Token导航 LogoToken导航

Agent Skill · 前端设计

learning-multilingual-assessment(学习多语言评估)

learning-multilingual-assessment 用于记录任务执行中的错误、用户纠正、经验和能力缺口,适合在 Codex、Claude、Cursor、Gemini CLI 中希望让 Agent 持续沉淀问题、修正和最佳实践时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

learning-multilingual-assessment 是前端设计类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为只读;许可证为 MIT,第三方扫描已通过,按安装量在前端设计类的 10,216 个 Skill 里排第 9,297。

总安装 220周安装 9GitHub Stars 1下载 71核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:learning-multilingual-assessment(学习多语言评估)
来源仓库:https://github.com/pauljbernard/content
仓库路径:skills/learning-multilingual-assessment
安装命令:
npx skills add https://github.com/pauljbernard/content --skill learning-multilingual-assessment
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。不同来源提供的安装方式可能略有差异;本站展示可直接复制的安装命令,安装前请核对来源页面。

skills.shnpx skills
npx skills add https://github.com/pauljbernard/content --skill learning-multilingual-assessment

这个 Skill 是做什么的

前端设计类 Skill 关注页面结构、视觉规范和组件写法,输出通常是可运行的界面代码。

用于评估多语言内容的清晰度、准确性与文化适宜性。适合在国际化产品发布前的本地化质量把关。通过 GitHub 仓库安装,支持在 AI 代理中调用。需结合目标语言母语者习惯进行语义校验。应避免直译导致的语用失误或歧义。

learning-multilingual-assessment 属于前端设计类 Skill,可作为该场景下的辅助能力补充。

来源仓库内路径:skills/learning-multilingual-assessment

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/pauljbernard/content --skill learning-multilin…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

learning-multilingual-assessment 怎么安装?

在终端执行 npx skills add https://github.com/pauljbernard/content --skill learning-multilingual-asses…。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

learning-multilingual-assessment 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

learning-multilingual-assessment 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

learning-multilingual-assessment 是免费的吗?

来源标注的许可证是 MIT。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

learning-multilingual-assessment 用的人多吗?

公开数据是累计安装 220 次,近一周安装 9 次,下载 71 次,GitHub 1 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

learning-multilingual-assessment 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 3 个目录同时收录,说明这个 Skill 流传比较广。
  • 许可证明确为 MIT,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理前端设计类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

前端设计类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
frontend-design

前端设计 · Codex、Claude

8,823,360126,072只读MIT通过
vercel-composition-patterns

Vercel 组合模式 · Codex、Claude

3,858,81625,893需要联网MIT通过
vercel-react-native-skills

Vercel React native skills 前端 · Codex、Claude

2,468,66425,878只读MIT通过
adapt

adapt 搜索 · Codex、Claude

2,027,04023,125操作浏览器未明确通过
bolder

bolder 分析 · Codex、Claude

2,004,28823,130只读未明确通过
learning-multilingual-assessment

学习多语言评估 · 本页

2201只读MIT通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Learning Multilingual Assessment

Design fair, valid assessments that work effectively across languages and for multilingual learners.

When to Use

  • International testing programs
  • Multilingual classroom assessments
  • ELL/ESL student assessment
  • Translated assessments
  • Global certification exams

Key Challenges

Language-Dependent Bias

Sources of Bias:

  • Complex vocabulary unnecessary for content
  • Culture-specific scenarios
  • Idioms and figurative language
  • Text-heavy questions
  • Reading speed requirements

Assessment Translation

Challenges:

  • Linguistic equivalence ≠ difficulty equivalence
  • Some concepts harder to express in certain languages
  • Test length varies by language
  • Reading time differences

Multilingual Learner Support

Considerations:

  • Content knowledge vs. language proficiency
  • Accommodations without compromising validity
  • Fair comparison across language groups

Design Principles

1. Reduce Language Load

Strategies:

  • Use simple, direct language
  • Short sentences and paragraphs
  • Visual supports (diagrams, charts, images)
  • Minimize unnecessary text
  • Concrete > abstract language
  • Active voice > passive voice

2. Avoid Cultural Bias

Review for:

  • Cultural scenarios (unfamiliar contexts)
  • Regional references (geography, events, people)
  • Socioeconomic assumptions
  • Holiday/calendar references
  • Food, sports, leisure activities

3. Universal Design

Accessibility Features:

  • Glossaries for technical terms
  • Bilingual glossaries
  • Extended time options
  • Translation tools (for instructions, not content)
  • Text-to-speech support

4. Multiple Modalities

Beyond Text:

  • Visual representations
  • Interactive elements
  • Demonstrations
  • Hands-on performance tasks
  • Oral assessment options

Translation Guidelines

Equivalence Types

Linguistic Equivalence: Word-for-word accuracy Functional Equivalence: Same meaning, different words Psychometric Equivalence: Same difficulty across languages

Translation Process

  1. Forward translation by subject expert
  2. Backward translation to verify
  3. Reconciliation of differences
  4. Pilot testing in target language
  5. Difficulty analysis and adjustment
  6. Cultural review

Validation

Field Testing:

  • Differential item functioning (DIF) analysis
  • Compare difficulty across languages
  • Identify biased items
  • Adjust or remove problematic items

Accommodations

Linguistic Supports

Allowed Accommodations:

  • ✓ Bilingual glossaries (mathematics terms)
  • ✓ Extra time
  • ✓ Simplified language instructions
  • ✓ Test directions in native language
  • ✓ Clarification of test directions

Generally Not Allowed:

  • ✗ Translation of test items (depends on purpose)
  • ✗ Side-by-side bilingual tests (for language assessments)

CLI Interface

# Design language-fair assessment
/learning.multilingual-assessment --content "math-test/" --reduce-language-load --output fair-test.md

# Validate translation equivalence
/learning.multilingual-assessment --source "test-en.json" --translations "test-es.json,test-zh.json" --validate-equivalence

# Design with accommodations
/learning.multilingual-assessment --assessment "science-exam/" --accommodations "glossary,extended-time,visual-supports"

# Cultural bias review
/learning.multilingual-assessment --test "reading-test/" --bias-check --cultures "Hispanic,East Asian,Middle Eastern"

Output

  • Language-fair assessment design
  • Translation guidelines
  • Cultural bias analysis
  • Accommodation recommendations
  • Validation protocols
  • Equivalence reports

Composition

Input from: /curriculum.assess-design, /learning.translation-quality Works with: /learning.cultural-adaptation, /learning.language-level-calibration Output to: Fair, valid multilingual assessments

Exit Codes

  • 0: Multilingual assessment designed
  • 1: Excessive language dependence
  • 2: Cultural bias detected
  • 3: Translation equivalence compromised

平台分布

Claude Code

27.4%
按下载量换算19

windsurf

23.73%
按下载量换算17

zencoder

17.75%
按下载量换算13

trae

12.01%
按下载量换算9

OpenCode

8.42%
按下载量换算6

Codex

3.34%
按下载量换算2

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。

继续浏览同类 Skills