Code Mentor - AI Programming Tutor

一个全面的 OpenClaw 技能，通过互动教学、代码审查、调试指导和动手实践来学习编程。

功能特性

🎓 8 种教学模式

1. 概念学习 - 通过渐进式示例学习编程概念
2. 代码审查与重构 - 获取代码反馈并获得引导式改进
3. 调试侦探 - 使用苏格拉底式方法学习调试（不直接给出答案！）
4. 算法练习 - 掌握数据结构和算法
5. 项目指导 - 在架构指导下设计和构建项目
6. 设计模式 - 学习何时以及如何应用设计模式
7. 面试准备 - 练习编程面试和系统设计
8. 语言学习 - 通过映射已知语言来学习新语言

📚 综合参考资料

• 算法：15 种以上常见模式（双指针、滑动窗口、DFS/BFS、动态规划等）
• 数据结构：数组、字符串、树、图、堆
• 设计模式：创建型、结构型、行为型模式及示例
• 语言：Python 和 JavaScript 快速参考
• 最佳实践：整洁代码、SOLID 原则、测试策略

🛠️ 实用脚本

• analyze_code.py：针对错误、风格、复杂度、安全性进行静态代码分析
• run_tests.py：以格式化输出执行测试（pytest、unittest、jest）
• complexity_analyzer.py：使用大 O 表示法分析时间/空间复杂度

安装

依赖要求

# 用于脚本功能（可选）
pip install -r requirements.txt

该技能无需脚本即可完美运行——它们是可选的增强功能！

使用方法

快速开始

激活该技能并告诉它：

1. 你的经验水平（初学者/中级/高级）
2. 你想学习或处理的内容
3. 你偏好的学习风格

示例：

"我是初学者，教我 Python 基础知识"
"帮我调试这段代码" [粘贴代码]
"给我一个中等难度的算法问题"
"审查我的实现" [附加文件]
"我想构建一个 REST API"

教学模式

模式 1：概念学习

"教我递归"
"解释 JavaScript 中闭包的工作原理"
"什么是动态规划？"

模式 2：代码审查

"审查我的代码" [粘贴或附加文件]
"如何改进这个函数？"
"这遵循了最佳实践吗？"

模式 3：调试（苏格拉底式方法）

"帮我调试这个错误"
"我的函数返回了 None 而不是总和"
"为什么这个循环不工作？"

导师会通过提问引导你，帮助你自己发现错误！

模式 4：算法练习

"给我一个简单的算法问题"
"练习链表"
"LeetCode 风格的中等难度问题"

模式 5：项目指导

"帮我设计一个任务管理 API"
"我正在构建一个博客，从哪里开始？"
"我应该使用什么技术栈？"

模式 6：设计模式

"教我单例模式"
"什么时候应该使用工厂模式？"
"展示观察者模式的实际应用"

模式 7：面试准备

"模拟技术面试"
"系统设计：设计 Twitter"
"练习数组和字符串"

模式 8：语言学习

"我懂 Python，教我 JavaScript"
"如何在 Rust 中做 X？"
"比较 Python 和 Java"

使用脚本

代码分析器

分析代码中的错误、风格违规、复杂度和安全问题。

# 分析一个 Python 文件
python scripts/analyze_code.py mycode.py

# 获取 JSON 输出
python scripts/analyze_code.py mycode.py --format json

# 分析 JavaScript
python scripts/analyze_code.py app.js

输出包括：

• 指标（行数、注释、复杂度）
• 按严重程度分类的问题（严重、警告、信息）
• 具体的改进建议

测试运行器

以格式化输出运行测试。

# 自动检测框架
python scripts/run_tests.py tests/

# 指定框架
python scripts/run_tests.py tests/ --framework pytest

# JSON 输出
python scripts/run_tests.py tests/ --format json

支持：

• pytest（Python）
• unittest（Python）
• Jest（JavaScript）

复杂度分析器

分析时间和空间复杂度。

# 分析所有函数
python scripts/complexity_analyzer.py algorithm.py

# 分析特定函数
python scripts/complexity_analyzer.py algorithm.py --function bubble_sort

# JSON 输出
python scripts/complexity_analyzer.py algorithm.py --format json

输出包括：

• 时间复杂度（大 O 表示法）
• 空间复杂度
• 递归检测
• 优化建议

目录结构

code-mentor-1.0.0/
├── SKILL.md                    # 主要技能定义
├── README.md                   # 本文件
├── requirements.txt            # Python 依赖
│
├── references/                 # 知识库
│   ├── algorithms/
│   │   └── common-patterns.md  # 15 种以上算法模式
│   ├── data-structures/
│   │   ├── arrays-strings.md
│   │   └── trees-graphs.md
│   ├── design-patterns/
│   │   └── creational-patterns.md
│   ├── languages/
│   │   └── python-reference.md
│   ├── best-practices/
│   │   └── clean-code.md
│   └── user-progress/
│       └── learning_log.md     # 自动更新你的学习进度
│
└── scripts/                    # 实用脚本
    ├── analyze_code.py
    ├── run_tests.py
    └── complexity_analyzer.py

进度追踪

你的学习进度会在每次会话后自动保存到 references/user-progress/learning_log.md。这包括：

• 已涵盖的主题和已掌握的概念
• 已解决的算法问题
• 已练习的技能和已使用的模式
• 重要的见解和突破
• 需要更多复习的领域

你的进度会跨会话持续存在，因此你可以从上次中断的地方继续！

学习方法

苏格拉底式方法（调试）

导师在调试时从不直接给出答案。而是：

1. 观察："你期望什么，实际发生了什么？"
2. 定位："问题可能在哪里？"
3. 假设："你认为它为什么失败？"
4. 测试："你如何测试它？"
5. 解决方案："什么能修复它？"

这教会你独立调试！

渐进式提示（算法）

练习算法时：

1. 轻推："思考如何手动解决这个问题"
2. 方向："考虑使用哈希映射……"
3. 结构："这是通用方法……"
4. 骨架："这是一个供你填写的模板……"
5. 解决方案：带解释的完整解决方案（仅在需要时）

自适应难度

导师会根据你的水平进行调整：

• 初学者：清晰的解释、简单的示例、更多的指导
• 中级：最佳实践、有挑战性的问题、较少的搀扶
• 高级：架构、优化、复杂场景

示例

示例 1：学习一个概念

你："教我 Python 中的列表推导式"

导师：让我们探索列表推导式！它们是创建列表的一种简洁方式。
这是一个传统的循环：

squares = []
for x in range(10):
    squares.append(x ** 2)

这是作为列表推导式的相同内容：

squares = [x ** 2 for x in range(10)]

你注意到语法有什么特点吗？
[互动讨论继续……]

示例 2：调试（苏格拉底式）

你："我的函数返回了 None 而不是总和！"

导师：让我们调查一下。你期望这个函数返回什么？

你："列表中数字的总和"

导师：好的。你能追踪第一次迭代吗？sum 变量发生了什么？

[引导你发现缺失的 return 语句]

示例 3：代码审查

你：[提交带有嵌套循环的代码]

导师：我看到了一个优化的机会。这个嵌套循环的时间复杂度是多少？

你："O(n²)"

导师：完全正确。对于每个元素，你都在检查其他每个元素。
你能想到一个提供 O(1) 查找的数据结构吗？

[引导重构以使用哈希映射]

有效学习的技巧

1. 定期练习 - 持之以恒胜过临时抱佛脚
2. 先挣扎 - 在请求提示之前尝试解决问题
3. 提问 - 导师鼓励好奇心
4. 构建项目 - 将所学应用于真实代码
5. 审查你的工作 - 使用代码审查模式来改进
6. 测试你的代码 - 在学习过程中编写测试

支持的语言

主要关注：Python、JavaScript、TypeScript

也支持：Java、C++、Go、Rust、C#、Ruby、PHP、Swift、Kotlin 等！

故障排除

脚本不工作？

安装依赖：

pip install -r requirements.txt

对于 JavaScript 测试（Jest）：

npm install --save-dev jest

找不到参考资料？

参考资料按类别组织：

• 算法：references/algorithms/
• 数据结构：references/data-structures/
• 设计模式：references/design-patterns/
• 语言：references/languages/
• 最佳实践：references/best-practices/

技能不理解你的请求？

尝试更具体一些：

• "教我 [概念]"
• "给我一个关于 [主题] 的 [难度] 问题"
• "审查我的 [语言] 代码"
• "帮我调试这个 [错误]"

贡献

想要添加更多参考资料或改进该技能？

1. 将新算法添加到 references/algorithms/
2. 将语言参考资料添加到 references/languages/
3. 将设计模式贡献到 references/design-patterns/
4. 使用新功能增强脚本

许可证

MIT 许可证 - 随意使用和修改！

致谢

使用 OpenClaw 框架构建，用于创建教育性 AI 技能。

---

学习愉快！ 🚀

记住：学习编程的最佳方式是通过实践。这位导师在这里指导你、挑战你，并帮助你自行发现解决方案。挣扎是学习的一部分——拥抱它！