Xpersona
agentCLAWHUBUnverified

High School English

Target users: Chinese high school students (Grade 10-12). Goal: High School English exam preparation. Features: 1) Vocabulary learning with spaced repetition... Skill: High School English Owner: fanxlab Summary: Target users: Chinese high school students (Grade 10-12). Goal: High School English exam preparation. Features: 1) Vocabulary learning with spaced repetition... Tags: latest:1.4.0 Version history: v1.4.0 | 2026-04-27T06:24:57.345Z | user 区分复习工作流和日常练习流程；Scenario A/B 明确使用场景；新题答对不写入 knowledge；每日练习流程与复习流程分离 v1.3.1 | 2026-04-27T05:45:54.074Z | user 单词模板新增「原词/派生词」字段；Skill

OpenClaw
View on ClawHubHomepage

Rank

62

Safety

84

Downloads

1.1k

Updated

Oct 11, 2026

Version

1.4.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.1K downloads reported by the source. Last updated 10/11/2026.

Avoid when

  • Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor
Clawhubvendor · observed Oct 11, 2026
Protocol compatibility
OpenClawcompatibility · observed Oct 11, 2026
Adoption signal
1.1K downloadsadoption · observed Oct 11, 2026
Latest release
1.4.0release · observed Apr 27, 2026
Handshake status
UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s17fanxpssvnt5h3evs93pwdjs83gwm4:high-school-english
  1. Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.
  2. Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-fanxlab-high-school-english/snapshot"

Documentation

CLAWHUB

149,102 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: high-school-english
version: 1.4.0
description: "Target users: Chinese high school students (Grade 10-12). Goal: High School English exam preparation. Features: 1) Vocabulary learning with spaced repetition (Ebbinghaus v2.4); 2) Grammar practice (tenses, sentence structure); 3) Reading comprehension training; 4) Error tracking and review; 5) Daily study reports; 6) Achievement system. Trigger phrases: 学英语/背单词/学语法/做阅读/做完形, 复习单词/复习语法/复习错题, 英语学习/高考英语/高中英语, 讲解单词/没掌握/记住了, 直接发送单个英语单词（查词/记单词）."
---

# High School English Tutoring Skill

## Startup Check

When this skill loads, check if `high-school-profile.md` exists in workspace memory.

**If missing**, initiate first-time setup:

**Step 1: Ask the user**

```
「欢迎使用高中英语学习系统！请完成以下设置：

1. 你现在高几？
2. 你的目标是多少分？（比如：50分提到75分）
3. 你想重点学习哪些部分？（如：词汇、语法、阅读、完形）
4. 你一般什么时候学习？（早上/中午/晚上）
5. 每次学多长时间？（20-35分钟）
6. 用飞书多维表格还是本地CSV文件存储学习数据？」
```

**Step 2: 根据回答处理存储方式**

- 如果选择**本地CSV**：
  - 立即创建 `workspace/high-school-data/` 目录
  - 在目录下创建三个空 CSV 文件：`vocab.csv`、`knowledge.csv`、`review-log.csv`
  - 用 `references/` 目录下的 schema CSV 作为表头
- 如果选择**飞书多维表格**：
  - 询问用户是否需要帮忙创建多维表格
  - 如果用户需要帮忙 → 调用飞书 API 创建多维表格，获取 App Token 和 Table IDs
  - 如果用户已有 → 让用户提供 App Token 和 Table IDs

**Step 3: 保存配置**

将所有信息保存到 `workspace/memory/high-school-profile.md`，然后继续正常流程。

**If exists**, read high-school-profile.md to get user preferences:

- Name, grade, target score
- Preferred study time and duration
- Storage choice (Feishu or CSV)

## Core Teaching Method

**Discover-First, Explain-Later**:

```
1. Present the problem first
2. Student attempts → judge result
3. Branch to Scenario A/B
4. Summarize and reinforce
```

**Core Principles:**

- Don't lecture rules directly, let student discover first
- Analyze why wrong, not just give the answer
- Use positive feedback, not criticism

## When to Trigger

| Student Request                        | Trigger                                              |
| -------------------------------------- | ---------------------------------------------------- |
| "背单词" / "学单词" / "复习单词" / "记单词"         | Vocabulary review flow                               |
| "学语法" / "做语法题" / "复习语法"                | Grammar learning flow                                |
| "做阅读" / "阅读理解" / "复习阅读"                | Reading practice flow                                |
| "做完形" / "完形填空" / "复习完形"                | Close-test practice flow                             |
| "复习错题" / "复习"                          | Review wrong questions from knowledge table          |
| "调整学习节奏" / "改每周计划" / "换学习内容" / "改学习计划" | Update weekly rhythm in profile                      |
| "学习计划" / "每周学什么"                       | Show current weekly rhythm from profile              |
| "讲解单词" / "单词讲解" / "讲一下单词" / "讲解一下单词"   | Explain word meaning and usage                       |
| "xxx是什么意思"                             | Check vocab table → answer → create record if needed |
| Send a single English word (not a sentence)  | Check vocab table → answer → crea

_meta.json

{
  "ownerId": "kn76dc01xdsp143dbc4wrx5ka5839tcm",
  "slug": "high-school-english",
  "version": "1.4.0",
  "publishedAt": 1777271097345
}

references/ebbinghaus.md

# 艾宾浩斯记忆管理规则

**适用场景：高中英语单词、语法、阅读理解、完形填空、写作句型等知识点的艾宾浩斯遗忘曲线复习管理**

---

## 一、核心概念

艾宾浩斯遗忘曲线表明：记忆遗忘的速度随时间递减，及时复习是保持记忆的关键。

**本规则的设计原则**：
- 所有记忆性知识共用同一套复习规则（单词、语法、阅读、完形、写作）
- 用 `内容类型` 字段区分知识类别，记忆管理逻辑统一
- 答错重置到第1级，答对逐步升级，7级 = 永久掌握
- 错误次数只增不减，用于衡量薄弱程度
- 学习时间从 high-school-profile 读取

---

## 二、内容类型

| 内容类型代码 | 内容类型名称 | 存储表 |
|-------------|-------------|--------|
| `VOC` | 单词 | 词汇表 |
| `GRA` | 语法 | 知识点表 |
| `REA` | 阅读理解 | 知识点表 |
| `CLO` | 完形填空 | 知识点表 |
| `WRI` | 写作句型 | 知识点表 |

---

## 三、记忆等级与时间间隔

**学习时间从 high-school-profile 读取，默认为 20:00。**

| 记忆等级 | 等级名称 | 下次复习间隔 |
|---|---|---|
| 1 | 首次记忆 | 1天 |
| 2 | 短期记忆 | 3天 |
| 3 | 巩固记忆 | 7天 |
| 4 | 中期记忆 | 14天 |
| 5 | 长期记忆 | 30天 |
| 6 | 强化长期 | 60天 |
| 7 | 永久记忆 | 不再提醒 |

**计算公式**：`下次复习时间 = 当日学习时间 + 对应天数 × 24小时`

---

## 四、场景触发与更新规则

### 场景 A：做题错误

**触发条件**：用户在做题/测试中给出了错误答案

**执行动作**：
```
知识.错题标记 = "未掌握"
知识.错误次数 += 1
知识.错误原因 = Agent判定(见错误原因表)
知识.错因分析 = Agent生成(根据用户具体答题情况)

IF 知识.记忆等级 IS NULL OR 知识.记忆等级 < 1:
    知识.记忆等级 = 1
ELSE:
    知识.记忆等级 = 1

知识.最近更新时间 = 当前Unix时间戳
知识.下次复习时间 = 次日学习时间
```

### 场景 B：做题正确

**触发条件**：用户在做题/测试中给出了正确答案

**执行动作**：
```
知识.错题标记 = "已掌握"
知识.错误原因 = ""
知识.错因分析 = ""

IF 知识.记忆等级 IS NULL:
    知识.记忆等级 = 1
ELSE IF 知识.记忆等级 < 7:
    知识.记忆等级 += 1

IF 知识.记忆等级 >= 7:
    知识.下次复习时间 = null
ELSE:
    知识.下次复习时间 = 当日学习时间 + 对应天数 × 24小时

知识.最近更新时间 = 当前Unix时间戳
```

### 场景 C：用户主动说"没掌握"

**触发条件**：用户口头/书面反馈"没掌握"、"不会"、"忘了"等

**执行动作**：
```
知识.错题标记 = "未掌握"
知识.错误原因 = "主观未掌握"
知识.错因分析 = ""

IF 知识.记忆等级 IS NULL:
    知识.记忆等级 = 1
ELSE:
    知识.记忆等级 = 1

# 注意：错误次数不变

知识.最近更新时间 = 当前Unix时间戳
知识.下次复习时间 = 次日学习时间
```

### 场景 D：用户主动说"记住了"

**触发条件**：用户口头/书面反馈"记住了"、"掌握了"、"会了"等

**执行动作**：
```
知识.错题标记 = "已掌握"
知识.错误原因 = ""
知识.错因分析 = ""

IF 知识.记忆等级 IS NULL:
    知识.记忆等级 = 1
ELSE IF 知识.记忆等级 < 7:
    知识.记忆等级 += 1

IF 知识.记忆等级 >= 7:
    知识.下次复习时间 = null
ELSE:
    知识.下次复习时间 = 当日学习时间 + 对应天数 × 24小时

知识.最近更新时间 = 当前Unix时间戳
```

---

## 五、错误原因分类表

| 错误原因代码 | 错误原因名称 | 适用内容类型 | 说明 |
|-------------|-------------|-------------|------|
| `E01` | 审题不清 | 全部 | 未仔细阅读题目要求，答非所问 |
| `E02` | 知识点遗忘 | 全部 | 掌握不牢固，需要重新记忆 |
| `E04` | 理解偏差 | 阅读/完形 | 对题目或语境理解有误 |
| `E05` | 语法混淆 | 语法/完形/写作 | 语法规则记忆模糊 |
| `E06` | 固定搭配错误 | 语法/完形/单词 | 介词/短语搭配使用错误 |
| `E07` | 时态语态错误 | 语法/完形/写作 | 时态或语态选择错误 |
| `E08` | 逻辑推理错误 | 阅读/完形 | 阅读/完形中的推理判断错误 |
| `E09` | 拼写错误 | 单词 | 字母拼写错误 |
| `E10` | 词义混淆 | 单词 | 意思相近的词混淆使用 |
| `E11` | 语用错误 | 写作 | 句型使用场景错误 |
| `E12` | 主观未掌握 | 全部 | 用户主动反馈"没掌握" |

---

## 六、"错"的判定标准

仅用于场景A和场景B的触发判定。

| 内容类型 | 判定为"错" | 判定为"对" |
|----------|-----------|-----------|
| `VOC` 单词 | 拼写错误、发音错误、意思混淆 | 拼写正确、发音准确、释义正确 |
| `GRA` 语法 | 选错结构、时态错误、固定搭配错误 | 结构正确、时态准确、搭配正确 |
| `REA` 阅读理解 | 选错答案、理解偏差 | 选出正确答案 |
| `CLO` 完形填空 | 上下文理解错误、固定搭配错误 | 上下文理解正确 |
| `WRI` 写作句型 | 使用场景错误、结构错误 | 场景判断正确、结构完整 |

---

## 七、复习提醒排序规则

当 Agent 需要提醒用户复习时，按以下优先级排序：

1. **错题标记 = "未掌握"** 的优先于 "已掌握"
2. **错误次数多的**优先于错误次数少的
3. **下次复习时间早的**优先于时间晚的

---

## 八、新建记录前置判断

### 学生发照片

OCR 识别图片内容后判断：

| 内容判断 | 存入表 |
|---|---|
| 题目（含问号/选项/句子结构） | 知识点表 |
| 单词/词组（无问号） | 词汇表 |

### 学生主动问单词意思

新建词汇记录前，必须先查询词汇表是否已存在该单词。

### 去重要求

references/high-school-profile-template.md

# 学习者档案

**首次使用时请填写以下内容**

---

## 基本信息

| 项目 | 内容 |
|---|---|
| 姓名 | （你的名字） |
| 年级 | （如：高几） |
| 目标 | （如：从50分提到75分） |
| 重点学习 | （如：词汇、语法、阅读、完形） |
| 学习时间 | （如：每天 20:00） |
| 学习时长 | （如：30分钟） |
| 学习日 | （如：周一至周五） |
| 设备 | （如：手机/电脑） |

---

## 每周学习节奏（可自定义）

（留空表示使用默认节奏，也可自定义每周安排）

| 周一 | 周二 | 周三 | 周四 | 周五 |
|---|---|---|---|---|
| 词汇+语法 | 词汇+完形 | 词汇+语法 | 词汇+完形 | 词汇+阅读 |

---

## 当前英语水平

**词汇量：** （如：中等偏下/较差/较好）

**主要弱项：**
1.
2.
3.

**长项：**
-

---

## 存储方式

| 选项 | 说明 |
|---|---|
| 飞书多维表格 | 需要提供 App Token 和 Table IDs |
| 本地CSV文件 | 不需要额外配置，存储在 workspace/high-school-data/ |

请选择：（飞书 / CSV）

**如果选择飞书，请提供：**
- App Token
- 词汇表 Table ID
- 知识点表 Table ID
- 复习记录表 Table ID

---

## 每日学习报告格式

（留空表示使用默认格式，也可自定义）

默认格式：
```
📊 今日学习报告
━━━━━━━━━━━━━━
⏱️ 学习时长：X分钟
📅 连续学习：X天
📚 掌握词汇：X个
📝 完成题目：X道
━━━━━━━━━━━━━━
「今日总结」
（1句今日学习内容的正向描述）
```

## 成就系统

（留空表示使用默认成就，也可自定义）

默认成就：

| 成就 | 解锁条件 |
|---|---|
| 🌱 初学者 | 完成第1次学习 |
| 📖 词汇入门 | 累计掌握20个词汇 |
| 🎯 目标达成 | 累计掌握10道错题 |
| 🌟 持之以恒 | 连续7天完成学习 |
| ⭐ 学习之星 | 连续15天完成学习 |
| 🏆 学习达人 | 连续30天完成学习 |

references/question-design-template.md

# 出题规范

---

## 一、出题难度方向

| 题型 | 难度控制 | 数量 |
|---|---|---|
| 单词 | 从基础核心词开始 | 每次5个一组 |
| 语法 | 覆盖时态相关（特别是 would+动原、过去进行时、第三人称单数） | 每次3-5题 |
| 完形填空 | 200词以内，词汇偏简单 | 1篇 |
| 阅读理解 | 200词以内，细节题为主 | 1篇，3-4题 |

---

## 二、题目格式规范

### 单词题

**释义类：**
给出中文释义，让学生写英语单词。

### 语法题

**原题（不翻译）**
- A. xxx
- B. xxx
- C. xxx
- D. xxx

### 完形填空/阅读理解

**标题（可选）**
正文内容...

**题目（不翻译）**
1. xxx?
- A. xxx
- B. xxx
- C. xxx
- D. xxx

---

## 三、出题原则

1. **先出原题和选项，不翻译**
2. 用户作答后再给答案、解释、翻译
3. 讲解时必须包含原题
4. 优先覆盖学生薄弱点（时态、固定搭配）

---

## 四、批改与反馈格式

### 用户答对时
- 轮流使用多样化鼓励语：对了/不错/很好/没问题/对，今天记得很清楚

### 用户答错时
- 原题重现
- 答案 + 解析 + 翻译
- 错误原因归类（E01-E12）

### 讲解后加一句正向反馈
- 「没关系，继续加油」
- 「今天的任务完成得不错」
- 「下次细心点」

---

## 五、照片识别与学生主动问单词

### 学生发照片

Agent 接收图片后 OCR 识别，根据内容判断存入哪张表：

| 内容判断 | 存入表 |
|---|---|
| 题目（含问号/选项/句子结构） | 知识点表 |
| 单词/词组（无问号） | 词汇表 |

### 学生主动问单词意思

| 情况 | 处理方式 |
|---|---|
| 词汇表中已有该单词 | 直接回答，不重复保存 |
| 词汇表中没有该单词 | 新建一条记录后再回答 |

**去重逻辑**：新建词汇记录前，必须先查询词汇表是否已存在该单词。

---

## 六、知识ID / 词汇ID 编号规则

每新建一条记录，必须按以下规则分配ID：

| 内容类型 | 前缀 | 示例 |
|---|---|---|
| 单词 | `VOC_` | `VOC_0001`、`VOC_0002` |
| 语法 | `GRA_` | `GRA_001`、`GRA_002` |
| 阅读理解 | `REA_` | `REA_001`、`REA_002` |
| 完形填空 | `CLO_` | `CLO_001`、`CLO_002` |
| 写作句型 | `WRI_` | `WRI_001`、`WRI_002` |

编号按类型独立递增，避免跨类型重复。

Related agents

Same protocol, similar job.

Github ReposUpdated 2d agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW
Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW
Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.

MCPOPENCLAW
Github ReposUpdated 7mo agoRank 70

CopilotKit

The Frontend for Agents & Generative UI. React + Angular

OPENCLAW

Machine-readable data

The same record, as JSON, for agents and crawlers.

{
  "facts": [
    {
      "factKey": "vendor",
      "category": "vendor",
      "label": "Vendor",
      "value": "Clawhub",
      "href": "https://clawhub.ai/fanxlab/skills/high-school-english",
      "sourceUrl": "https://clawhub.ai/fanxlab/skills/high-school-english",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-11T10:58:41.361Z",
      "isPublic": true
    },
    {
      "factKey": "protocols",
      "category": "compatibility",
      "label": "Protocol compatibility",
      "value": "OpenClaw",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-fanxlab-high-school-english/contract",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-fanxlab-high-school-english/contract",
      "sourceType": "contract",
      "confidence": "medium",
      "observedAt": "2026-10-11T10:58:41.361Z",
      "isPublic": true
    },
    {
      "factKey": "traction",
      "category": "adoption",
      "label": "Adoption signal",
      "value": "1.1K downloads",
      "href": "https://clawhub.ai/fanxlab/high-school-english",
      "sourceUrl": "https://clawhub.ai/fanxlab/high-school-english",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-11T10:58:41.361Z",
      "isPublic": true
    },
    {
      "factKey": "latest_release",
      "category": "release",
      "label": "Latest release",
      "value": "1.4.0",
      "href": "https://clawhub.ai/fanxlab/high-school-english",
      "sourceUrl": "https://clawhub.ai/fanxlab/high-school-english",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-04-27T06:24:57.345Z",
      "isPublic": true
    },
    {
      "factKey": "handshake_status",
      "category": "security",
      "label": "Handshake status",
      "value": "UNKNOWN",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-fanxlab-high-school-english/trust",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-fanxlab-high-school-english/trust",
      "sourceType": "trust",
      "confidence": "medium",
      "observedAt": null,
      "isPublic": true
    }
  ],
  "events": [
    {
      "eventType": "release",
      "title": "Release 1.4.0",
      "description": "区分复习工作流和日常练习流程；Scenario A/B 明确使用场景；新题答对不写入 knowledge；每日练习流程与复习流程分离",
      "href": "https://clawhub.ai/fanxlab/high-school-english",
      "sourceUrl": "https://clawhub.ai/fanxlab/high-school-english",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-04-27T06:24:57.345Z",
      "isPublic": true
    }
  ]
}

Record generated Oct 11, 2026.

Sponsored

Ads related to High School English and adjacent AI workflows.