📌 项目地址：withmarbleapp/os-taxonomy | ⭐ 5,997 颗星 | 🔧 JavaScript | 📜 未标注
见下
课程标准是清单，这份数据是地图
NGSS、Common Core、英国国家课程，这些标准文件有个共同问题：它们是一份份平铺的清单。“三年级学会分数加法”和“四年级学会分数乘法”写在两页纸上，但两者的依赖关系得靠老师自己脑补。
Marble（一家教育科技公司）开源的 Skill Taxonomy 换了个思路：把小学阶段要学的内容拆成 1,591 个微主题，再用 3,225 条前置依赖边连成一张有向无环图。每个知识点都知道自己依赖什么、被什么依赖。近 6,000 星，v1 版本。
微主题的粒度可以感受一下：“造句”（Building sentences）、“恒星的视星等”（Apparent brightness of stars）。一个微主题就是一个可以直接拿来教的单点概念，附带通俗描述、掌握判据（怎么判断学生学会了）、类型标签（概念性 / 程序性 / 表征性 / 语言 / 元认知）、学科领域、大致年龄。
依赖边是这份数据最值钱的部分
只给节点列表的知识图谱很多，这份的边做得比较认真：每条依赖边标注 hard（硬性前置，不学就不会）或 soft（软性建议），还带一句话说明为什么依赖。这意味着这张图是可解释的，做学习路径推荐时能说清楚理由，而不是黑盒拓扑。
每个微主题还回链到它提炼自的课程标准条目。知识点不是拍脑袋编的，是从 NGSS、Common Core 等标准里蒸馏出来再做结构化的。
数据结构
全在 data/ 目录，UTF-8 JSON，配套 JSON Schema 放在 schema/，manifest.json 里有各文件的数量统计和 SHA-256 校验和：
| 文件 | 内容 |
|---|---|
data/topics.json |
微主题（图的节点） |
data/dependencies.json |
前置依赖（图的边） |
data/curriculum-standards.json |
来源课程标准 |
data/clusters.json |
176 条面向家长的领域摘要 |
data/teaching-research.json |
1,051 条教学研究记录（约 24 MB） |
学科分布：科学 547、数学 504，两者占了约三分之二；英语 286、历史 90、个人与社会发展 88、生活技能 37、计算 21、学习如何学习 18。重心明显在 STEM。
教学研究这块要说清楚：目前只覆盖科学和数学主题，包含教学方法、具体课堂活动、反馈与评估建议及文献来源。剩下 540 个主题在 v1 里还没有研究数据。想做全覆盖应用的人要知道这个缺口。
怎么看懂这张图
官方做了交互式可视化：withmarble.com/curriculum。每个点是一个微主题，颜色代表学科，纵向高度代表年龄，每条线是一条前置依赖。点任意一个概念，能看到学会它之前需要掌握的全部内容。仓库里还有一段完整视频（media/curriculum-viz.mp4）。
这是个纯数据仓库，README 没有给安装命令或 API，用法就是直接读 JSON：
const topics = require('./data/topics.json');
const deps = require('./data/dependencies.json');
// 每条边: { topicId, prerequisiteId, hardness, reason }
动手前先看 schema/ 里的字段定义，用 manifest.json 的校验和确认数据完整性。
我觉得的三种实际用法
自适应学习系统。知识追踪和路径推荐最缺的就是干净的前置图。自己从课程标准手工建图要花几个月，这里 3,225 条带 hard/soft 标注的边直接可用。
学习诊断工具。给定一个学生的掌握状态，沿依赖图反向走，能定位到卡壳的具体前置知识点断在哪里。官网演示的就是这个功能。
LLM 教育能力评估。带年龄范围和掌握判据的细粒度知识点，天然适合构造分级测试集：模型在四年级数学上表现如何，在六年级科学上呢？这类基准目前很少有人做。
两个注意点
一是许可证。README 没有标注 license，商用前需要先去仓库确认。二是数据质量。1,591 个微主题和 3,225 条边是 Marble 自己拆解和标注的，依赖关系是否符合你认可的教学法，建议抽样检查后再接入生产系统。