腾讯云 AI Skills + WorkBuddy，打造 AI 伴学助手

大家好，我是小悟。

一、想法的诞生

第一次认真考虑"作业辅导"这件事，是从研究腾讯云的一批 AI Skills 开始的。当时在系统梳理这些能力：OCR 能读图、ASR 能听声、TTS 能说话、内容安全能兜底。它们单独看都不稀奇，很多产品里都能见到，但当我试着把它们拼到一起时，发现恰好覆盖了一个人"看、听、说"的全部感知通道。

真正让我思考的，是一个很具体的画面。晚上九点，一个孩子对着数学练习册发呆，家长在旁边越讲越急，最后忍不住把完整算式写到纸上。孩子照抄，家长松一口气，但题目到底为什么这么做，孩子并没有真的弄懂。第二天同类题换个数字，依旧不会。这几乎是无数家庭的日常。

这个场景和前面那批 AI Skills 之间的距离，其实只差一层"引导"。OCR 把题目读进来，大模型用苏格拉底式提问带着孩子一步步想，TTS 把讲解说给孩子听，WorkBuddy 把错题和报告沉淀成文件——一条完整的链路就立住了。于是"AI 伴学助手（Homework Companion）"作为一个独立方案被单独拎了出来。它不优化流程，只服务一个个正在写作业的家庭。与那些强调"降本增效、全量质检"的方案不同，它要解决的恰恰是最朴素的问题：怎么让一次辅导，真正留下东西。

市面上不是没有解题工具，但它们大多走"拍照出解析"的路线，更快给出步骤，却也更彻底地绕过了思考。这个 Skill 反其道而行，把"慢"当成一种设计——宁可多问几句，也要让孩子自己走到答案面前。这听起来效率更低，但学习这件事，本来就不是比谁先交卷。

二、要解决的核心痛点

家庭作业辅导长期存在几重绕不开的困境，这个 Skill 的设计就是逐条对着它们来的。

第一重是角色错位。很多家长辅导时容易从"陪伴者"滑向"答案机"。一旦孩子卡住，家长的耐心是有限的，情绪一上来，陪伴就变成了压力，孩子反而更不敢开口。第二重是录入门槛。孩子把题拍下来，家长往往还得手动打字把题目转述给工具，这个麻烦本身就是放弃的理由。第三重最隐蔽，也最伤学习——直接给答案。短期交了差，长期什么都没留下，孩子练的是"抄写"而不是"思考"。第四重是错题无沉淀，同一道题错了三次，依然没有结构化记录，考前无从复习，只能把所有练习册翻一遍。第五重是家长缺反馈，孩子这一周学了什么、哪类题薄弱，家长往往两眼一抹黑，想帮也不知道从哪下手。

下面这张图把"痛点—设计决策—技术选型"三条线对齐，能更清楚地看到这个 Skill 是怎么从问题倒推出结构的。

还有一层更隐蔽的问题：辅导质量高度依赖家长自身水平，而大多数家长既不是学科老师，也不懂儿童认知规律。同一个知识点，有人能讲通，有人一开口孩子就更懵。把这部分能力交给一个遵循统一方法论的 AI，至少有两点好处——讲解的标准稳定，且不会因为情绪而走样。

三、技术底座：腾讯云 AI Skills 与 WorkBuddy 的分工

这个 Skill 能跑起来，靠的是两层能力的清晰分工：腾讯云 AI Skills 负责"感知"，WorkBuddy 负责"执行"。

感知层由三个腾讯云能力构成。题目图片进来，调用 OCR 的通用印刷体高精度版（GeneralAccurateOCR），把图里的题干、公式、表格读成文字；孩子用语音口述题目，调用 ASR 的"一句话识别"（SentenceRecognition），支持 wav、mp3、pcm、speex、silk、m4a 等常见格式；讲解想让孩子"听"，调用 TTS 的 TextToVoice 合成音频，默认儿童友好的音色。腾讯云统一签名鉴权，密钥从环境变量 TENCENTCLOUD_SECRET_ID / TENCENTCLOUD_SECRET_KEY 读取。

执行层全部落在 WorkBuddy。它作为智能体运行时，负责承载对话、按流程调度上述脚本、生成 Excel 错题本、输出家长报告，并可通过连接器把报告推送到家长端。WorkBuddy 在这里承担的是"编排与沉淀"的角色，把云端的单点能力串成一条有头有尾的业务流。

一个值得专门说明的设计决策：最初版本依赖三个独立的腾讯云 Skill，意味着用户得装四个包才能用。后来我把 OCR、ASR、TTS 的调用直接封装进 scripts/ 下的三个 Python 脚本，基于官方 tencentcloud-sdk-python 实现，密钥同样从环境变量读取。这样一来，用户只安装 homework-companion 一个 Skill 就够了，部署成本大幅下降，也避免了多 Skill 之间版本错配。脚本还做了两道友好的错误兜底：缺密钥时提示设置环境变量，缺 SDK 时提示执行 pip install，而不是硬编一个错误答案。

整体结构如下：

四、制作过程：从一个 SKILL.md 到可发布智能体

Skill 的本质是一份被结构化约定好的"能力说明书"，制作过程就是把它从想法一层层填满。

第一步是写 SKILL.md，这是整个 Skill 的灵魂文件。文件头部的 frontmatter 必须带上要求的字段：名称、带触发词的描述、中英文简介、版本号、标签、允许使用的工具，以及 metadata.clawdbot.emoji 和 requires.env。正文里固定了触发词（"辅导作业""帮孩子讲题""错题本"等）、七条不可违背的核心原则（最重要的一条是"永远先引导，绝不先给答案"），以及七步工作流程。

第二步是补 references/ 下的四个参考文件，它们被 SKILL.md 以相对路径引用：subject-playbooks.md 按数学、语文、英语、科学分学段写引导话术和语音风格；safety-rules.md 是最高优先级的内容安全规范，明确禁代写、禁恐吓、禁比较羞辱；wrong-question-notebook.md 定义错题本字段，并给出 openpyxl 生成与追加 Excel 的 Python 模板；parent-report.md 是家长报告模板。

第三步是把感知能力落地成代码，即 scripts/ 下的 ocr.py、asr.py、tts.py。每个脚本都用 argparse 接收参数，从环境变量读密钥，识别结果走标准输出、语音写音频文件，方便 WorkBuddy 在对话里直接调用。最关键的是"把三能力收进单包"——这背后其实是一次取舍：官方 SDK 把腾讯云所有服务模块打包在一起，体积偏大，但签名、重试、地域都帮你处理好，最稳；我们选了稳，把一次性安装的成本留给首次部署。

五、工作流程：苏格拉底式引导如何运转

Skill 启动后，会沿固定流程运转，核心是一个反复循环的引导环。

收到题目后，先用 OCR 或 ASR 识别，并复述确认，避免误读，也给孩子一个澄清的机会。接着判定学科与学段，加载对应的引导策略。真正的讲解是一个循环：先请孩子自己试做，答错或卡住时不直接纠正，而是问"你是怎么想到的"，定位误解根源，再给一个缩小搜索范围的提示，而非完整答案。孩子走通一步就鼓励，并帮他把方法命名出来，比如"你用的是先求总数再平均分，这就是除法思维"。整道题走通后，才在结尾给出一段标准解法总结，方便复盘。需要听觉输出时，调用 TTS 把讲解合成为音频。

举一个真实的引导片段。一道"长方形周长 24 厘米、长比宽多 2 厘米、求面积"的题，孩子直接去猜长宽。Skill 会先说"回忆周长和面积的公式"——把孩子的注意力从"要答案"拉回到"题目给的条件之间的关系"。等他自己说出"长加宽是 12"，再提示"怎么把它拆成相差 2 的两个数"。这中间孩子每往前一步，都被确认、被鼓励，错的步骤也被当作理解偏差来对待，而不是当作失败。

这种引导并不只适用于数学。语文阅读理解题，Skill 会先问"通读，圈关键词 先大声读一遍选段。边读边想：作者把哪些不起眼的小东西，想象成了很壮观的景象？用笔圈出来。"，逼孩子回到文本找证据，而不是凭印象乱答；英语则强调在语境里记单词，看到 yesterday 才提醒用过去式。差异只在话术，逻辑始终一致：先让孩子自己动脑，再在卡点处给一把刚好够用的梯子。学段也要适配——小学低段多用分糖果、分披萨这类具象类比，初高中才引入术语与方法论，避免一上来就把孩子吓退。

值得强调的是，安全规范在这个流程里是一道"兜底开关"，优先级高于解题效率。任何输出都要过一遍儿童适宜性检查，绝不代写、绝不恐吓、绝不拿孩子和别人比较；一旦孩子聊到情绪困扰或安全相关话题，Skill 会主动建议"告诉爸爸妈妈或信任的大人"，不越权充当监护人。

六、如何使用与体验

发布后，其他人只需一条命令即可安装：npx clawhub@latest install homework-companion。随后安装依赖 pip install -r scripts/requirements.txt，并配置腾讯云密钥环境变量，就能获得完整体验：拍照讲题、语音口述、儿童语音讲解全部可用。

即便暂时没有密钥，这个 Skill 依然能工作——你用文字把题目贴给它，引导讲解、错题本、家长报告这三块核心逻辑照样跑，OCR/ASR/TTS 是锦上添花的感知入口。

一个典型的首会话大概是这样：家长发来一张题图，Skill 先复述确认题目，然后问孩子"你自己先想想第一步可以做什么"；孩子答错，它不急着纠正，而是问"你是怎么想到这步的"，顺着孩子的思路找到误解点，再给一个提示。全程语气是隔壁大哥哥大姐姐式的，而非播音员的腔调，卡住了说的是"没关系，我们换个办法"，而不是"这么简单都不会"。等题目走通，它才在结尾给一段标准解法，并把这道题记入错题本——一次辅导，同时完成了讲解、记录与反馈三件事。

错题本默认生成可累积的 Excel 文件，字段涵盖日期、学科、学段、题目标题、题目原文、孩子答案、错误原因、正确思路、知识点标签、难度、掌握状态与复习次数。跨会话保留同一份文件，新错题追加而非重建，家长可在 Excel 里按"知识点标签"筛选，考前针对性重练。家长报告则给出"哪类题薄弱、建议每天几道、连续几周"的可执行建议，而不是一句空洞的"数学要加强"，并可通过企业微信、腾讯文档等连接器推送到家长手上。

七、总结

回看整个 AI 伴学助手，它并没有什么炫的技术，价值在于把现成的腾讯云 AI Skills 与 WorkBuddy 的编排能力，按一个真实场景重新拼装了一遍。感知交给云端能力，执行与沉淀交给本地智能体，中间用"苏格拉底式引导"这条原则串起来，最终落在一个孩子真正能受益的动作上：不是替他写完，而是陪他想通。

对家长而言，它把"辅导"从一场容易情绪化的拉锯，变成了一套可复用、有方法、有记录的外挂；对开发者而言，它是一个清晰的范式样本——当 AI Skills 提供感知、WorkBuddy 提供执行，两者之间的缝隙，正是创新应用最值得下针的地方。

说到底，家庭作业辅导是一个极度分散、极度个性化、却又极度普遍的需求。把腾讯云 AI Skills 的感知能力与 WorkBuddy 的编排能力，落到一个孩子的一道错题上，这或许就是 AI 进家庭最该有的样子：不抢着给答案，而是学着，怎么好好地问。

谢谢你看我的文章，既然看到这里了，如果觉得不错，随手点个赞、转发、在看三连吧，感谢感谢。那我们，下次再见。

您的一键三连，是我更新的最大动力，谢谢

山水有相逢，来日皆可期，谢谢阅读，我们再会

我手中的金箍棒，上能通天，下能探海