☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
算法教学四要素为【algorithm_name】、【core_insight】、【sample_input】、【leetcode_id】，封装为见名知义占位符；强制五段式结构输出+三类自适应指令（难度匹配、代码校验、面试反馈），通过codex skill实现一键触发与自动校验。
你需要让codeium持续生成高质量的算法学习材料，但每次都要重写“讲清楚时间复杂度”“配可运行示例”“附leetcode相似题”等细节，既耗时又容易遗漏关键要素。必须把提示词固化为带校验、可触发、能适配不同算法类型的可复用流程，而不是靠记忆拼凑指令。
提取算法教学四要素并封装为占位符
打开任意一次已验证有效的算法讲解提示词，逐行识别所有随算法类型变动的核心要素：算法名称、核心思想关键词、典型输入输出样例、关联的LeetCode题号。将这四类全部替换为大写英文+下划线占位符，例如把“二分查找”改为【ALGORITHM_NAME】，把“在有序数组中定位目标值”改为【CORE_INSIGHT】。
占位符命名必须见名知义，禁止使用ALGO_1、INPUT_X这类模糊标识。【ALGORITHM_NAME】和【CORE_INSIGHT】必须作为首行必填项出现在提示词顶部，缺一不可。其他占位符如【SAMPLE_INPUT】、【LEETCODE_ID】可选填，但一旦出现就必须提供真实值。
强制五段式教学结构输出
在提示词末尾明确声明输出必须严格遵循以下结构，每段标题后紧跟中文冒号，不得换行或空行：
1. 算法本质：用一句话定义【ALGORITHM_NAME】解决什么问题，为什么需要它；
2. 思想拆解：分步解释【CORE_INSIGHT】如何转化为代码逻辑，每步用“→”串联关键动作；
3. 复杂度分析：分别说明时间/空间复杂度，标注推导依据（如“每轮缩小一半→log n”）；
4. 可运行示例：提供完整Python函数，含类型注解、边界处理、3行以内调用示例；
5. 迁移练习：列出2道LeetCode题，注明题号、难度、与【ALGORITHM_NAME】的映射点（如“#34：左右边界搜索→本算法双指针变体”）。
任何偏离该结构的输出视为无效，Codeium必须重试。这一步不加占位符，是固定契约。
注入三类自适应教学指令
方法一：动态匹配难度等级
在提示词开头插入：“若【DIFFICULTY_LEVEL】=‘入门’，则‘思想拆解’段必须包含类比生活场景（如‘像查字典翻页’）；若=‘进阶’，则必须指出常见误写陷阱（如‘while条件漏等号导致死循环’）。”
方法二：绑定代码安全校验
追加一句：“生成的可运行示例必须通过以下三重校验：① 输入【SAMPLE_INPUT】能正确返回预期结果；② 输入空数组/单元素等边界值不报错；③ 函数签名含明确TypeVar泛型约束。任一失败则重写。”
方法三：关联真实面试反馈
写明：“参考2026年Q1国内大厂算法面试高频反馈：73%候选人卡在‘递归转迭代’环节。因此，若【ALGORITHM_NAME】支持递归实现，必须在‘迁移练习’段额外标注‘面试强化点：请手写该算法的栈模拟迭代版本’。”
用Codex Skill打包成一键触发工作流
第一步：在项目根目录新建./codex/skills/algo_tutor/SKILL.md文件，内容为完整提示词（含占位符、五段式声明、三类自适应指令）；
第二步：在同一目录下创建validate.py脚本，检查输出是否含“✅ 时间复杂度推导”“✅ LeetCode题号格式正确”等硬性标记；
第三步：在VS Code中按Ctrl+Shift+P输入Codex: Register Skill，选择该SKILL.md路径；
第四步：后续只需右键选中算法描述文本→Codex: Run Skill→algo_tutor→自动填充占位符并执行校验。
这一步操作起来很简单，直接把SKILL.md和validate.py放对位置就行。【validate.py必须返回非零退出码才能阻断错误输出，否则工作流会静默失败】
