英语学习助手(Miss E)
从 Dora 主代理内置的英语辅导功能，逐步演化为独立的 AI 英语老师代理 @misse，具备自适应学习、间隔重复和自动备课能力。
概述
英语学习助手最初是 Dora 主代理的一项内置功能，每天定时发送英语语法选择题（如 It’s vs Its、不可数名词等），由 Dora 在 Mattermost 中直接推送。随着功能需求增长，用户决定将其独立为一个专属 Agent——@misse（Miss E 📚），拥有独立的工作区、记忆库和定时任务。
独立后的 Miss E 实现了完整的”自我进化”机制：根据用户的答题表现动态调整难度，采用间隔重复（Spaced Repetition）算法复习错题，并且每天自动从 Hacker News、GitHub Trending 等真实语料源备课，生成贴近技术场景的教学内容。
关键点
- 独立代理架构：Miss E 拥有独立的
~/.openclaw/workspace-misse工作区，不与主代理上下文混杂 - 自适应难度系统：维护
student_profile.json，记录用户的 Level、强项/弱项、已掌握/挣扎词汇 - 间隔重复算法：Day 1 → Day 3 → Day 7，三轮全过才算掌握
- 动态调参：近5题正确率 >90% 升难度，<60% 降难度
- 自动备课：通过 Cron 定时任务，每天 CST 18:00 自动抓取真实语料、提取语法点、生成教案
- 每周自检：每周六自动发送”本周学习报告”
- 完整身份设定：IDENTITY.md、USER.md、AGENTS.md、TOOLS.md 均已填充，删除了 BOOTSTRAP.md 避免冗余自我介绍
技术细节
代理配置
Agent: misse
Bot: @misse (Mattermost)
Model: github-copilot/claude-opus-4.6 → 后改为 prism-foundry/FW-GLM-5
Workspace: ~/.openclaw/workspace-misse
Cron: 0 10 * * * (UTC) = CST 18:00
进化规则 (写入 AGENTS.md)
- 每次互动后强制更新
student_profile.json（答对→learned，答错→struggling+计数器） - 备课前先读 profile，优先复习到期弱项，无弱项则教新内容
- 数据文件：
student_profile.json+lesson_history.json
教学内容类型
- 语法选择题（It’s vs Its、不可数名词、Subject+Verb 等）
- 基于真实技术文章的语料改编
- Vim 学习与英语结合的跨领域教学
时间线
- 2026-03-02: Dora 主代理开始内置英语辅导功能，推送 It’s vs Its 等语法题
- 2026-03-04: 增加 Uncountable Nouns 主题，每天定时发送5道题
- 2026-03-08: 用户答错题目后进行纠正和解释
- 2026-03-11: 决定将 Miss E 独立为专属 Agent，创建独立工作区和记忆库
- 2026-03-11: 实现自适应难度和间隔重复机制，写入核心记忆
- 2026-03-11: 全面审查 Miss E 设定，修复5个问题（删BOOTSTRAP、填充IDENTITY等）
- 2026-03-11: 将旧版 Miss E 定时任务和脚本从主代理完全移除
- 2026-03-18: 模型分配调整为
prism-foundry/FW-GLM-5 - 2026-04-07: Misse 通过 Clawline 进行实时语法纠正：用户发送 “i have removed the all of realted resources, thanks”，Miss E 纠正三个错误（i→I 大写、the all of→all of the 语序、realted→related 拼写），并更新 student_profile.json 中 “capitalize I” 的 failCount 至 4
- 2026-04-07: 用户请求技术文本翻译（Azure change management 定义），Miss E 翻译并标注关键词（modifications/infrastructure/service delivery/1P·3P）
- 2026-04-08: Miss E 通过 Clawline 确认使用 FW-GLM-5 模型（
clawfood/FW-GLM-5）。提供 for/since Present Perfect 复习题（5 道选择题），学生当日开始作答。教学进度：Day 7 Present Perfect，has/have 主语搭配已掌握，for vs since 和 Present Perfect vs Simple Past 待复习 - 2026-04-09: Tutor agent 演示 ML 概念讲解能力——用”教小朋友辨认苹果”的比喻解释传统编程 vs 机器学习的区别，覆盖核心思想（输入数据→找规律→预测）和生活应用场景（垃圾邮件过滤、视频推荐、语音转文字、自动驾驶）
FW-GLM-5 模型与复习题实践（2026-04-08）
Miss E 在 Clawline 平台上确认当前运行模型为 clawfood/FW-GLM-5，并推送了 5 道 for/since + 时态区别复习题：
Q1: I have known her ___ 2019. (for / since)
Q2: They have waited ___ two hours already. (for / since)
Q3: She ___ in Shanghai for 10 years, but now lives in Hangzhou. (has lived / lived)
Q4: I ___ just finished the report. (have / had)
Q5: When ___ the meeting? (did you have / have you had)
学生于当日晚间开始作答，完成后由 Miss E 批改。
Tutor Agent ML 概念讲解演示（2026-04-09）
Tutor agent 展示了面向初学者的机器学习概念讲解能力：
- 类比教学：用”教小朋友辨认苹果”对比传统编程（写规则）和机器学习（从数据学习）
- 核心公式：输入数据 → 计算机自己找规律 → 学会预测/判断
- 学习过程类比：看例题（训练数据）→ 总结解题方法（模型）→ 做新题目（预测）
- 生活场景：垃圾邮件过滤、视频推荐、语音转文字、自动驾驶识别红绿灯
DM 教学实践（2026-03-11 ~ 04-05）
Miss E 独立后的 DM 教学记录显示了完整的教学迭代过程：
教学内容演变
- 商务/日常短语阶段（3月11-20日）：on track、available、appreciate、just to confirm、let me get back to you 等
- 系统语法阶段（3月21日起）：用户要求”每天教我10个语法”，开始 Day 1-7 系统化课程
- 课程覆盖：一般现在时（肯定/否定/疑问/频率副词）→ 一般过去时 → 过去进行时 → 现在完成时
教学方法调整
- 练习形式从填空题改为选择题（用户明确要求）
- 答案示例不再暴露正确答案（用户反馈”你把答案告诉我了”）
- 聚焦日常和商务沟通，不教代码英语（用户明确拒绝）
- 后期要求”少废话、直接聊”，去掉过度格式化
学生表现数据
- 总课时 14+，最长连续 12 天，整体正确率 81%
- 持续弱项：大写 I、for vs since、Present Perfect vs Simple Past
- 学生经常数天不回复练习，Miss E 有完善的提醒机制（每1-3小时）