contextual-word-allocation..../SKILL.md

94 lines
3.8 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

---
name: contextual-word-allocation
description: >
儿童教育游戏动画剧本的情境化选词工具。将词库Excel/列表)中的单词知识点,
按照故事情境而非词义类别分组分配至每个Unit的Lesson中
使每个Lesson的4个单词能自然地支撑一个贴近日常的小故事情境。
**触发场景:**
(1) 用户提供单词表(含单词/词性/词义和Unit故事背景设定
(2) 需要将词库拆分为每4词一组的情境化分配方案
(3) 需要给出情境名称≤6字和聚合理由
(4) 用户提到「情境化选词」「单词分配」「词库分组」「Lesson选词」
---
# 情境化选词工作流
## 核心概念
**情境化选词 ≠ 词义分类**
- ❌ 传统blue/red/yellow/pink → 【颜色】
- ✅ 情境化autumn/leaf/yellow/orange → 【秋季拾叶】(配秋天捡落叶做艺术品的故事)
词汇从属于情境,情境服务于故事,故事符合儿童日常体验。
## 输入规格
1. **词库文件**Excel/列表):包含 `单词 | 词性 | 词义 | 原始主题分类`
2. **Unit背景设定**每个Unit的故事一句话概要、关键剧情、出场角色
3. **分配规格**Units数量 × 5 Lessons/Unit × 4词/Lesson = 总词数
## 工作流程5步
### Step 1词库预处理
- 读取词库文件,提取全部词条(含词性,同词多词性视为独立词条)
- 统计虚词adv/pron/det/prep数量
- 验证:总词数 = Units × 5 × 4
### Step 2虚词规划
每Unit需含 **2-3个虚词**。先均衡分配虚词到各Unit再填充实词。
- 规划公式:虚词总数 / Units数 ≈ 每Unit虚词配额
- 调整原则与Unit故事情境自然契合的虚词优先分配如ago=「以前」适合「收到旧包裹」的情节)
- 记录虚词分配表后续Step 4严格遵守
### Step 3主题-Unit映射
对照Unit故事背景将词库中天然契合该Unit主题的词群预标注
- 扫描词义/原始主题找出与Unit场景强相关的词
- 避免强行「凑主题」——无强关联的词可放入暂空池(若有)
### Step 4逐Lesson分配核心步骤
每组4词需同时满足
1. **≥3词与本Lesson角色行为/话题强相关**第4词可为虚词或弱关联词
2. **4词共同指向同一个生活化情境**(可用一句话描述这个场景)
3. **虚词自然嵌入**,不显突兀
分配顺序建议:
1. 先锁定Lesson核心情境来自Unit故事
2. 找3个与情境强相关的实词
3. 从该Unit的虚词配额中选1个最契合的虚词补位
4. 若虚词已配完,可用弱关联实词补位
### Step 5全局验证
分配完成后必须执行:
- [ ] 总词条数 = 预期数(无遗漏)
- [ ] 无重复(每个词条仅出现一次)
- [ ] 每Unit虚词数量在2-3范围内
- [ ] 所有Unit虚词合计 = 词库虚词总数
## 输出格式
每个Lesson输出
```
| Lesson编号 | 情境名称≤6字 | 单词1(词性,词义) 单词2 单词3 单词4 | 聚合理由说明4词如何共同构建一个情境|
```
按Unit分组表格形式呈现。
## 质量标准
**好的情境聚合(符合以下特征):**
- 4词放在一起能在脑海中浮现一个具体场景画面
- 虚词的用法在情境里是自然的(孩子能感受到它的意思)
- 情境贴近5-9岁儿童日常符合「低风险高情绪」原则
**需要重新考虑的分组(出现以下特征):**
- 4词凑在一起感觉很随机找不到共同的场景
- 强行说教(词义直接=教训)
- 虚词嵌入感觉生硬,像「单词+adv填空」
## 注意事项
- 同拼写不同词性/词义的词,视为独立词条
- 暂空池Unit若有用于放置其余Unit塞不下的词词汇选择灵活度最高
- 分配草稿完成后等待用户逐Unit微调不要急于输出剧本正文