tutor-setup

tutor-setup 技能概览

tutor-setup 是做什么的

tutor-setup 可以把学习材料或代码库整理成一个 Obsidian StudyVault。它面向的不是“只给你一段摘要”这种场景，而是想要一个结构化学习工作区的人：这个技能能搭建笔记、提取源材料，并加入更偏练习导向的组织方式。

最适合哪些人

如果你需要一种可重复的方法，把 PDF、网页、文本文件或源代码仓库转成可直接用于学习或入职的 vault，那么就适合用 tutor-setup 技能。它尤其适合自学者、讲师，以及希望建立轻量知识库、而不是只要一次性答案的团队。

它有什么不同

tutor-setup 的核心价值在于“按模式自动处理”。它会自动识别当前文件夹是文档来源还是代码项目，再相应调整工作流程。对于 Skill Scaffolding 来说，这让 tutor-setup 很有用：你只需要一个技能，就能处理两种常见输入类型，而不用每次都手动重写流程。

如何使用 tutor-setup 技能

安装并把文件放对位置

先在你的 skill 环境里运行安装命令，然后在当前工作目录中操作，因为 tutor-setup 严格限制在 CWD 边界内。tutor-setup 的安装流程依赖先把源文件复制到工作文件夹里；它不会越过这个边界去抓取文件。

提供正确类型的输入

tutor-setup 的使用方式很直接：给它本地源路径或 URL，然后让技能自己判断模式。为了得到更好的结果，最好在请求里明确说明你想要的产出，例如：“用这些讲义创建一个带章节摘要和练习题的 Obsidian StudyVault”，或者“基于这个 repo 做一个新开发者入职 vault”。

先读这些文件

先看 SKILL.md，因为它定义了模式识别规则、CWD 边界，以及两套工作流。如果你的副本里包含这些文件，再检查 references/templates.md 和技能链接的任何辅助说明，这样在提示输出之前，你就能理解预期的 vault 结构。放到仓库语境里，也建议顺手扫描 README.md、AGENTS.md，以及存在时的 rules/、resources/、references/ 或 scripts/ 目录。

会显著影响输出质量的提示技巧

一开始就说清楚源类型、目标受众和内容深度。像“对这个文件夹用 tutor-setup”这种弱提示，留给模型猜测的空间太大；更强的提示会明确 vault 应该优先优化什么，比如备考、入职，还是快速复习。如果你是在用 tutor-setup 做 Skill Scaffolding，还要补充期望的输出形态、笔记粒度，以及术语、语气或文件命名方面的限制。

tutor-setup 技能常见问题

tutor-setup 比普通提示更好吗？

如果你想要的是一个边界更清晰、模式选择更明确、而且可重复的工作流，那答案是肯定的。普通提示也能概括内容，但 tutor-setup 在文档发现、源材料处理和 vault 创建上，流程会更明确。

什么时候不该用 tutor-setup？

如果你的源文件不在当前工作目录里，而且又没法先复制进来，就不要用它。它也不适合你只想要一个简短答案的情况，因为这个技能的目标是产出结构化的 StudyVault，而不是快速解释。

tutor-setup 适合新手吗？

适合，只要你能把它指向一个文件夹，并描述你想要的学习结果。新手最容易踩的坑是输入太模糊；这个技能在你明确说明是要学习笔记、练习题，还是开发者入职 vault 时，效果最好。

tutor-setup 同时支持文档和代码吗？

支持。这正是它的核心优势之一：tutor-setup 会根据 CWD 的内容自动识别 Document Mode 或 Codebase Mode。如果文件夹本身有歧义，就在提示里直接确认模式，这样工作流才能和你的意图保持一致。

如何改进 tutor-setup 技能

提供更干净的源材料

tutor-setup 输出最强的时候，输入通常也最清晰：一个单独文件夹、一组明确的源材料、以及容易分类的文件。如果材料本身很乱、混杂，或者有重复内容，vault 往往也会继承这种混乱。

说清楚最终用途，不要只说来源

告诉 tutor-setup 这个 vault 是用来做什么的：备考复习、概念记忆、团队入职，还是项目上手。这个选择会影响笔记里哪些内容被重点突出、哪些部分值得写得更细，以及练习题应该怎么设计。

先检查第一次生成的 vault 有没有模式误判

最常见的失败方式，是模式选错了，或者结构过于泛化。如果第一次结果感觉不对，就把提示收紧：明确源类型、确认模式，并在要求修改前指明最重要的文件夹或文档。

用有针对性的约束迭代

想更好地使用 tutor-setup，最好提具体修改，而不是整套重跑。比如：“降低笔记深度”、“增加练习题数量”、“聚焦入职术语”或者“把密集主题拆成更小的学习笔记”。这样既能保持技能已经搭好的结构，又能让输出继续贴合你的需求。