AgentSkillsCN

polish-week

对指定 week 的 CHAPTER.md 做深度改写——消灭模板感、补贯穿案例、重组结构，使其达到教材水准。

中文原作
SKILL.md
--- frontmatter
name: polish-week
description: 对指定 week 的 CHAPTER.md 做深度改写——消灭模板感、补贯穿案例、重组结构，使其达到教材水准。
argument-hint: "<week_id e.g. week_01>"
allowed-tools: Bash, Read, Write, Edit, Grep, Glob
disable-model-invocation: true

/polish-week

用法

code
/polish-week week_XX

目标

  • •chapters/week_XX/CHAPTER.md 达到教材水准：叙事流畅、有贯穿案例、节奏多变、有温度
  • •可做结构性改写（不仅仅是换词润色）
  • •追加 1-2 个"AI 时代小专栏"（200-500 字/个），附真实参考链接 + 访问日期（优先读取 .research_cache.md 研究缓存，不足时使用 WebSearch / Exa MCP / perplexity MCP 搜索获取真实 URL，绝对禁止编造）
  • •不改代码/测试/YAML，不引入新的 validate_week.py 失败

步骤

0. 日期校准（立即执行）

生成 shared/current_date.txt，供后续 agent 读取当前日期：

bash
date '+%Y-%m-%d' > shared/current_date.txt

这确保 AI 小专栏中的数据和访问日期使用当前年份。

1. 诊断

调用 subagent student-qa（只读模式）：

  • •必须先读 shared/writing_exemplars.md
  • •输出叙事质量评分 + 阻塞项/建议项
  • •新增：图片需求诊断 — 根据本章主题判断是否需要图片（分布/比较/关系/评估类主题通常需要）
  • •新增：公式需求诊断 — 判断核心概念是否需要数学精确定义
  • •如果评分 >= 4 且无阻塞项，可跳到步骤 3（轻润色即可）

2. 深度改写

调用 subagent prose-polisher：

  • •必须先读 shared/writing_exemplars.md
  • •根据 student-qa 的诊断结果，执行对应级别的改写
  • •如果缺贯穿案例，补入一条
  • •如果结构过于机械，重组

2.5 图片与公式补充（根据诊断执行）

如果 student-qa 诊断指出需要图片或公式：

2.5A. 图片生成 → 调用 /stat-viz skill

使用 Skill 工具调用 stat-viz：

code
skill: "stat-viz"
args: "week_XX"

关键要求（确保 /stat-viz 遵守）：

  • •✅ 代码必须保存到 examples/NN_chart_xxx.py（可复现）
  • •✅ 图片输出到 images/xxx.png（嵌入正文）
  • •✅ 使用正确的中文字体配置
  • •✅ 避免常见错误（截断 Y 轴、3D 效果等）
  • •✅ 在 CHAPTER.md 中插入图片引用：![](images/xxx.png) *图注*

2.5B. 公式补充 → 直接编辑 CHAPTER.md

根据诊断结果，在合适位置补充数学公式：

  • •使用 LaTeX 格式：$$公式$$（块级）或 $公式$（行内）
  • •块级公式用引用块包裹：> $$...$$
  • •每个符号都要解释含义

执行要点：

  • •检查 chapters/week_XX/images/ 是否存在
  • •重新运行验证确保无破坏

3. 一致性检查（可选）

调用 subagent consistency-editor：做格式/术语/引用一致性检查（避免重写内容）

4. 验证

bash
python3 scripts/validate_week.py --week week_XX --mode task

如果你准备发布（并且已清空 QA 阻塞项），再跑：

bash
python3 scripts/validate_week.py --week week_XX --mode release