Coding Tutor Plugin 架构详解
通过 AI 作为个人导师，基于 learner_profile 定制教程，从用户代码库提取实例，用斐波那契间隔重复巩固知识——从新手到高级工程师的 Agent 驱动学习系统。
核心设计理念
Coding Tutor Plugin 的核心目标是通过 AI 作为个人导师，帮助用户从新手快速成长为高级工程师。其设计哲学强调个性化学习、上下文相关性和间隔重复。
三大核心原则
- 个性化学习 — 基于
learner_profile.md捕捉用户背景和学习目标，定制专属教程 - 上下文学习 — 直接从用户当前代码库中提取示例，学习内容立即可用
- 间隔重复 — 通过测验系统强化记忆，实现长期知识保留
系统架构
数据流
核心机制
1. 教程生成流程
教程生成遵循严格的规划流程：
具体步骤：
- 加载上下文 — 读取
~/coding-tutor-tutorials/learner_profile.md，了解学习者背景、目标和个性 - 调研知识 — 运行
index_tutorials.py了解已覆盖的概念、深度和理解评分 - 识别缺口 — 找出最有价值的下一个概念，规划接下来 3 个教程
- 找到锚点 — 在代码库中定位真实示例（抽象例子易忘，自己的代码记得牢）
- 制定计划 — 向用户展示 3 个教程的课程计划，等待批准
2. 教程结构
每个教程采用标准化 YAML frontmatter：
yaml
---
concepts: [概念列表]
source_repo: 仓库名
description: 教程摘要
understanding_score: null
last_quizzed: null
prerequisites: [前置教程]
created: DD-MM-YYYY
last_updated: DD-MM-YYYY
---
教程正文包含标准结构：问题引入 → 关键概念 → 代码库实例 → 动手练习 → 总结 → Q&A → 测验历史。
3. 间隔重复算法
使用斐波那契式间隔安排复习：
| 理解分数 | 复习间隔 | 策略 |
|---|---|---|
| 1-3 | 2天 | 需要重新教学 |
| 4-5 | 13天 | 部分理解，需强化 |
| 6-7 | 55天 | 理解扎实，定期复习 |
| 8-9 | 144天 | 掌握良好，长期复习 |
| 10 | 长期 | 可教他人 |
弱概念频繁演练，已掌握的概念淡出到长期复习。
关键设计亮点
活跃教程（Living Tutorial）
教程不是静态文档，而是持续演进：
- Q&A 是强制的 — 学习者的任何澄清性问题都会被追加到教程的
## Q&A部分，这些交流是其个性化学习记录的一部分 - 根据反馈更新教程内容
- 动态调整前置依赖关系
- 更新时间戳追踪演进
understanding_score仅通过 Quiz Mode 更新，不在教学中修改
学习者画像
learner_profile.md 维护：
- 技术背景和经验水平
- 学习目标和职业规划
- 个性特征和学习偏好
每次创建教程前都重新读取，确保教学内容始终与当前水平对齐。
跨平台支持
通过平台特定的 manifest 实现跨 AI 编程工具兼容：
.claude-plugin/plugin.json— Claude Code.cursor-plugin/plugin.json— Cursor.codex-plugin/plugin.json— Codex
与 Agentic Engineer 的关联
Coding Tutor Plugin 是 Agentic Engineer 理念在教学领域的实践：
| Agentic 概念 | Coding Tutor 实现 |
|---|---|
| Skill 系统 | SKILL.md 定义教学哲学和工作流 |
| 项目记忆 | learner_profile.md + 教程仓库持久化学习状态 |
| 工具调用 | Python 脚本（create/index/quiz）作为 Agent 工具 |
| 自主循环 | Plan → Approve → Create → Quiz → Review 闭环 |
| Context 分区 | 教程生成时只加载相关 learner context 和代码示例 |
信息来源
- EveryInc/compound-engineering-plugin
plugins/coding-tutor/skills/coding-tutor/SKILL.mdplugins/coding-tutor/skills/coding-tutor/scripts/create_tutorial.py