AgentSkillsCN

team-week

完整执行一周章包的 6 阶段流水线：规划 → 写作 → 润色 → 并行产出 → QA → 收敛发布。

中文原作
SKILL.md
--- frontmatter
name: team-week
description: 完整执行一周章包的 6 阶段流水线：规划 → 写作 → 润色 → 并行产出 → QA → 收敛发布。
argument-hint: "<week_id e.g. week_01>"
allowed-tools: Bash, Read, Write, Edit, Grep, Glob, Task

/team-week

用法

code
/team-week week_XX

目标

直接执行完整的 6 阶段流水线，把 week_XX 从零产出为完整章包，并通过 release 校验：

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

全局约束（贯穿所有阶段）

  • •交付遵循 CLAUDE.md + shared/style_guide.md
  • •所有写正文的 subagent 必须先读 shared/writing_exemplars.md + shared/characters.yml
  • •ANCHORS.yml 由阶段 6（收敛阶段）统一管理：其他阶段如有 anchor 建议，在输出中标注即可，不直接写 ANCHORS.yml
  • •一致性处理由 Lead agent 直接执行（不再调用独立 subagent）：阶段 6b 的术语同步、格式检查、ANCHORS 整理由 Lead agent 直接完成

写作质量红线（四维评分体系）

  • •student-qa 四维评分总分必须 >= 18/20
    • •叙事流畅度 >= 3 / 趣味性 >= 3 / 知识覆盖 >= 3 / 认知负荷 >= 3
  • •任一维度 <= 2 = 阻塞项
  • •禁止每节都用相同的子标题模式
  • •每章必须有贯穿案例（渐进式 BI 系统开发）+ BI 系统超级线推进
  • •循环角色（小北/阿码/老潘）每章至少出场 2 次
  • •新概念数不超预算，回顾桥数量达标
  • •禁止连续 6+ 条 bullet list；小结不能全部用 bullet list
  • •AI 小专栏必须 2 个，分别在前段和中段（禁止全堆章末）；Lead agent 在 Stage 2.5 预先搜索素材写入 .research_cache.md，prose-polisher 优先读取缓存，不足时用自身的 WebSearch 补充搜索。绝对禁止编造参考链接——搜索失败时写 <!-- TODO --> 占位
  • •章首导入必须包含引言格言 + 时代脉搏段落（详见 shared/style_guide.md）
  • •所有写作元数据必须用 HTML 注释包裹，不能出现在渲染正文中
  • •写作前必须使用 Context7 MCP 查证本章技术点的当前最佳实践

流水线阶段（严格按顺序执行）

code
阶段 0（日期校准） → 阶段 1（规划） → 阶段 2（写作） → 阶段 2.5（联网研究）
  → 阶段 3（润色） → 阶段 4（并行产出） → 阶段 5（QA） → 阶段 6（收敛）

阶段 0：日期校准（流水线启动时立即执行）

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

bash
date '+%Y-%m-%d' > shared/current_date.txt
echo "当前日期已写入 shared/current_date.txt: $(cat shared/current_date.txt)"

为什么需要这一步：时代脉搏、AI 小专栏、参考链接的访问日期都需要使用当前年份。如果不显式注入日期，agent 可能使用训练数据中的旧年份。

校验：确认 shared/current_date.txt 存在且内容为当天日期。

阶段 1：规划（前置：阶段 0 完成）

调用 subagent syllabus-planner：

  • •产出章节结构（小节标题 + 每节学习目标 + Bloom 层次）
  • •设计本章贯穿案例（渐进式小项目）
  • •规划 2 个 AI 小专栏的位置和主题（第 1 个在前段，第 2 个在中段；含建议搜索词）
  • •做认知负荷检查：新概念数在预算内，回顾桥设计达标
  • •规划 BI 系统超级线推进
  • •规划循环角色出场位置
  • •规划章首导入：选择引言格言、草拟时代脉搏段落方向
  • •产出写入 chapters/week_XX/CHAPTER.md（大纲阶段）
  • •所有规划元数据必须用 <!-- ... --> HTML 注释包裹（Bloom 标注、概念预算表、AI 专栏规划、角色出场规划、章节结构骨架等，不能渲染为正文）

校验：无需校验（规划阶段，ASSIGNMENT 等文件不存在是正常的）

阶段 1.5：Context7 技术查证（前置：阶段 1 完成）

在写正文之前，使用 Context7 MCP 查证本章涉及的 Python 官方文档和 API 最佳实践：

  1. •从阶段 1 的规划中提取本章涉及的 Python 特性、标准库模块、第三方库
  2. •调用 resolve-library-id 定位相关库（如 python、pytest、argparse 等）
  3. •调用 query-docs 查询具体的最佳实践和 API 用法
  4. •将查证结果作为上下文传递给阶段 2 的 chapter-writer

搜索工具分工说明：

  • •Context7：仅用于查证 Python/库的官方文档 API 用法和最佳实践
  • •Exa Code Context (mcp__exa__get_code_context_exa)：用于搜索真实项目中的代码示例和社区实践
  • •两者互补：Context7 提供官方标准，Exa 提供社区真实用法

校验：无需校验

阶段 2：写作（前置：阶段 1.5 完成）

调用 subagent chapter-writer：

  • •必须先读 shared/writing_exemplars.md + shared/characters.yml
  • •必须写章首导入：在章标题之后、学习目标之前，写入引言格言 + 时代脉搏段落（200-300 字）。详见 shared/style_guide.md 的"章首导入"章节
  • •必须基于阶段 1.5 的 Context7 查证结果确保代码示例使用当前 Python 最佳实践
  • •以贯穿案例为主线，用"场景 → 困惑 → 解法 → 深化"的叙事弧线写每一节
  • •使用循环角色增强代入感，每章至少 2 次出场
  • •写回顾桥：在新场景中自然引用前几周概念
  • •写 BI 系统进度小节
  • •严禁所有节使用相同子标题模式；严禁 bullet list 堆砌做小结
  • •所有写作元数据必须用 <!-- ... --> 注释包裹，不能出现在渲染正文中

校验：

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

阶段 2.5：联网研究收集（前置：阶段 2 完成，Lead agent 亲自执行）

由 Lead agent 直接执行（不委派给 subagent），因为 Lead 拥有全部搜索工具。

目的：为阶段 3 的 prose-polisher 提供真实的搜索数据和参考链接，避免 AI 小专栏使用 TODO 占位。

  1. •

    读取阶段 1 的 AI 小专栏规划：从 CHAPTER.md 的 HTML 注释中提取 2 个侧栏的主题和建议搜索词

  2. •

    读取 shared/current_date.txt 获取当前日期，搜索关键词中包含当前年份

  3. •

    执行搜索（每个侧栏 2-3 次搜索）：

    code
    # 优先级 1: 内置 WebSearch（最可靠，无外部依赖）
WebSearch("GitHub Copilot adoption statistics 2026")
WebSearch("Python popularity TIOBE index 2026")

# 优先级 2: Exa MCP（AI 增强搜索，适合深度研究）
mcp__exa__web_search_exa({
  "query": "GitHub Copilot adoption statistics 2026",
  "numResults": 5,
  "type": "auto"
})
mcp__exa__company_research_exa({
  "companyName": "OpenAI",
  "numResults": 3
})

# 优先级 3: perplexity MCP（如可用）
mcp__perplexity__perplexity_search({
  "query": "vibe coding trend AI programming 2026",
  "recency": "year",
  "response_format": "json"
})
  4. •

    收集时代脉搏素材：搜索与本章主题相关的最新 AI/技术事件

  5. •

    将搜索结果写入缓存文件 chapters/week_XX/.research_cache.md：

    markdown
    # Week XX 研究缓存
生成日期：YYYY-MM-DD

## 时代脉搏素材
### 搜索词: "..."
- 事实: ... (来源: https://真实URL)

## AI 小专栏 #1: {主题}
### 搜索词: "..."
- 数据点: ... (来源: https://真实URL)
- 引用: "..." (来源: https://真实URL)

## AI 小专栏 #2: {主题}
### 搜索词: "..."
- 数据点: ... (来源: https://真实URL)

校验：确认 .research_cache.md 存在且至少包含 2 个侧栏的搜索数据。

阶段 3：润色（前置：阶段 2.5 完成）

调用 subagent prose-polisher：

  • •必须先读 shared/writing_exemplars.md + shared/characters.yml
  • •执行诊断清单 + 趣味性诊断清单，判断改写级别
  • •检查角色一致性（对照 shared/characters.yml）
  • •可做结构性重组
  • •必须插入 2 个 AI 时代小专栏（按阶段 1 规划的位置和主题）：
    • •优先读取 chapters/week_XX/.research_cache.md 中的搜索数据和参考链接
    • •如果缓存数据不足，可以补充搜索（WebSearch/Exa MCP），并将新结果追加写入缓存文件
    • •用 WebFetch 验证关键 URL 是否可访问
    • •绝对禁止编造 URL——搜索失败时才写 <!-- TODO --> 占位

校验：

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

阶段 4：并行产出（前置：阶段 3 完成，以下三个可并行）

同时调用以下 3 个 subagent（可以并行）：

  1. •example-engineer：产出 examples/ + StatLab 示例代码 + 讲解段落
  2. •test-designer：产出 tests/ pytest 用例矩阵
  3. •exercise-factory：产出 ASSIGNMENT.md + RUBRIC.md + AI 协作练习

校验（三个全部完成后执行）：

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

阶段 5：QA（前置：阶段 4 全部完成）

调用 subagent student-qa：

  • •只读审读，返回四维评分 + 问题清单（通过 tool result 返回，不写文件）
  • •四维评分：叙事流畅度 / 趣味性 / 知识覆盖 / 认知负荷（各 1-5 分）
  • •总分 >= 18/20 才能通过

重要：student-qa 是只读角色（tools: [Read, Grep, Glob]，无 Write 权限），不要让它写 QA_REPORT.md。它应该通过返回消息输出评分和清单。

校验：无（QA 是只读角色）

阶段 6：收敛（前置：阶段 5 完成，序列执行）

6a. 修订回路（简化版：2 档处理）

总分范围处理方式回传给谁
>= 18根据 QA 反馈进行轻量修订后通过prose-polisher（轻量修复，处理建议项）
< 18结构性重写（需大幅改进）chapter-writer

修订规则说明：

  • •无论评分高低，每轮 QA 后都需根据反馈进行一轮修订（即使是 >= 18 分的建议项也要处理）
  • •修订后如无阻塞项且质量达标，即可进入 release
  • •硬性上限：最多迭代 3 轮。 如果 3 轮后总分仍 < 18：
  1. •在 QA_REPORT.md 记录当前评分和未解决问题
  2. •标注 <!-- 需人工介入 -->
  3. •继续推进到 6b（不再回传修订）

6b. 一致性处理 + 落盘 QA_REPORT + Release 校验

一致性处理（由 Lead agent 直接执行，不再调用独立 subagent）：

在最终 release 前，Lead agent 直接执行以下一致性检查：

  1. •术语同步：检查 TERMS.yml → shared/glossary.yml，如有缺失则同步
  2. •ANCHORS.yml 整理：确保锚点 ID 周内唯一，claim/evidence/verification 齐全
  3. •角色一致性：快速检查循环角色使用是否符合 shared/characters.yml 人设
  4. •格式统一：检查标题层级、代码块语言标签、列表格式等

落盘 QA_REPORT（由 Lead agent 直接写入）：

  • •把 student-qa 返回的 QA 结果写入 chapters/week_XX/QA_REPORT.md
    • •四维评分写在顶部
    • •阻塞项放到 ## 阻塞项 下（checkbox，必须全部勾选）
    • •建议项放到 ## 建议项 下（checkbox）
    • •如经过修订回路，记录每轮评分变化

注意：QA_REPORT.md 是在阶段 6b 由 Lead agent 写入的，不是在阶段 5 由 student-qa 写入的。student-qa 只返回评分和清单，不操作文件。

  • •

    调用 subagent error-fixer（如果校验有报错）：逐条修复再验证

  • •

    最终 release 校验：

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

校验模式速查（简化后：3 种模式）

阶段校验模式说明
阶段 1（规划）无ASSIGNMENT 等文件不存在是正常的
阶段 2-3（写作/润色）--mode drafting只检查 CHAPTER.md + TERMS.yml（如果存在）
阶段 4-5（产出/QA）--mode idle所有文件 + QA 阻塞项检查，无 pytest
阶段 6（收敛）--mode release完整发布级校验（含 pytest + pedagogical 检查）

收敛规则

  • •QA_REPORT 的"阻塞项"必须清零（不允许 - [ ]）才能 release
  • •四维评分总分必须 >= 18/20 才能 release（或 3 轮修订后人工豁免）
  • •不要为了"写完"牺牲可运行/可验证：tests/anchors/terms 要能对上