Coach de estudio · el comando `/ask-coach`

ai-study-kit tiene muchas funciones — app de práctica, cursos, tarjetas, repaso a fondo de erróneas, podcasts, despliegue — y eso, para quien estudia, se convierte en una carga: ¿qué toca hacer exactamente hoy? /ask-coach existe para responder a eso. Es el skill de entrada principal que trae el propio repositorio: lo instalas una vez, empiezas cada sesión de estudio desde él, y dejas que escanee tu estado, te recomiende y ejecute contigo — sin memorizar la cadena de herramientas.

Los nombres de los comandos son el menú — el plugin ai-study-kit (nombre permanente) instala cuatro comandos:

Comando	Qué hace
`/ask-coach`	Preguntar al coach: instantánea de estado + recomendación + ejecución guiada (entrada principal; el resto se enruta desde aquí)
`/coach`	Sentarse a estudiar: entrada directa a la tutoría (F10 abrir/reanudar; al abrir reporta «qué tocar hoy y por qué»)
`/study-doctor`	Chequeo integral: cuatro puertas de calidad + sondas de entorno, informe de estado y orden de reparación
`/study-recap`	Entrada directa al análisis de erróneas (F4, cuando los prerrequisitos están)

Instalación

Los códigos fuente de los skills viven en el repositorio bajo skills/ (fuente única de verdad: la entrada principal ask-coach + tres comandos finos coach / study-doctor / study-recap que comparten los references/ de la entrada principal). Dos rutas de instalación:

① Marketplace de plugins (zcode / Claude Code, recomendado): el repositorio trae su propio manifiesto de marketplace (.claude-plugin/marketplace.json; scripts/sync-plugin.mjs genera plugins/ai-study-kit/ a partir del código fuente). Añade el marketplace https://github.com/jerryjiao/ai-study-kit en tu cliente e instala el plugin ai-study-kit — las actualizaciones del skill llegan con cada refresco del marketplace, sin reinstalación manual (las versiones siguen los releases del repositorio). Tras actualizar el plugin, abrir /ask-coach en un proyecto antiguo informa del desfase de versión y te guía por la actualización F13 (segura para los datos, rellena los huecos — ver la tabla de flujos; la instantánea del kit autoinforma su versión vía kit-version.json). El nombre del plugin es ai-study-kit de por vida; los comandos son la familia ask-coach (renombrado desde /ai-study-kit en v0.13, septiembre de 2026 — los nombres de marketplace son permanentes, así que el del plugin no cambia).

② Instalación manual (cualquier cliente que respete ~/.agents/skills/):

# 从 ai-study-kit 仓库根目录（装全部四个 skill； los comandos finos dependen de los references/ de la entrada principal）
pnpm run skill:install          # copia a ~/.agents/skills/{ask-coach,coach,study-doctor,study-recap}
pnpm run skill:install -- --link   # 符号链接版（随仓库 git pull 自动更新）

# 其他客户端：自定义目标目录
bash scripts/install-skill.sh --dest ~/.claude/skills

# 卸载
pnpm run skill:uninstall

Tras instalar, reinicia el CLI (o abre una sesión nueva) y escribe /ask-coach. También funciona sin instalar: pídele directamente a tu agente que lea skills/ask-coach/SKILL.md y lo siga.

Cómo funciona

Cada invocación sigue siempre tres pasos:

Sondeo del estado (solo lectura, ≤1 min) — tema, inventario de preguntas/tarjetas/cursos/análisis, progreso de respuestas, erróneas sin graduarse, tarjetas vencidas, lecciones completadas, objetivos orales débiles del interrogatorio (derivados del registro de intentos), sesiones de tutoría y fecha del examen, configuración de IA, backend en línea o no, desfase de versión del kit (tu proyecto vs la instantánea del plugin — versión atrasada o desconocida conduce a la actualización F13, ver abajo); si se indica la ruta al grafo de conocimiento, también las señales del grafo (cuatro estados por nodo, relaciones de prerrequisito — ver F12).
Informe + recomendación — una tabla de instantánea + una acción recomendada con su razón + un menú numerado.
Ejecución acompañada — una vez elegida la opción, sigue el playbook de skills/ask-coach/references/flows.md paso a paso y, al terminar, verifica contra los «criterios de cierre».

Sin una intención explícita, la recomendación toma el primer acierto en orden (versión completa en skills/ask-coach/SKILL.md). El orden de los tres primeros de estudio es «tarjetas → sprint → retomar tutoría»: el repaso es una deuda que se acumula a diario, el sprint es la ventana de cosecha de la semana previa al examen, y la tutoría se puede retomar en cualquier momento (el desfase de versión va antes que los de estudio — primero alinear la capa funcional; tus datos nunca están en riesgo):

Orden	Condición	Recomendación
1	El repositorio no existe	F1 inicializar el proyecto (primero pon la app de práctica en marcha)
2	Versión del kit del proyecto atrasada o desconocida	F13 actualizar (primero alinear la capa funcional — con desfase, las funciones nuevas están degradadas en silencio; seguro para los datos, unos minutos)
3	El tema activo es el demo dev-intro y tienes algo propio que aprender	F2 nuevo tema (las preguntas git/Linux del demo no son tu material de estudio)
4	Tarjetas vencidas > 0	F3 estudio diario (primero liquida el repaso — la memoria se está desvaneciendo; el conocimiento nuevo puede esperar)
5	≤ 7 días para el deadline de MISSION.md	F11 sprint preexamen (la ventana de repetición intensiva ya está abierta; sin deadline configurado esta fila nunca se activa, y la instantánea ya muestra ⚠)
6	Hay una sesión de tutoría en curso	F10 tutoría acompañada, retomar la sesión (informa el nombre + los pendientes; solo corre con tu visto bueno: retomar es una sugerencia, no una orden)
7	Erróneas sin graduarse ≥ 3	F4 repaso a fondo de erróneas (agrupado y excavado con LLM)
8	Hay preguntas sin responder y lecciones sin completar	F3 estudio diario (primero conceptos, luego práctica — lee la lección del día según el calendario; una lección solo cuenta cuando marcas «✓ completada», abrirla no cuenta)
9	Hay preguntas sin responder y lecciones completas	F3 estudio diario (los conceptos están listos; practica directamente para validar)
10	Todas las preguntas respondidas y tasa de acierto ≥ 80 %	F5 hacer un podcast (consolidación pasiva) o F2 nuevo tema
11	Todas las preguntas respondidas y tasa de acierto < 80 %	F4 repaso a fondo de erróneas; si sigue sin llegar, F6 reforzar el curso (la calidad de las lecciones no basta)

Los trece flujos

#	Flujo	Cuándo usarlo	Comandos clave
F1	Inicializar el proyecto	poner el demo en marcha desde cero	`pnpm install && pnpm dev`
F2	Nuevo tema	convertir lo que quieres aprender en un ciclo completo	temario + tabla de distribución de puntos → materiales → `teach-generate` → producir preguntas/tarjetas según la tabla → cambiar de tema → verificar
F3	Estudio diario	«¿qué estudio hoy?»	tarjetas vencidas → estudiar lecciones → practicar → rehacer erróneas
F4	Repaso a fondo de erróneas	≥3 erróneas acumuladas	`pnpm run ai:grill -- --theme <t>`
F5	Hacer un podcast	consolidar en trayectos/entrenamiento	`pnpm run ai:podcast -- --input <file>`
F6	Generar/ampliar curso	añadir explicaciones de curso	`pnpm run ai:teach -- --theme <t>`
F7	Editar contenido	cambiar preguntas/cursos/tarjetas/calendario	cadena de operaciones de las cuatro alineaciones + verificación
F8	Verificar y publicar	puerta de calidad previa al release	`pnpm run scan` / `test` / `build` + `scripts/bidirectional-check.py`
F9	Desplegar	subir al servidor en la nube	pm2 (arrancar desde `apps/quiz-app/`)
F10	Tutoría acompañada	enseñar cada punto por diálogo hasta dominarlo + evaluar en el momento + continuar entre días	conjunto mínimo de puntos desde la tabla → explicación en tres partes + frases ancla → evaluar por modo → guardar punto por punto en `study/records/` (las preguntas orales van al registro oral-attempts.json) → pasar el testigo a F3
F11	Sprint preexamen	≤ 7 días para el examen, o pides «sprint / preexamen / intensivo»	cosechar frases de records + archivo de erróneas → paquete de sprint de cuatro piezas + versión imprimible en `study/sprint/` → pasar el testigo al simulacro de F3
F12	Proyección del grafo de conocimiento	Tienes una base knowflow (graph.json) y quieres ver el coloreado por dominio y las conexiones entre puntos en el grafo	crear/confirmar el mapeo punto↔nodo (`study/records/graph-map.json`, propuesto por el agente y confirmado por ti punto por punto) → `pnpm run mastery -- --graph <graph.json> --write-projection` escribe la proyección de solo lectura; sin grafo / sin mapeo degrada en silencio y jamás se reescriben las páginas de conocimiento
F13	Actualizar	El plugin se actualizó y tu proyecto quedó atrás (desfase de versión / versión desconocida)	respaldar el progreso → recopiar el kit (progreso preservado) → rellenar las plantillas de archivos que falten → recorrer cada hueco de contrato (tabla de puntos / etiquetas examPoint / mapeo de tarjetas — guiado, nunca escrito por el agente) → cerrar con el chequeo

Además, dos entradas de operaciones: el chequeo (/study-doctor — orquestación integral de las cuatro puertas de calidad + sondas de entorno, con informe de estado y orden de reparación) y el diagnóstico (progreso que no sincroniza, 404 de cursos, errores de configuración del CLI, aciertos del scan… una tabla de consulta rápida síntoma → causa raíz → solución).

Notas de diseño

Un skill de enrutamiento, no otro CLI más: no introduce ningún runtime nuevo; solo codifica «leer estado → recomendar → ejecutar comandos/flujos existentes» como instrucciones que un agente puede seguir. Todas las capacidades subyacentes ya existen en el repositorio (los tres CLI de IA, los scripts de sincronización, las puertas de verificación).
El estado antes del consejo: el coach tiene prohibido recomendar por intuición — cada campo de la instantánea tiene su comando de sondeo (skills/ask-coach/references/state.md) y los criterios estadísticos del progreso coinciden exactamente con apps/quiz-app/src/lib/progress.ts (filtrado de tombstones, la caja de arena aleatoria fuera del progreso principal, umbrales de graduación de erróneas, vencimiento SRS).
Metodología embebida: el orden del algoritmo de recomendación es la puesta en práctica del «temario → materiales → preguntas» de methodology.es.md; el flujo F2 obliga a escribir primero MISSION (con la tabla de distribución de puntos) y RESOURCES antes de permitir generar cursos y preguntas — producir preguntas no es escribir JSON a pelo, es producirlas punto por punto contra la tabla y cerrar con las tres puertas (qa / scan / cuatro alineaciones) en verde.

Extensión

Para añadir un flujo nuevo: añade una sección de playbook (propósito / prerrequisitos / pasos / criterios de cierre) en skills/ask-coach/references/flows.md, más una fila en el menú y en la tabla de enrutamiento por intención de SKILL.md. Al terminar, ejecuta pnpm run sync:plugin para regenerar los artefactos del plugin (quienes lo instalaron manualmente deben además correr pnpm run skill:install para redistribuirlo). Para añadir un comando fino: crea un directorio nuevo en skills/ con un SKILL.md corto (~15 líneas, comparte ../ask-coach/references/) — sync:plugin lo incorpora automáticamente.

Preguntas frecuentes

P: ¿Es obligatorio instalarlo? R: No, pero entonces cada vez tendrás que pensar tú «¿qué viene después?». Instalado, es un punto de entrada de una sola frase.

P: ¿Va a tocar mis datos? R: Los pasos 1/2 son estrictamente de solo lectura. El paso 3 escribe archivos / ejecuta comandos únicamente para el flujo que elijas, y los playbooks marcan las líneas rojas (los artefactos de sincronización están prohibidos de editar a mano, igual que los archivos de progreso).

P: ¿Sigue funcionando si cambio de AI CLI? R: Sí. El skill son instrucciones en markdown + documentación de referencia; cualquier cliente que soporte la convención del directorio skills puede instalarlo (apunta ahí con --dest).