AgentSkillsCN

Skill

技能

SKILL.md

高中國文學測解題技能

技能資訊

  • •名稱: chinese-gsat-solver
  • •版本: 1.0.0
  • •描述: 解答高中國文學測題目，透過上下文工程動態組裝最相關知識，達成高準確率解題與可解釋教學。

使用時機

當需要解答以下題型時自動啟用：

  • •字形辨識（形近字、錯別字）
  • •成語應用（成語用字、成語意義）
  • •國學常識（作家作品、文學史、文學流派）
  • •文言文閱讀（108課綱15篇古文）
  • •修辭手法（10種主要修辭格）

架構設計

採用上下文模板庫 (Context Template) 架構，分為三層：

code
題目輸入
    ↓
┌─────────────────┐
│ 1. 題型識別層    │  patterns/*.jsonl
│   (識別題目類型)  │
└────────┬────────┘
         ↓
┌─────────────────┐
│ 2. 知識檢索層    │  knowledge/*.jsonl
│   (檢索相關知識)  │
└────────┬────────┘
         ↓
┌─────────────────┐
│ 3. 推理模板層    │  templates/*.jsonl
│   (組裝上下文)   │
└────────┬────────┘
         ↓
    LLM 推理
         ↓
    答案輸出

目錄結構

code
skill/
├── SKILL.md                    # 本檔案
├── knowledge/                  # 知識層
│   ├── character-forms.jsonl   # 字形知識
│   ├── idioms.jsonl           # 成語知識
│   └── literature.jsonl       # 國學常識
├── templates/                  # 推理模板層
│   └── reasoning.jsonl        # 推理模板
├── patterns/                   # 題型識別層
│   └── question-types.jsonl   # 題型模式
├── scripts/                    # 執行腳本
│   └── solver.mjs             # 主解題腳本
└── sources/                    # 知識來源
    └── SOURCE.md              # 來源引證

核心原則

1. 上下文工程 (Context Engineering)

  • •在有限的 token 空間內，傳遞最相關的知識
  • •動態組裝上下文，而非靜態 prompt
  • •分層設計，每層職責單一

2. 泛化而非死記

  • •知識庫不儲存「題目→答案」對應
  • •儲存「概念→解釋→區分方法」
  • •LLM 透過知識推理得出答案

3. 可解釋性

  • •每個答案都有推理過程
  • •引用知識來源
  • •說明為何排除其他選項

使用方式

透過腳本執行

bash
node skill/scripts/solver.mjs --question "題目內容"

透過 API 整合

javascript
import { solve } from './skill/scripts/solver.mjs';

const result = await solve({
  question: "下列各組「」內的字，何者字形完全正確？",
  options: ["A: ...", "B: ...", "C: ...", "D: ..."]
});

console.log(result.answer);    // "C"
console.log(result.reasoning); // "詳細推理過程..."

效能目標

指標目標當前
字形題正確率100%待測試
成語題正確率100%待測試
國學題正確率100%待測試
平均回應時間<3s待測試

設計原則遵循

  • •BDD: 行為驅動，以解題結果為導向
  • •TDD: 測試驅動，每個知識條目都有驗證
  • •SOLID: 單一職責、開放封閉、依賴反轉
  • •DRY: 知識不重複，模板可重用