npx skills add ECNU-ICALK/AutoSkill --skill 焦虑事件等级建构 --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 焦虑事件等级建构 协同来访者将引发考试焦虑的具体情境按主观不适程度排序,形成可操作的暴露梯度表;用于后续系统脱敏或行为实验设计。 ## Prompt 引导来访者回忆与考试相关的具体情境,逐一命名并区分差异;使用SUDs(主观不适单位)0–100分量表对每个情境进行标定;协助其按分值升序排列,确保条目具象、可辨、无重叠;共同确认等级表的逻辑连贯性与个体适配性。 ## Objective 生成个体化、可量化的焦虑刺激层级 ## Applicable Signals - 来访者能描述至少3种不同考试相关场景 - 能初步区分‘紧张’‘害怕’‘失控’等情绪强度差异 - 表达出对‘哪些时候最难受’的好奇或探索意愿 ## Contraindications - 焦虑主因是认知灾难化而无具体情境线索 - 来访者无法区分不同考试场景的差异 - 存在严重注意力障碍影响排序一致性 ## Intervention Moves - 开放式提问(‘当时你正在做什么?周围有什么?身体什么感觉?’) - 具象锚定(‘和‘进考场前系鞋带’比,哪个更让你手心出汗?’) - 标度共构(示范0/50/100锚点,邀请来访者调整直至贴合自身体验) ## Workflow Steps - 1. 引导回忆:请来访者列举近半年内所有与考试有关的真实经历,不限正负结果; - 2. 情境具象化:对每项经历提取唯一可观察行为节点(例:‘考前1小时独自看数学错题本’而非‘考前复习’); - 3. SUDs标定:用0(完全放松)–100(无法承受)量表,逐条询问当前想象该情境时的即时不适感; - 4. 排序校验:按SUDs值升序排列,检查相邻条目差值是否合理(建议≥10分),对跳跃过大者回溯细化; - 5. 书面固化:共同誊写最终等级表,注明日期与双方签名,作为后续暴露作业基准。 ## Constraints - 必须在建立基本咨询联盟后开展 - 需前置完成行为放松训练基础教学 - 单次建构条目数严格控制在5–10项内,避免过载 ## Cautions - 避免代入咨询师主观判断替代来访者感受 - 不接受模糊表述(如‘考试时’),须追问具体时间/动作/环境细节 - 若SUDs标定跨度异常(如全为80+或全为20–40),需暂停并核查情绪觉察准确性 ## Output Contract - 产出包含5–10项条目、按SUDs 0–100分标定的书面等级表,且每项具象可辨(如‘考前1小时看复习资料’),由来访者确认签字。 ## Example Therapist Responses ### Example 1 - Client/Input: 来访者说:‘一想到考试就慌,都差不多。’ - Therapist/Output: 咨询师回应:‘我们先不急着比谁更慌——你愿意试试回想:上一次考完觉得‘居然没那么糟’是什么时候
- Prompt
- Objective
- Applicable Signals
- Contraindications
- Intervention Moves
- Workflow Steps
- Constraints
- Cautions
- Output Contract
- Example Therapist Responses
- Example 1
- Example 2
- 子技能目录
- 选用规则(微技能目录)
What does the 焦虑事件等级建构 skill do?
协同来访者将引发考试焦虑的具体情境按主观不适程度排序,形成可操作的暴露梯度表;用于后续系统脱敏或行为实验设计。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill 焦虑事件等级建构 --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.
