资源
Learning Commons
本页是英文页面的机器翻译，尚未经母语者审校。
Learning Commons 是 Mark Zuckerberg 与 Priscilla Chan 的教育计划，于 2025 年启动，旨在把 Chan Zuckerberg Initiative 的学习科学工作带入教育科技产品实际赖以构建的基础设施之中。它的论证是基础设施式的，而非教学法式的：研究已经存在，学术标准已经存在，高质量课程也已经存在，但它们分处不同的系统，于是开发者只能在最容易够到的东西上构建。该组织在 GitHub 上发布三件开放工具——Knowledge Graph、一组 Evaluators 以及 Agent Skills——并运营一个平台，其中增加了 Curriculum Sync，用于把课程载入 学习管理系统。
你能用它做什么
Knowledge Graph 把学术标准、课程与学习科学研究建模为同一套共享模式下的实体与关系，因此工具无需自建数据管道，就能把生成的内容对齐到某项标准。Evaluators 从学习科学的视角衡量 大语言模型输出 的属性——文本复杂度、反馈、学术标准对齐度与持久技能——并随附 Python 与 TypeScript SDK，发布在 npm 和 PyPI 上，用于为生成内容打分或比较候选模型。Agent Skills 以开放且与模型无关的格式，把常见教师工作流的指令、参考资料与护栏打包起来：理解程度检查、分层式课程差异化、对齐标准的教案，以及备课。在实践中，正是这张图谱让另外两者可信：内容对齐是主张，而图谱是核验该主张时所对照的基准。
面向谁
把人工智能功能构建进课程与测评产品的开发者，以及为这些产品提供对齐数据来源的课程或标准团队。教师可以自行使用这些 agent skills，但该仓库自身的定位是为交付工具的人提供基础设施。
说明与限定
源码开放并不等于数据开放。Knowledge Graph 的代码是 MIT，而每个数据集各自带有访问标签——Open、Open + Gated 或 Gated——且 Gated 内容明确不在该仓库所援引的开放许可覆盖范围之内，因此在假定拥有再使用权之前，请先查看数据集目录。Evaluators 的代码是 MIT，其提示词内容是 CC BY 4.0，但它所使用的带标注的 CLEAR 与 PERSUADE 2.0 语料库是 CC BY-NC-SA 4.0。平台及其背后的数据集需要账户。截至 2026-11-04 读取到的仓库活动：Knowledge Graph 167 颗星，Evaluators 88 颗，Agent Skills 41 颗。该计划由 CZI 资助，其对问题的界定也出自资助方自身。