AlphaMoatによると、2026-10時点で物理建模教练のダウンロード数は7,114、スター数は1で、累計ダウンロード数で今回のランキング対象AIスキル10,914件中3,961位、教育・学習では360件中139位です。
一覧の初期表示は累計ダウンロード数順で、スター数順にも並べ替えできます。詳細ページの順位は累計ダウンロード数で計算しています。
| プラットフォーム | ダウンロード数 | スター数 | コメント |
|---|---|---|---|
| ClawHub ↗ | 2059 | - | - |
| SkillHub ↗ | 7114 | 1 | — |
プラットフォームごとに集計方法と集計時点が異なります。
初中到高中的物理建模教练(高中覆盖必修与选择性必修),用三步法(识别现象→选择模型→数学表达)训练学生从"看到题就套公式"变成"先判断物理模型再列式"。触发语示例:"这题该用哪个公式""浮力题什么时候用 F浮=G物""这道题算平均速度还是算速度""滑片右移后电流表怎么变""杠杆题从哪下手""同一类题换个情境我就不会了"。学科判别:需要判断"该套哪条物理规律、适用条件满不满足"时归本 SKILL;问概念含义转物理概念直觉器。不处理:完整解题流程与计算(转物理解题教练)、实验设计与数据处理(转物理实验思维教练)、错题归档与计数(转通用错题本)。
2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。
| 月 | ダウンロード数 | 前月比 | スター数 |
|---|---|---|---|
| 2026-10 | 7114 | — | 1 |
| 2026-09 | 3011 | — | 1 |
| 2026-08 | 830 | +40.4% | 1 |
| 2026-07 | 591 | +144.2% | 1 |
| 2026-06 | 242 | — | 1 |
循证取向的 0-18 岁家庭养育支持系统,服务对象是家长。只要用户的问题涉及孩子(0-18 岁)的养育、健康、行为、情绪、学习或亲子关系,即应触发本技能,无需用户明确说出「育儿」二字;用户以「我家孩子」「宝宝」「娃」等开场描述困扰时,同样触发。典型话题:育儿/带娃/宝宝/婴儿/幼儿/学龄前/青春期、发育/里程碑/早教、喂养/辅食/挑食/夜醒/睡眠、疫苗/体检/湿疹/发烧/咳嗽/腹泻/皮疹、哭闹/发脾气/打人/说谎/焦虑/分离/对抗/抗挫折、写作业/拖延/厌学/考试焦虑/沉迷手机/注意力、亲子关系/二胎/隔代育儿/单亲、ADHD/自闭症/感统、自伤/抑郁/霸凌/性教育、父母自责/原生家庭/情绪崩溃/倦怠/吼孩子后修复、每周培养课表/家庭排程/爸爸陪伴、孩子档案/成长记录/评估量表/幼小衔接/早教/绘本共读/识字拼音/数学英语启蒙/专注力/自由玩耍/玩具/依恋/关系修复。覆盖视频号、抖音等平台不适用;本技能纯文本养育支持,不生成视频。
AI课程视频工作室把写好的讲稿和一张授权讲师人像,做成数字人口播课程的课程视频和课程旁白。先把每节课的讲稿配成旁白,再用数字人讲师录成讲师口播,交付可直接发布的培训视频、培训口播视频、网课视频和课件视频。
根据主题、年级与画面比例一键生成符合A4打印标准的手抄报黑白线稿模板;自动解析合规约束(如国庆节禁用国旗国徽)与年级排版策略,生成高清线稿图并适配A4打印尺寸,孩子只需涂色和填字即可完成;适用于家长辅导作业、教师课堂素材、节日主题手抄报创作、打印涂色模板场景
课程配音工作室把课件整理成可朗读的讲稿,为每个章节录制老师声音的 AI课程配音和课程旁白,交付可直接配幻灯片的网课配音、课程音频、培训旁白和知识付费音频。
微课制作借助 AI 把一节课的PPT课件或一个知识点做成5到10分钟的微课视频:没有课件时先按导入、讲解、例题、小结生成课件,再逐页写讲稿、配音、加字幕,可以放上老师照片,也可以让数字人老师开场。不用自己剪辑,一键生成微课视频,适合微课比赛、公开课视频、说课视频、复习课和课前预习。
K12 Smart Teacher(K12智能老师)は、小学校・中学校・高校の9教科をカバーするスマート指導スキルで、宿題、宿題採点、誤問分析、類題練習の生成に対応します。
数字人讲课借助 AI 把老师的PPT课件和讲稿做成整门课的讲课视频和课程视频:每页课件配上老师的声音和字幕,可以克隆老师自己的声音,也可以让数字人讲师在开场和结尾出镜。PPT转视频按知识点一讲一条,整门课批量做完,适合网课、慕课、教学视频、培训视频和录播课。
论文写作全流程助手。覆盖从选题、开题、文献综述、研究方法、写作、修改润色、查重与 AIGC 检测、答辩到发表的完整论文生命周期;支持多语言(中文 / English / 日本語 / 한국어 / Français / Deutsch / Español / Português / Русский / العربية / Italiano)与 36 个学科,零配置、无需任何 外部密钥或付费接口 即可使用。触发词:论文、thesis、选题、开题、文献综述、研究方法、论文写作、查重、降重、答辩、引用格式、学术写作、dissertation、paper writing、毕业论文、研究生论文、怎么写论文。
用 UbD 逆向设计把"经验型备课"变成可观测的教学设计。当老师说"帮我设计一节《一次函数》新课"、"写一份教案"、"做一份分层教案"、"帮我设计一节讲评课"、"这节课的提问链草案"、"高一信息技术这节课 40 分钟怎么排"时,建议激活此 SKILL。高中有学科教案技能的学科,学科内容先建议转学科技能;点名数学、物理、化学、生物学、地理、历史的复习课、讲评课,初中、高中都整节转过去(见正文 4.3)。工作流:预期结果 → 评估证据 → 核心素养目标 → 环节时间矩阵 → 提问链草案 → A/B/C 分层。本 SKILL 不出卷、不算学情、不负责课堂实施:命题转 xiaozhi-teach-exam-designer,学情统计转 xiaozhi-teach-student-analyzer,课堂提问与追问的实施转 xiaozhi-teach-classroom-coach。
数学教师的备课工具(初中与高中;高中覆盖必修与选择性必修):把一节数学课的概念建构路径、例题示范与变式训练排成可上的教案。当老师说"这个数学概念怎么讲""数学教案怎么写""变式训练怎么设计""数学例题怎么选""数学概念怎么引入""学生这个数学概念总是混""数学复习课怎么上""数学讲评课怎么上"时,建议激活此SKILL。核心工作流:概念建构四步(情境引入/抽象概括/应用辨析/体系化)→例题示范→变式训练→课堂小结→错例档案,输出对齐课标核心素养(初中 2022 年版、高中 2025 年修订版)与四级结果目标。不处理:试卷与双向细目表(转 xiaozhi-teach-math-exam-designer)、班级错因统计与干预(转 xiaozhi-teach-math-error-analyzer)、非数学学科教案(转 xiaozhi-teach-lesson-planner)。
英语口语活动设计:把"读课文、背对话"变成有任务、有情境、有反馈的口语课。触发语:"口语课怎么上"、"学员不敢开口"、"口语活动怎么设计"、"信息差任务怎么做"、"口语任务怎么分层"、"口语怎么纠错"、"口语评分表怎么用"、"高中口语课怎么设计"。核心工作流:口语目标(流利/准确/得体)→ 输入准备 → 任务型活动 → 输出练习 → 反馈与纠正 → 写回班级工作空间。任务时长按班额与课时排;高中加得体表达、概述与评判观点的任务,口语测评按课标口径。不处理:整卷四维测评的设计与能力画像(转英语综合测评)、听力材料选编与听法训练(转英语听力材料设计)、学员一对一的 AI 陪练对话(学生端英语口语陪练负责)。
用"讲给小智听"来检验学生是否真的学会了某个概念(数学函数、物理受力、英语时态、语文文言实词都适用)。学生说“我来给你讲讲今天学的”“我觉得我懂了你测测我”“帮我检验一下我学没学会”“AI都讲明白了我应该会了吧”时可激活。产出是掌握度判定(会复述/会解释/真正掌握)与卡住位置,不做错因归档(转错题本)、不讲新知识(转对应学科教练)、不出成套练习。默认只在当前会话工作;学生明确说要记、且已开启跨 SKILL 共享时,才把掌握度等级经交接写回档案;复测提醒只在学生当次要求时交 IM 提醒(需 reminderConsent)。含全库统一的数据控制入口与危机例外,不是本 SKILL 特有的功能。
英语听力教学设计:把"放一遍录音对答案"变成有目标、有策略、有微技能训练的听力课。触发语:"听力课怎么上"、"听力材料选什么"、"学员听不懂"、"听力策略怎么教"、"听力微技能怎么练"、"精听泛听怎么分"、"听填信息怎么训练"、"高中听力课怎么上"。核心工作流:听力目标 → 材料选编(来源/难度/版权)→ 听前预测 → 听中分层 → 听后任务 → 微技能训练 → 写回班级工作空间。初中题型按中考听力四节结构排;高中按课标的语篇类型与本地考试说明排。不处理:整卷四维测评的设计与能力画像(转英语综合测评)、口语活动与纠错策略(转英语口语活动设计)、通用命题的难度配比(转 xiaozhi-teach-exam-designer)、考后的难度与区分度统计(转 xiaozhi-teach-student-analyzer)。
データ月:2026-10 · ダウンロード数とスター数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。