苏格拉底式 AI 编程导师

由 Samuel Kahessay 开发的开源 AI 编程导师，通过苏格拉底式教学法提供交互式编程学习、代码审查与调试指导，支持 Python/JavaScript 全栈技能培养。

基本信息

• 技能名称?code-mentor
• 中文名称?苏格拉底式 AI 编程导师
• 作者?samuelkahessay
• 分类?专业技能
• 版本?v1.0.2
• 标签?education-research, development-engineering, python, javascript, productivity, backend, frontend, testing, automation

使用方法

使用说明
核心用法
Code Mentor 是一款面向全水平开发者的 AI 编程教育工具，采用 8 种专业教学模式 覆盖编程学习全场景：概念学习（）、代码审查与重构（）、调试侦探（️）、算法与数据结构练习（）、项目架构指导（️）、设计模式与最佳实践（）、面试准备（）、语言学习路径（️）。用户通过自然语言指令即可切换模式，如"教我递归""帮我调试这段代码""来个中等难度算法题"。
该 Skill 的核心教学哲学是 苏格拉底式引导 ——绝不直接给出答案，而是通过 5 级提问框架（观察→定位→假设→测试→解决）培养用户独立解决问题的能力。支持 15-60 分钟不等的弹性学习时长，并配备本地进度追踪系统（ learning_log.md ）实现学习数据持久化。
显著优点
教学深度与系统性 ：区别于简单的代码生成工具，Code Mentor 构建了完整的教育方法论，从初学者友好的渐进式讲解到高级开发者的系统设计与架构优化，覆盖全职业周期需求。
多语言支持策略 ：特别擅长 Python 与 JavaScript 的对比教学，通过"已知语言映射新语言"的方式大幅降低学习曲线，对全栈转型者极具价值。
工程实践导向 ：强调 SOLID 原则、设计模式、测试策略等工业级最佳实践，而非仅停留在语法层面，培养符合企业标准的代码质量意识。
自适应难度调节 ：根据用户实时表现动态调整教学节奏，既避免挫败感又防止 boredom，实现个性化学习体验。
潜在缺点与局限性
可选脚本的本地依赖 ：三个增强功能脚本（代码分析、测试运行、复杂度分析）需要 Python 3.8+ 环境，纯云端用户无法使用完整功能栈。
语言覆盖有限 ：官方仅明确支持 Python 与 JavaScript，虽文档提及 Java/C++/TypeScript 等标签，但深度教学内容可能不足。
进度追踪的本地存储 ：学习日志依赖本地文件系统，跨设备同步需手动处理，对多终端用户不够友好。
无实时协作功能 ：缺乏多人学习、导师-学员配对等社交化学习机制，纯单人学习模式。
适合的目标群体
编程初学者 ：需要结构化入门路径与耐心指导的零基础学习者
转语言开发者 ：已掌握一门语言、希望快速迁移至 Python/JS 的工程师
面试备战者 ：需要 LeetCode 风格算法训练与模拟面试的求职者
代码质量追求者 ：希望获得工业级代码审查与设计模式指导的中级开发者
自驱型学习者 ：偏好苏格拉底式引导而非填鸭式教学的主动学习者
使用风险
性能风险 ：复杂度分析脚本处理大型代码库时可能产生显著计算开销；测试运行器的 60 秒超时机制在极端情况下可能中断正常测试流程。
依赖风险 ：pylint/pytest 等依赖的版本更新可能引入破坏性变更，建议锁定版本。
数据持久化风险 ：本地 learning_log.md 文件若未备份可能因系统故障丢失学习记录。
教学局限风险 ：苏格拉底式方法对极度时间敏感场景（如紧急生产故障）效率较低，更适合深度学习而非快速救火。