核心用法
Open Courses 是一款纯 Markdown 文档型 Skill，旨在为用户提供系统化的在线课程获取指南。该 Skill 不执行任何代码，仅作为结构化知识库存在，核心功能包括：
1. 多维度课程筛选：支持按学习阶段（K12/考研/职业考证/兴趣）、教学形式（直播课/录播课/1对1/题库）、考核指标（难度等级/通过率/证书含金量）三维度精准定位适合的课程资源。
2. 学习数据管理：提供学习时长累计追踪、掌握程度分析、错题本同步等学习过程管理字段的说明与建议。
3. 师资与内容评估：整合名师履历查询、课程大纲预览、讲义下载进度跟踪等功能指引。
4. 互动与认证：涵盖互动问答状态查询、模考成绩单管理、学历认证关联等进阶使用场景。
用户通过自然语言提问即可获取对应场景的操作建议，例如"如何快速筛选适合考研数学的录播课程"或"B站知识区名师课程有哪些最新优惠策略"。
显著优点
- 零安全风险：纯文档型设计，无可执行代码、无外部网络调用、无敏感数据处理，供应链攻击面完全为零。
- 权威平台覆盖：聚焦网易公开课（国内最早系统化运营的知识共享平台）与B站知识区（Z世代最高活跃度的学习型社区），课程资源经过平台审核与用户口碑双重验证。
- 决策框架完整：从选课前的多维筛选、学习中的数据追踪到完成后的认证关联，提供全链路决策支持，降低用户的信息筛选成本。
- 轻量无依赖：无需安装任何运行时环境，不引入第三方依赖，兼容所有支持 Markdown 解析的 Agent 系统。
- 动态更新机制：结合考试大纲调整、名师教学计划与学习成效反馈，内容保持时效性。
潜在缺点或局限性
- 非实时数据：作为文档型 Skill，无法直接对接网易/B站 API 获取实时课程库存、价格变动或讲师排期，用户需自行跳转至平台验证最新信息。
- 个性化有限：缺乏用户画像分析能力，无法基于用户历史学习数据智能推荐课程，建议仅作为初步筛选参考。
- 付费风险提示不足：虽提及"试听后订阅"，但未深入解析各平台退款政策、分期付款风险等消费者权益保护细节。
- 区域限制未标注：未区分不同课程的国际访问限制、地区版权差异或字幕语言支持情况。
- T3 来源局限：由个人开发者维护，缺乏企业级 SLA 保障，内容准确性与持续更新依赖单一维护者投入。
适合的目标群体
- 终身学习者：希望系统规划从K12到职业发展全阶段学习路径的自律型用户。
- 考证备考族：需要对比多平台职业资格考试课程通过率、证书含金量与性价比的决策困难者。
- 内容创作者：研究B站知识区运营策略、名师IP打造方法论的知识区UP主或MCN机构。
- 教育产品经理：分析在线课程产品设计模式、用户激励机制的行业研究者。
- 风险敏感用户：对运行未知代码高度警惕，优先选择纯文档型工具的信息安全意识较强群体。
使用风险说明
- 信息时效性风险：课程价格、讲师可用性、考试政策等动态信息可能存在滞后，关键决策建议交叉验证官方渠道。
- 平台政策变动风险：网易公开课/B站知识区的内容审核标准、创作者激励计划调整可能影响课程可获取性。
- 付费决策责任：Skill 仅提供框架建议，实际付费订阅行为及相应财务风险由用户独立承担。
- 学习效果差异："坚持打卡"等建议为通用性指导，实际学习成效受个人基础、时间投入、方法适配度等多因素影响，无效果承诺。