agentleFS
chengkj99chengkj99/kj-skills/skills/course-campaign/SKILL.md

course-campaign

Skill14 starsChanged 5 months agoMITView on GitHub

批量生产一门课程的多个章节——按清单顺序逐章调用 course-generator,负责章节顺序、上下文衔接(上一章结尾→下一章开头)、进度持久化(中途可恢复)、里程碑自动 compact。本技能是「工头」,只做编排,不亲自写正文;正文一律交给 course-generator。触发词:「批量写课程」「写完 CC-005 到 CC-014」「整门课一章一章写」「course-campaign」。不处理:单章正文撰写(用 course-generator)、选题策划(用 ai-programming-topic-planner)。

The file

Files
SKILL.md

course-campaign:整门课程的批量章节编排

把「一份章节清单 + 各章参考材料」按顺序逐章写完。本技能是编排层(工头),每一章的正文都交给 course-generator(执行层/工人)去写;本技能只负责四件工人管不了的事:

  1. 顺序管理——按清单逐章推进,不跳号、不漏章。
  2. 上下文衔接——写下一章前先读上一章结尾,让章节自然接龙。
  3. 进度持久化——每章写完落盘进度,中途中断后能从断点恢复,不从头重来。
  4. 里程碑维护——到指定节点提示 / 执行 /compact,避免上下文爆掉。

适用边界(先确认是不是该用我)

  • ✅ 用我:要连续写多章(≥3 章),已有章节清单和各章材料路径,想一轮跑完。
  • ❌ 不用我:只写一章 → 直接用 course-generator;还没定章节 → ai-programming-topic-planner 先做选题。

输入(缺什么先问,别瞎补)

  1. 课程名称(必需)——如「Claude Code 从入门到精通」。
  2. 章节清单(必需)——每条含:章节编号、标题、参考材料路径、(可选)附加要求。
    • 可以是一段表格 / 列表,也可以指向一个清单文件。
    • 清单格式与字段说明见 references/state-and-manifest.md。
  3. 输出路径(建议)——章节正文落盘目录。不给就沿用课程已有结构,或问用户。
  4. 里程碑规则(可选)——在哪几章写完后 compact、compact 时保留什么。不给则用默认(见下「上下文管理」)。
  5. 风格基线(可选)——要对齐的已有章节(如「严格对齐 CC-001~CC-004」)。会作为附加要求透传给 course-generator。

启动时的第一件事:建 / 读进度文件

每次被调用,先确认进度文件存在并读它,据此决定从哪一章接着写:

  • 进度文件路径:<输出目录>/.course-campaign-progress.md
  • 不存在 → 按章节清单初始化它(全部标 pending),从第一章开始。
  • 已存在 → 读出 done / pending,从第一个非 done 的章节继续,已完成的不重写。

进度文件的字段、状态机、初始化模板见 references/state-and-manifest.md。

这一步是「中途可恢复」的根。哪怕对话被 compact、被中断、隔天再来,只要读到这个文件就知道写到哪了。

主循环:每章固定四步(一步都不能省)

对清单里每一个尚未完成的章节,依次执行 A→B→C→D:

Step A:读上一章结尾(第一章跳过)

  • 从进度文件找到上一章的输出文件路径,Read 它的最后两段。
  • 记住它引出下一章的方式(是抛了个问题?留了个悬念?点了下一章的名?)。
  • 这决定本章结尾要怎么「接上一章的话茬」,以及开头能不能顺势承接。

如果上一章不是本技能写的(比如清单从 CC-005 起、CC-004 是别人写的),同样去读 CC-004 的结尾,把语感和接龙方式摸清楚。

Step B:调用 course-generator 写本章

用 Skill 调起 course-generator,把下列信息整理成一段清晰的输入传给它(course-generator 是单章引擎,不知道整门课的存在,所有衔接信息都要你喂):

  • 课程名称:<课程名>
  • 章节编号 + 标题:清单里的本章条目
  • 参考材料:清单里本章的材料路径(直接给路径,让 course-generator 自己 Read / 搜料)
  • 输出路径:本章落盘的完整路径
  • 附加要求(关键,把衔接信息塞这里):
    • 「结尾须自然引出下一章:<下一章编号 + 标题>」
    • 「开头承接上一章结尾:<Step A 记到的引出方式>」(第一章无)
    • 「风格严格对齐 <风格基线,如 CC-001~CC-004>」
    • 清单里本章自带的其它附加要求

等 course-generator 真正把文件写完再继续,不要并行抢跑下一章——衔接依赖前一章已落盘。

Step C:更新进度文件

course-generator 交付后:

  • 把本章状态从 pending 改成 done,记上输出文件路径、字数、章节类型。
  • 这是断点续写的存档点,必须每章都写。

Step D:进度报告 + 里程碑检查

  1. 给用户一行进度报告,格式:
    ✅ CC-005 写完 | 类型:工具操作型 | 字数:约 2100 字
    下一章:CC-006 Skills 目录结构与触发逻辑
  2. 检查本章是否命中里程碑(见下)。命中则按规则处理 compact,再进下一章。

Step E:图片规范化 + 完成度审计(全部章节 done 后执行一次)

E1. 规范化混排图片尺寸

扫描本次 campaign 涉及的所有章节文件,将 Markdown 语法的 PNG 引用替换为统一宽度的 HTML 标签:

# 找出所有 Markdown 图片语法引用 PNG 的行
grep -rn "!\[.*\](.*\.png)" <输出目录>

对每处匹配,将:

![alt 文字](path/to/image.png)

改写为:

<img src="path/to/image.png" width="620" alt="alt 文字" />

SVG 引用(![](*.svg))不处理,已由 width="620" 属性保证一致。

E2. 输出完成度报告

统计并输出以下清单(即录课行动清单):

📊 图片完成度报告
✅ SVG 已生成:N 张
🖼️ PNG 已规范化:N 处(统一为 width=620)
📷 截图待补:N 处
   - CC-007:37 — Plan Mode 界面截图
   - CC-009:133 — macOS 通知弹窗
   ...
🎬 录屏待录:N 处

全部章节 done 后,给一句收尾总结(共写了几章、总字数、有无因材料不足做保守处理的章节),结束。

上下文管理(到点自动执行,不等用户提醒)

连写多章,上下文会涨。在用户指定的里程碑章节写完并存进度后,执行 /compact,并在 compact 指令里明确保留:已完成哪些章、下一章是哪章、风格要求、输出路径。

  • 用户给了里程碑规则 → 按用户的来。
  • 没给 → 默认每完成 3 章触发一次 compact,保留内容模板:
    /compact 保留:已完成 <已完成章节区间>;下一章 <下一章编号+标题>;
    风格要求 <风格基线>;输出路径 <输出目录>;进度文件 <progress 路径>

compact 后第一件事仍是「读进度文件」——所以哪怕保留信息丢了细节,进度文件兜底。

与 course-generator 的分工(别越界)

事项归谁
章节顺序、跳到哪一章course-campaign
读上一章结尾、传衔接要求course-campaign
进度持久化、断点恢复course-campaign
里程碑 compactcourse-campaign
搜料、定章节结构、写正文、过质量门禁course-generator
单章输出路径命名细节course-generator(campaign 给目录,命名它定)

course-campaign 自己绝不写正文。如果你发现自己在编排里直接动笔写章节内容,停下——那是 course-generator 的活。

失败与中断处理

  • 某章 course-generator 报材料不足 / 写不下去 → 在进度文件标 blocked 并记原因,报告用户、暂停,不要硬写靠猜,也不要跳过它去写后面的(会破坏衔接)。
  • 对话被中断后重来 → 不需要用户重述清单,直接读进度文件接着干。

示例调用

课程名:Claude Code 从入门到精通
清单:CC-005..CC-014(10 章,材料路径见清单文件)
输出:raw/studio/curriculum/lessons/claudecode/
里程碑:CC-007 / CC-010 / CC-013 写完后 compact
风格基线:CC-001~CC-004
→ course-campaign 从 CC-005 顺序写到 CC-014,每章交 course-generator,自动接龙、自动存档、到点 compact。

交付前自检

  • 读 <输出目录>/.course-campaign-progress.md,确认清单内所有章节状态为 done(blocked 的章节已向用户报告原因),编号连续无遗漏
  • 逐章核对进度文件里记录的输出文件路径真实存在且非空
  • 运行 grep -rn "!\[.*\](.*\.png)" <输出目录> 确认返回为空,PNG 引用已全部替换为 <img ... width="620" />
  • 确认已输出 Step E2 的图片完成度报告,含 SVG 已生成、PNG 已规范化、截图待补、录屏待录四类计数
  • 核对收尾总结包含共写章数、总字数,以及因材料不足做保守处理的章节列表

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.