使用场景
AI 语言教师在与学习者进行目标语言对话时，每收到一条学习者消息就调用 `record-learner` 记录词素使用情况（自动词形还原、排除引用词和拼写错误），然后撰写回复草稿时调用 `preview-reply` 检查回复中是否有学习者未知的词汇，据此调整用词难度。教学过程中适时调用 `mark-known` 标记学习者已掌握的词汇，实现个性化难度适配。
经过多轮对话积累了足够的词素曝光数据后，Agent 调用 `due-for-practice` 获取按预测召回率（基于 Leitner 变体的半衰期回归模型）排序的未知词素列表。Agent 可根据阈值 `--max-p-recall` 和数量限制 `--limit` 筛选出最需要练习的词汇，据此生成有针对性的复习练习或提问，帮助学习者在遗忘前巩固薄弱词汇。
技能文件
业务领域
技能形态
技能解析
剖析技能的工作原理和产出物，快速判断你的场景与价值。
触发时机：
工作机理：
record-learner 只对学习者消息调用（写操作），preview-reply 对回复草稿调用（只读），严禁在同一消息上重复调用 record-learnerrecord-learner 支持 --exclude-lemmas（引用词、噪声词）和 --mark-misuse（拼写错误、用词不当），确保数据质量(learner_id, language) 隔离，known_lemmas 表 PK 为 (learner_id, language, lemma)due-for-practice 基于半衰期回归（HLR）的 Leitner 特例，用 2^(produced_count - failed_attempt) 计算半衰期（天），按 p_recall 升序排序mark-known 重复调用返回 "already_known"，seed-known 重复调用返回 added: 0，状态不变产生结果：
record-learner / preview-reply 返回未知词素列表 + 使用详情（产出次数、首次/末次使用时间）lookup-lemma 返回单个词素的掌握状态 + 完整统计due-for-practice 返回按预测召回率排序的待复习词素列表技能关系
依赖关系读作「上一格指向下一格」。当前 Skill 位于第二格，上下分别是影响它与被它影响的 Skill。
第一层 · 这些 Skills 用了我
第二层 · 当前 Skill
第三层 · 我用了这些 Skills
在所属技能集的全局上下文中浏览当前 Skill 的关系。点击节点切换右侧详情,搜索框可快速定位技能。