english-visual-vocabulary

通过视觉化图片帮助记忆英语单词的智能学习工具。支持创建学习计划、智能配图、词根词缀分析、音标标注，配合艾宾浩斯遗忘曲线实现高效记忆。适用于英语词汇学习、备考、日常积累等场景。

Safety Notice

This listing is from the official public ClawHub registry. Review SKILL.md and referenced scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "english-visual-vocabulary" with this command: npx skills add Coze Agent/learn-english-with-images

看图学英语

🎯 Quick Reference

场景操作示例输出
创建学习计划"帮我制定一个30天的英语词汇学习计划，每天20个单词"学习计划表 + 每日任务清单
单词配图记忆"帮我记忆单词 'abandon'，生成配图卡片"单词卡片（图片+音标+释义+词根分析）
批量单词学习"学习这10个单词：apple, banana, orange..."批量单词卡片集
词根词缀分析"分析单词 'unbelievable' 的词根词缀"词根拆解图 + 记忆技巧
复习提醒"按照艾宾浩斯曲线安排复习"复习时间表 + 待复习单词列表
场景词汇"学习关于'办公室'场景的10个单词"场景化单词卡片 + 情境例句

📖 背景

痛点

  • 记忆效率低：传统背单词依赖机械重复，缺乏情境关联，记忆留存率仅10-20%
  • 抽象难理解：抽象词汇（如"perseverance"）难以通过文字定义形成深刻印象
  • 学习动力不足：枯燥的单词表和纯文本学习容易让人失去兴趣
  • 遗忘曲线陡峭：没有科学复习机制，学过的单词很快忘记
  • 词根词缀知识缺失：不了解构词规律，无法举一反三

后果

  • 词汇量增长缓慢，长期停滞在基础水平
  • 考试备考周期长，效率低下
  • 实际应用时想不起单词，沟通受阻
  • 学习自信心受挫，放弃英语学习

价值

本Skill通过视觉记忆法解决以上问题：

  • 🎨 双重编码理论：图片+文字双通道记忆，留存率提升至65%
  • 🧠 情境化理解：图片提供具体情境，加深语义理解
  • 📊 科学复习：艾宾浩斯曲线自动安排复习节点
  • 🔍 词根拆解：揭示单词构词规律，举一反三
  • 🎯 个性化计划：根据目标定制学习路径

🚀 使用方法

方法一：创建学习计划（推荐新手）

触发词：背单词、制定英语学习计划、帮我学英语

示例对话：

用户：我想在30天内背完1000个高频词汇
AI：好的！我来为你制定30天学习计划：
    - 每天35个新单词
    - 配合图片记忆
    - 自动生成词根分析
    - 按艾宾浩斯曲线安排复习
    
    [生成学习计划表]

工作流程：

  1. 评估用户水平和目标
  2. 创建个性化学习计划（每日/每周）
  3. 从词库中选择目标词汇
  4. 为每个单词生成视觉卡片
  5. 安排艾宾浩斯复习节点

方法二：单词卡片生成

触发词：记忆单词、单词卡片、生成单词配图

单个单词学习

用户：帮我记忆单词 'serendipity'

AI执行步骤：

  1. 获取单词信息

    • 音标：/ˌserənˈdɪpəti/
    • 词性：n. 名词
    • 中文释义：意外发现珍宝的运气；机缘巧合

  2. 生成配图

    • 使用 search_images 搜索 "serendipity concept" 或 "意外发现"
    • 或使用 image_generate 生成艺术风格插图

  3. 词根词缀分析（标准格式）

    单词: serendipity
音标: /ˌser.ənˈdɪp.ə.ti/
音节拆分: ser-en-dip-i-ty
词根分析:
  serendip - 锡兰旧称（斯里兰卡）
  -i- - 连接字母
  -ty - 名词后缀（状态/性质）
词源: 源自《锡兰三王子》童话故事
记忆: 塞伦迪普岛上的意外发现 → 机缘巧合

  4. 输出卡片

    ┌─────────────────────────┐
│    [配图：意外发现宝藏]    │
├─────────────────────────┤
│  serendipity            │
│  /ˌserənˈdɪpəti/        │
│  n. 意外发现珍宝的运气     │
├─────────────────────────┤
│  词根：serendip + -ity   │
│  例：Finding this book   │
│      was pure serendipity│
└─────────────────────────┘

批量单词学习

用户：学习这些单词：abandon, abstract, abundant, accelerate

AI执行步骤：

  1. 批量获取单词信息
  2. 并行生成/搜索配图（提高效率）
  3. 逐个输出卡片
  4. 生成总结文档供下载

方法三：词根词缀专项学习

触发词：词根学习、前缀后缀、构词法

用户：教我前缀 "un-" 的用法

输出：

前缀：un- = not (不，否定)

常见单词配图卡片：
1. unhappy (不开心的) [配图：悲伤表情]
2. unbelievable (难以置信的) [配图：震惊表情]
3. uncomfortable (不舒服的) [配图：坐立难安]
4. unfair (不公平的) [配图：天平倾斜]

记忆技巧：un- 放在形容词前，表示"相反"或"否定"

方法四：艾宾浩斯复习

触发词：复习单词、艾宾浩斯、安排复习

复习时间表：

学习后间隔：20分钟 → 1小时 → 9小时 → 1天 → 2天 → 6天 → 31天

示例：
2024-01-01 学习单词 abandon
├─ 第1次复习：2024-01-01 20分钟后
├─ 第2次复习：2024-01-01 1小时后
├─ 第3次复习：2024-01-02 早上
├─ 第4次复习：2024-01-03
├─ 第5次复习：2024-01-05
├─ 第6次复习：2024-01-08
└─ 第7次复习：2024-02-01

AI操作：

  1. 读取学习记录
  2. 筛选今日待复习单词
  3. 重新展示单词卡片（隐藏释义）
  4. 用户自测后显示答案
  5. 标记掌握程度（熟悉/模糊/忘记）

方法五：场景化词汇学习

触发词：场景单词、主题词汇、情境英语

用户：学习关于"咖啡店"的英语单词

输出：

☕ 咖啡店场景词汇

1. barista [配图：咖啡师]
   /bəˈriːstə/ n. 咖啡师
   
2. espresso [配图：浓缩咖啡]
   /eˈspresoʊ/ n. 浓缩咖啡
   词根：espress- (挤压) + -o
   
3. latte [配图：拿铁]
   /ˈlɑːteɪ/ n. 拿铁咖啡
   来源：意大利语 "牛奶"
   
... (更多单词)

情境对话示例：
"I'd like a grande latte with oat milk, please."

🔧 代码示例

调用脚本生成学习卡片

# 生成单个单词卡片
python scripts/generate_card.py --word "serendipity" --style "artistic"

# 批量生成
python scripts/generate_cards_batch.py --words "apple,banana,orange" --output "./cards/"

# 生成学习计划
python scripts/create_plan.py --days 30 --words-per-day 20 --level "intermediate"

自定义图片风格

# 卡通风格
python scripts/generate_card.py --word "happy" --style "cartoon"

# 写实风格
python scripts/generate_card.py --word "mountain" --style "realistic"

# 艺术风格
python scripts/generate_card.py --word "freedom" --style "artistic"

🎨 常见变体

1. 备考模式（四六级/雅思/托福）

  • 自动加载考试词库
  • 按考试频率排序
  • 生成模拟测试题

2. 儿童英语启蒙

  • 使用卡通风格图片
  • 简化释义
  • 添加趣味例句

3. 专业词汇学习

  • 医学、法律、计算机等专业词库
  • 专业术语解释
  • 行业场景配图

4. 旅行英语

  • 按国家/地区分类
  • 实用短语
  • 文化背景介绍

⚠️ 注意事项

图片版权

  • ✅ 优先使用 image_generate 生成原创图片
  • ✅ 使用 search_images 时，选择可商用的图片来源
  • ✅ 在卡片中标注图片来源（如需）
  • ❌ 避免使用明显受版权保护的图片

词根词缀准确性

  • 词源信息参考权威词典（牛津、剑桥、韦氏）
  • 多个来源交叉验证
  • 标注词源语言（拉丁语、希腊语等）
  • 提供历史演变背景

学习效果优化

  • 每次学习不超过20个新单词（避免认知负荷过载）
  • 配合听写、造句等多维度练习
  • 定期测试巩固
  • 根据掌握情况调整复习频率

个性化调整

  • 允许用户指定图片风格偏好
  • 支持自定义词库导入
  • 可调整学习计划（加速/减速）
  • 支持导出学习记录

📚 相关资源

内部资源

  • references/common_roots.md - 常见词根词缀手册
  • references/ebbinghaus_schedule.md - 艾宾浩斯复习时间表
  • references/vocabulary_lists/ - 各级别词库

外部资源

配合使用的Skill

  • image_generate - 生成单词配图
  • search_images - 搜索网络图片
  • echart - 生成学习进度图表

🔄 工作流程图

用户输入单词
    ↓
获取单词信息（音标/释义/例句）
    ↓
词根词缀分析
    ↓
生成/搜索配图
    ↓
组装单词卡片
    ↓
记录到学习日志
    ↓
安排艾宾浩斯复习
    ↓
定期提醒复习

💡 最佳实践

  1. 每日固定时间学习：建议早晨或睡前，形成习惯
  2. 主动回忆：看图片先猜单词，再显示答案
  3. 造句练习：用新学的单词造3个句子
  4. 关联记忆：将新单词与已知单词建立联系
  5. 多感官学习：配合发音音频，调动听觉

📞 技术支持

遇到问题？请提供以下信息：

  • 学习的单词/词库
  • 错误提示截图
  • 预期效果 vs 实际效果

开始使用：只需说 "帮我背单词" 或 "制定英语学习计划"，AI将自动引导你开始视觉化词汇学习之旅！

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Open Registry RecordOpen in ClawHub

Related Skills

Related by shared tags or category signals.

General

gitlab-mr-reviewer

当需要审核 GitLab 合并请求、检查 MR diff 风险、发布 GitLab 审查评论、执行 approve/request changes，或发送 MR 审查通知时使用。

Registry SourceRecently Updated
1490whrime
General

Voice Transcriber Toolkit

Voice-to-Text Transcription Toolkit - 语音识别转文字，支持Whisper/Vosk引擎，批量处理，字幕导出 | Speech recognition & transcription with Whisper/Vosk engines, batch processing, su...

Registry SourceRecently Updated
00kaiyuelv
General

Gigo Lobster Taster

🦞 GIGO · gigo-lobster-taster: 正式试吃模式：跑完整评测，默认上传云端、生成个人结果页并进入排行榜。 Triggers: 试吃我的龙虾 / 品鉴我的龙虾 / lobster taste / lobster taster.

Registry SourceRecently Updated
4060mengkunliang
General

Gigo Lobster Local

🦞 GIGO · gigo-lobster-local: 本地模式：跑完整评测，但不上云、不注册个人结果页，证书二维码回到官网首页。 Triggers: 本地试吃龙虾 / 离线试吃龙虾 / local lobster taste / offline lobster taste.

Registry SourceRecently Updated
2770mengkunliang