 —— 老师没提学习障碍时，默认所有层都配 sentence supports 和词汇表，符合通用设计原则
特别戳我的一段设计哲学：
学生页面上不允许出现任何教学术语，「CER」要写成 Claim / Evidence / Reasoning，「sensemaking check」要改成 “Check your thinking”，「scaffold / tier / differentiation」这种词学生一个都看不到
老师的话是给老师说的，学生的话是给学生说的，两套语言严格分离——这种颗粒度的规范，估计是 Anthropic 和 Learning Commons 一起坐下来磨了不知道多少版
三个惊艳设计，做 Skill 的人务必抄一遍作业
看完源码，我把它当 skill 工程学的教材反复读了两遍，扒出三个可以直接抄作业的设计
设计一：JSON-driven 内容源分离
这个 skill 完全不让 LLM 直接生成 Word 文档
它的做法是这样：
LLM 写 lesson.json（内容源）
↓
bash scripts/render_all.sh lesson.json $OUTPUT_DIR
↓
Word 文档（渲染产物）
lesson.json 只有两个顶层字段：
-
shared：内容注册表，题目、标准原文、词汇表、误解表——但凡在多个文档出现的内容，只在这里写一次，起个 key（比如t1、stamp_act_petition、prices_table） -
documents[]：文档数组，每个文档用{"type": "from_shared", "key": "t1"}引用共享内容
这样做的好处直接爆炸：
-
老师改一个题目数字， shared改一处，所有 4 份文档同步刷新 -
三层作业单的核心任务文本永远一模一样（R6 从架构上保证） -
Word / HTML / JSON 一次全出，格式绝不漂移
Anthropic 甚至在 SKILL.md 里明确警告：
❝
Do not open, cat, head, or grep the renderer scripts — 脚本行为已经在文档里完全规定清楚了，读源码只会分散注意力
意思很直接：LLM 你别去研究渲染引擎，专心把 JSON 写对就行
我看到这段的时候倒吸一口气——大部分自研 skill 都栽在 LLM 越权尝试理解一切，Anthropic 官方是明确告诉模型「不该看的别看」
设计二：学科 references 按需加载
这个 skill 里最重要的目录不是 SKILL.md，是 references/
plugin/skills/k12-lesson-planning/references/
├── math.md # 数学教学法 + IM 课程结构
├── ela.md # 英语语言艺术教学法
├── science.md # NGSS + OpenSciEd 三维学习
├── social_studies.md # 历史/公民/地理/经济 + C3 探究弧
├── learning-commons-kg.md # KG 调用规范
├── example_lesson.json # 完整可运行示例
└── NOTICE
每个学科几十 KB 的教学法专属规范，包含课程分段结构、非商量选项（non-negotiables）、和 lesson.json 的映射
Skill 主文件只做一件事：路由
看到 math → 加载 math.md，看到 science → 加载 science.md，加载完就把 references 当成本轮完整指令来跑
这套结构解决了 skill 工程的核心矛盾：你既想覆盖多个垂类，又不想把所有专业知识塞进一个巨大的 SKILL.md 让模型看瞎
按需加载既控制了 context 长度，又让每个学科的规范可以独立演进——数学专家改 math.md，理科专家改 science.md，互不干扰
设计三：Density rules 和语言规范
我做 skill 最常翻车的地方，就是输出物看起来「太 AI 味」——一堆并列排比、一段接一段长句、把简单事情说得像论文
Anthropic 的做法是把可读性直接写成硬约束：
-
一个段落 / labeled 块 最多 3 句，超了就拆、就列、就上表格 -
列表项是 fragment，一句一想法、≤ 15 词、绝不用分号连缀从句 -
平行的分层内容（三个 tier 做同一件事）必须用一个 table 块，行 = 阶段、列 = 层级、每格 ≤ 25 词，绝不能用三段并列长文 -
一段连续散文 超过半页就必须重构（拆表格、拆列表、拆成两节） -
标准原文 只允许在 target-standard callout 里逐字出现一次，其它地方引用只写代码 + 十词以内的要点
还有专门的 Copyright guardrail：如果参考了 IM（Illustrative Mathematics）或 OpenSciEd 这类现有课程，绝不能逐字复制学生用文本、教师笔记、探究提示——只能借鉴结构，原创措辞
再看一眼这份 SKILL.md 的语言，就明白 Anthropic 内部对「AI 内容质量」有多严格
集成能力：不只是备课工具
先给一张完整的架构图，这个仓库到底把哪些东西连起来了，看这一张就够：
这个仓库最容易被忽略的部分，是 .mcp.json
它提供了9 个教育垂类 SaaS，全都以 HTTP MCP 的形式接进来，老师在 Claude 里可以直接调 MagicSchool 生成练习、调 Canva 做课件、调 Diffit 改编阅读难度、调 TeachFX 分析课堂对话
再叠加 Learning Commons Knowledge Graph connector，Claude 拿到的信息量是：
-
全美 50 州每一条教育标准的原文 -
每条标准的先修技能 / 学习进阶路径 -
每条标准对应的具体学习组件（learning components）
给老师一个 prompt，Claude 就能自动路由到对的 MCP、拉对的标准、生成对的产物
教育垂类的 AI 落地，Anthropic 用这个仓库演示了一遍完整解法：
Skill（专业工作流） + References（垂类知识） + MCP（第三方能力） + Connector（权威数据源） = 一个真正能替代半个备课组的助手
怎么用起来
如果你是 Claude for Teachers 用户，两个 skill 已经默认装好了，直接对话就行
如果不是，用 Claude Code 也能装：
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
装完之后，只要说一句话就能触发：
-
“I’m teaching long division to 5th graders” → 触发 lesson-planning -
“need to teach photosynthesis tomorrow” → 触发 lesson-planning -
“my students are at different levels” → 触发 lesson-differentiation -
“adapt this lesson for below and above grade” → 触发 lesson-differentiation
description 里对触发条件的定义细致到什么程度：
❝
“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 描述里直接告诉模型：新课要分层不要重复调用另一个 skill——把 skill 之间可能的冲突都提前写死了
对中文教育场景能不能用
有老师问：这套东西中国老师能用吗？
我的判断分三档：
-
底层设计能借鉴：JSON-driven 内容源分离、references 按需加载、density rules、师生语言分离——这些都是语言无关的工程模式，中文语文数学老师完全可以复用 -
表层内容要重写：NGSS、CCSS、C3 这些标准是美国专属的，中国要接的应该是《义务教育课程标准 2022 版》，Learning Commons KG 换成教研云或者国家中小学智慧教育平台 -
MCP 生态要建：中国目前还没有 MagicSchool、Brisk Teaching、Diffit 这种规模的教育垂类 MCP，谁先在国内做起来这一层，谁就是中国的 Claude for Teachers
有做教育 AI 的老板可以认真看看这个仓库，路径已经很清楚了
总结
回到最开始那个问题：Anthropic 开源这两个 skill 到底想干嘛
表面：给全美老师一份产品级 AI 备课工具
深层：给整个 skill 开发者社区上一堂公开课——生产级 skill 应该长什么样
这个仓库里能学到的东西，比 Anthropic 官方 skill 教程文档还多：
-
怎么处理垂类知识（references 按需加载） -
怎么让多文档保持一致（JSON-driven + shared 引用） -
怎么控制输出质量（density rules + copyright guardrail） -
怎么定义触发条件（description 写得像法律条文） -
怎么和 MCP / Connector 集成（.mcp.json + KG 调用规范） -
怎么评测 skill（evals/ 目录里有完整框架）
我给这个仓库 95 分，扣 5 分是因为 SKILL.md 写得太密、初读上手门槛偏高，但每一句都是干货
做 skill 的老板务必去 clone 一份，把两个 SKILL.md 逐字读完，读完 30k 字胜过看 30 篇教程