在 MochiBot 中查看用法,在对话里安装。

托管工作区与 MochiBot 轻量部署默认包含技能助手。选择技能后,在聊天中让助手安装;使用其他 OpenClaw 环境可按指引首次安装。

查看使用方法 →
MOCHILAB / AI技能

课程成绩规则与目标情景

分类贡献明细、已评分与全课程口径差异、目标分数情景和缺失规则。

把相关原件、导出文件或已有记录交给助手,用平常的话说明问题。助手整理所需信息,只追问影响结果的事实,无需手工填写 JSON。

这是评分规则和已得分,解释现在怎么算,再看看期末需要多少;没出的分数别当零。
按课程明确的分类权重和删分规则算情景,目标达不到就说明,不替学校确认成绩。

你会拿到:分类贡献明细、已评分与全课程口径差异、目标分数情景和缺失规则。 缺失或未确认的信息保留为未知,原材料不覆盖。

计算在本地使用 Python 3.10+ 标准库,无需付费数据密钥或 MochiLab 后台账户。可选资料整理和解读使用当前助手模型,遵循原服务条款与费用;不承诺模型服务的云端隐私,不自动投递、发消息、改账户或创建通知。

随时下任务,听见完成提醒。

不用部署服务器,可先试用托管工作区3天,无需先付款。模型API需自行配置,用量费用另计。