面向高校各学科教师的课程思政共备与审核 Skill。它从真实的专业问题出发,把政策要求、理论资料、学科内容、课堂活动、学习证据和评价量规组织成一套可核验、可实施、可由教师复核的教学方案。
课程思政不是给专业课添加几个价值词,而是帮助学生在专业判断中同时看见证据、责任、规范、公共利益与中国现实。
- 需要设计课程思政融入点、教案、说课稿或 PPT 大纲的高校教师;
- 需要准备课程建设、教学比赛或申报材料的教学团队;
- 需要审核现有方案是否存在“贴标签”“两张皮”或来源不清问题的课程负责人;
- 需要把合法持有的理论著作、教材和政策材料整理为长期教学知识库的教师。
本 Skill 适用于工学、理学、医学、经管、农学、艺术、教育、文史哲等不同学科,但不会用同一套价值标签替代各专业自己的教学问题。
先识别学生必须解决的专业问题,再分析其中涉及的证据方法、职业责任、公共利益、规范伦理和现实条件,避免从口号倒推教学内容。
区分政策文件、教材、经典著作、专业标准和教师材料,为重要结论记录版本、定位与用途,并将内容标记为“来源明确支持”“教学推导”或“待核”。
围绕专业关联度、来源可靠度、教学可实施性、评价可观察性和风险可控度,对 2—3 条融入路径进行评分。低分或关键来源待核的内容不会进入正式教案。
输出知识、能力和价值目标,以及逐环节的教师动作、学生任务、时间、材料和学习证据。评价重点是学生如何分析、举证、取舍与修正,而不是态度表白。
定位专业脱节、来源不足、概念或时代错置、活动空心、评价失真及版权风险,默认先诊断,再给出最小可行修订和推荐修订。
教师提供课程现场
↓
读取任务所需规则与资料
↓
建立来源册并核验关键依据
↓
形成并评分候选融入路径
↓
生成课堂活动与学习证据
↓
建立评价量规和来源清单
↓
暴露教师复核项
↓
教师作出最终判断
- 下载本仓库代码或 Release 中的 ZIP 包。
- 在 WorkBuddy 的 Skill 管理页面选择本地导入。
- 导入包含
SKILL.md的course-ideology-codesign文件夹或 ZIP 包。 - 确认 Skill 名称显示为“课程思政共备助手”。
仓库遵循开放的 Agent Skills 目录结构,也可以在兼容该结构的其他 Agent 工具中使用。
建议一次提供以下信息:
- 课程名称、专业和学生年级;
- 本节主题、课时和所用教材;
- 知识目标、能力目标和教学难点;
- 已有教案、PPT、案例或课程标准;
- 希望完成的交付物以及学校的现行要求。
可以直接向 WorkBuddy 输入:
请使用课程思政共备助手,为我的课程寻找 2—3 条自然融入路径。
课程:
专业与年级:
教学主题:
课时:
知识与能力目标:
教学难点:
现有材料:
需要的交付物:
请先核验关键来源并形成候选矩阵,再选择高分路径完成课堂流程、学习任务、评价量规、来源清单和教师复核项。不要虚构政策、引语、页码或学校要求。
一次完整共备通常包含:
- 课程现场与必要假设;
- 候选融入路径及评分矩阵;
- 推荐路径与取舍理由;
- 知识、能力和价值目标;
- 教学流程、学生任务和产出证据;
- 关键问题与课堂讨论设计;
- 可观察的评价量规;
- 来源清单与具体定位;
- 教师必须完成的复核事项。
Skill 在交付前检查五个维度:
| 维度 | 基本要求 |
|---|---|
| 政策与理论准确性 | 重要结论有权威来源,概念、时期和文本边界清楚 |
| 专业自然度 | 去掉价值词后仍是必须学习的专业任务,融入后专业判断更完整 |
| 来源透明度 | 实际使用的来源可以定位,并区分支持、推导和待核 |
| 教学可实施性 | 适配学生、课时和资源,学生有真实任务与产出 |
| 评价与风险 | 有可观察证据、教师复核点以及版权和敏感边界 |
总分不足或关键来源未核验时,内容会退回补证,不以流畅文案掩盖证据缺口。
course-ideology-codesign/
├── SKILL.md # Skill 主规则与任务路由
├── agents/openai.yaml # 界面名称、简介和默认提示词
├── assets/ # 课程任务书、来源卡和理论卡模板
├── references/
│ ├── policy-baseline.md # 政策基线与专门思政课边界
│ ├── discipline-map.md # 七类学科的自然融入入口
│ ├── source-governance.md # 来源分级、版权与冲突处理
│ ├── source-catalog.json # 已核验的官方基线元数据
│ ├── theory-distillation.md # 理论资料蒸馏与理论卡规范
│ ├── output-contract.md # 候选评分与正式交付结构
│ ├── design-methodology.md # 设计方法与质量评分
│ └── third-party-notices.md # 第三方归属和许可说明
├── scripts/ # 来源目录与理论卡校验器
└── tests/ # 校验器测试
需要 Python 3.9 或更高版本,不依赖第三方 Python 包。
python -m unittest discover -s tests -v
python scripts/validate_source_catalog.py references/source-catalog.json如需验证教师自行建立的理论卡:
python scripts/validate_theory_cards.py working/theory-cards.json working/source-catalog.json- 不虚构政策、原文、引语、页码、案例数据或学校要求;
- 不从非授权书库获取资料,不打包受版权保护的整本教材或扫描件;
- 不把不同理论文本、历史时期或人物立场混合成单一人格;
- 不把 AI 输出称为“已经审定”“保证过审”或“官方标准答案”;
- 不替代学校审核、思政专家意见和任课教师的最终判断;
- 正式使用前,教师必须结合教材版本、学生情况、学校制度和现行政策复核。
本 Skill 的主题蒸馏方法参考并改编自女娲 · Skill 造人术。原项目作者、参考提交和 MIT License 文本详见 references/third-party-notices.md。