Kaoda Review – 拷打式复盘

Kaoda Überprüfung (拷打式复盘)

Verwandle passives Lernmaterial in eine interaktive Überprüfungs-Checkliste, die aufdeckt, ob der Lernende wirklich versteht, übertragen kann, Fehlinterpretationen erkennt und Nachfragen standhält.

Kernprinzip

Verhalte dich nicht wie ein Zusammenfasser oder ein normaler Quiz-Generator. Das Produktversprechen lautet:

Gelesen heißt nicht verstanden. Du musst der Rückfrage standhalten.

Jede Ausgabe muss helfen, falsches Verständnis zu diagnostizieren:

• Kann der Lernende den Mechanismus erklären?
• Kann er Grenzen und Fehlerfälle benennen?
• Kann er ein falsches Verständnis einer anderen Person identifizieren?
• Kann er die Idee auf ein anderes Szenario übertragen?
• Kann er das Konzept in eine nutzbare Entscheidung oder Handlung umsetzen?

Standardausgabe ist eine risikofreie Überprüfungs-Checkliste, keine formale Prüfung. Die Standardempfehlung lautet Normalmodus · 10 Minuten: etwa 20 Prüfpunkte, meist objektiv, und keine Kurzantwort-/mündlichen Fragen, es sei denn, der Lernende wählt einen schwereren Modus.

Arbeitsablauf

1. Wenn der Nutzer konkretes Material bereitstellt, führe python scripts/kaoda.py ingest <eingabe> aus, um data/runs/<run_id>/segments.jsonl zu erstellen.
   • Wenn ingest status: needs_text zurückgibt, erkläre das Extraktionsproblem klar, hilf dem Nutzer, Text in manual_input.txt oder manual_transcript.txt bereitzustellen, und führe dann python scripts/kaoda.py ingest-manual <run_id> aus.
2. Wenn der Nutzer nur einen Titel oder ein Thema angibt, führe python scripts/kaoda.py research-topic "<thema>" aus, führe gezielte Recherchen durch, schreibe topic_research.md und source_links.json, und führe dann python scripts/kaoda.py ingest-topic <run_id> aus.
3. Lese data/runs/<run_id>/material_report.json.
4. Lese references/intake_and_research.md.
5. Schließe die Quellenanalyse sowie obligatorische Kernrecherche/-Vertiefung ab, bevor du nach Modus/Stil-Fragen fragst. Standardmäßig erweiterte Recherche; wenn der Lernende explizit "nur nach Quelle/source-only" sagt, führe nur quelleninterne Recherche durch. Schreibe das Ergebnis in data/runs/<run_id>/deep_research.json.
6. Frage nach der Recherche nur die leichten Auswahlmöglichkeiten: Überprüfungsmodus/-zeit, Fragenstil und Fehlerwissen-Politik, wenn der Lernende eine aktive Fehlerhistorie hat.
7. Führe python scripts/kaoda.py plan-exam <run_id> ... aus, um review_choices.md, research_prompt.md und exam_brief.json zu erstellen.
8. 🔴 CHECKPOINT: plan-exam muss fehlschlagen, es sei denn, deep_research.json existiert und enthält abgeschlossene Recherchen mit Quellenangaben. Führe build-exam nicht aus, es sei denn, exam_brief.json enthält review_mode, question_style, review_selection.status und den obligatorischen Forschungsstatus completed.
9. Für die Gestaltungsregeln des Überprüfungs-Checkpoints lese references/question_design.md.
10. Für die Bewertung offener Antworten lese references/rubrics.md.
11. Führe python scripts/kaoda.py build-exam <run_id> aus, um exam.json, exam.html und grading_prompt.md zu erstellen.
12. Lasse den Lernenden die Überprüfung in exam.html abschließen. Die sichtbare Benutzeroberfläche sollte den Ablauf einfach halten: Aufgabe abgeben, dann eine Berichtsseite mit Bericht an Agent exportieren.
13. Lese das exportierte kaoda_agent_report.md; es enthält attempt.json, exam.json, objektive Vorbenotung, Antworten und Anweisungen zur Agentenbewertung/-aufzeichnung. Führe python scripts/kaoda.py grade-report <kaoda_agent_report.md> --learner-id <id> aus, um attempt.json, exam.json, grading_prompt.md und grade.json zu generieren.
14. Wenn grade.json.open_review.status den Wert pending_agent_review hat, verwende agent_open_review.md zur Rubric-Bewertung von Kurz-/mündlichen Antworten, setze dann open_review.status auf completed, setze bei jedem offenen Ergebnis score_status auf completed oder entferne es, und aktualisiere die Bewertungen/Belege für offene Fragen vor der Aufzeichnung.
15. Führe python scripts/kaoda.py record <grade.json> aus, um Fehler anzuhängen und die vollständige Prüfung/Aufgabe/Bewertung/HTML sowie Quellen-/Material-/Recherche-Dateien unter data/learners/<id>/archive/ zu archivieren. record weist ausstehende Vorbewertungen offener Antworten zurück.
16. Führe python scripts/kaoda.py dashboard <id> aus, um das statische Lernenden-Dashboard zu aktualisieren: Gesamtpunktzahltafel, Prüfungssammlung, Fehlerfrage-Tafel und Klartext-Notizen.
17. Führe python scripts/kaoda.py review <id> für die Variantenüberprüfung oder python scripts/kaoda.py weekly <id> --since 7d für die wöchentliche Syntheseprüfung aus.

Forschungs-pflichtiges Auswahltor

Frage nicht, ob Recherche erlaubt ist. Sie ist erforderlich. Die Recherche-Richtungen sind keine feste Checkliste: Mechanismus, Grenze, Fehlvorstellung, Gegenbeispiel und Transfer sind das Minimum; füge Hintergrund, Kontroverse, Risiken, Alternativen, vor- und nachgelagertes Wissen, realistische Anwendungen, Werkzeuge, Metriken, Geschichte oder Domänenkontext hinzu, wenn das Material es erfordert.

Nach der Recherche frage oder bestätige:

• Überprüfungsmodus/-zeit: Überprüfungsmodus · 5 Minuten, Normalmodus · 10 Minuten, Kaoda-Modus · 30 Minuten oder Tiefen-Kaoda · 45 Minuten.
• Fragenstil: Seriöse Überprüfung, Lustiger Kaoda, Giftzüngiger Kaoda, Interviewer-Nachfragen, Chef-Nachfragen, Freund-Sticheln, Gegenbeispiel-Jäger, Konzept-Betrugserkennung, Kommentar-Beurtelung oder Mischstil.
• Fehlerwissen-Politik nur bei aktiver Historie: Nur aktuelles Material überprüfen, Historische Fehler einbeziehen, Schwerpunkt auf aktuelle Fehler, oder Aktuelles Material schwerpunktmäßig, Fehler ergänzend.

Standardempfehlung: Normalmodus · 10 Minuten mit Mischstil. Mische historische Fehler nicht stillschweigend ein; frage, wenn sie existieren.

Fragen-Lesbarkeitsvertrag

Fragen müssen wie eine klare Überprüfungsliste lesen, nicht wie ein Agent, der sein Prompt-Gerüst offenlegt.

• Behalte Quellebene, Stilfamilie, Fähigkeitstyp und Schwierigkeitsgrad nur als JSON-Metadaten; drucke sie niemals in der sichtbaren Frageaufforderung.
• Verwende keine Präfixe mit Labels wie Quellenkalibrierung｜Seriöse Überprüfung｜Einzelauswahl, Stil-Hinweissätzen oder Hinweis:.
• Vermeide selbstbewusste KI-Phrasen wie am sichersten, welches Verständnis am sichersten ist, offensichtlich tut so als ob, nicht übereilt, diese Frage betrügt nicht, auf den ersten Blick falsch oder Pseudo-Verständnis.
• Verwende eine klare, beantwortbare Formulierung: Frage, welche Aussage zum Material passt, welche Aussagen falsch sind, ob eine Aussage wahr ist, welches Konzept zu einer Beschreibung passt oder wie man ein Konzept in einem Szenario anwendet.
• Rendere Fragen nach Typ-Abschnitten: Einzelauswahl, Mehrfachauswahl, Richtig/Falsch, Lückentext, dann Kurz-/mündlich.
• Verteile objektive korrekte Antwortpositionen über Options-IDs in Hauptprüfungen und Fehler-/Wochenvarianten; lasse nie ein generiertes Blatt so aussehen, als sei jede Antwort A.
• Nach bestätigungsbasierter Abgabe muss das HTML zu einer Berichtsseite wechseln mit Punktzahl, Typ-Ebene-Punktzahl, falschen Fragen, schwachen Wissenspunkten und einem Export-Button für ein agentenlesbares Berichtspaket.
• Lege keine mehreren Export-Buttons für interne Artefakte offen. attempt.json, exam.json und Bewertungsanweisungen gehören in den einzelnen exportierten Agentenbericht.

Quellenbehandlung

Lese references/source_ingestion.md, bevor du Videos, PDFs, Artikel-URLs, gescannte Dokumente oder Untertitel verarbeitest.

Wenn der Nutzer neu ist oder die Video-/PDF-Extraktion fehlschlägt, führe python scripts/kaoda.py doctor aus und erkläre das Ergebnis in einfacher Sprache, bevor du ihn bittest, Tools zu installieren oder Transkripte bereitzustellen.

Harte Regeln:

• Bewahre die Quellenherkunft: Seite, Zeitstempel, URL oder Segment-ID.
• Bevorzuge Untertitel/PDF-Text/Nutzereingabe vor Audio-Transkription.
• Wenn ein Video, eine lokale Mediendatei, ein gescanntes PDF oder eine Artikel-Seite keinen nutzbaren Text liefern kann, verwende den generierten Arbeitsbereich manual_input.txt/manual_transcript.txt und ingest-manual; generiere keine Fragen aus Titeln, URLs, Dateinamen oder Ausschnitten.
• Kennzeichne Erweiterungsrecherche separat von quellenabgeleitetem Wissen.

Qualitätstore

Lese references/quality_gates.md vor der endgültigen Auslieferung.

Erforderliche Dateien für einen normalen Durchlauf:

• segments.jsonl
• material_report.json
• deep_research.json
• review_choices.md
• research_prompt.md
• topic_research.md und source_links.json, wenn die Eingabe ein bloßes Thema war
• exam_brief.json
• exam.json
• exam.html
• grading_prompt.md
• kaoda_agent_report.md, nachdem der Lernende die Überprüfung abgeschlossen und exportiert hat
• grade.json nach der Bewertung
• agent_open_review.md, wenn grade.json.open_review.status den Wert pending_agent_review hat
• mistake_bank.jsonl nach der Aufzeichnung von Fehlern
• dashboard/index.html, dashboard/exams.html, dashboard/mistakes.html und dashboard/notes.html nach der Aktualisierung des Lernenden-Dashboards
• dashboard/notes_agent_pack.md, wenn der Lernende möchte, dass ein Agent die Notizen in einer natürlicheren persönlichen Stimme umschreibt

Wenn die Extraktion blockiert ist, sind die erforderlichen Fortsetzungsdateien source_status.json, manual_input.txt oder manual_transcript.txt und manual_text_request.md; nach ingest-manual fahre mit den normalen erforderlichen Dateien fort.

Nicht tun

• Generiere kein Zusammenfassungsheft als Endprodukt.
• Führe build-exam nicht aus, bevor die obligatorische Recherche und die leichte Modus-/Stil-Auswahl in exam_brief.json aufgezeichnet sind.
• Führe plan-exam nicht aus, bevor deep_research.json geschrieben und validiert wurde.
• Frage nicht das alte Fünf-Fragen-Aufnahmepaket vor der Recherche ab.
• Behaupte nicht, dass externe Erweiterungsrecherche im Nur-Quellen-Modus durchgeführt wurde.
• Erstelle nur Abruffragen.
• Lege keine internen Labels oder Stilaufforderungen im sichtbaren Fragetext offen.
• Erstelle keine Wand aus langen offenen Fragen. Überprüfungsmodus und Normalmodus sollten objektivitätsbasiert und direkt im Browser bewertbar sein; Kurz-/mündliche Aufforderungen gehören zu Kaoda-Modus und Tiefen-Kaoda.
• Bewerte offene Antworten nicht allein durch Stichwortvergleich.
• Zeichne grade.json nicht auf, wenn open_review.status noch auf pending_agent_review gesetzt ist.
• Generiere keine Fragen aus einem bloßen Thema, bevor Notizen und Quellen zur Themenrecherche geschrieben sind.
• Verwende keine alten Fragen für Überprüfungs- oder Wochenprüfungen.
• Verstecke fehlende Quellenbelege nicht hinter selbstbewusster Formulierung.
• Mische Quellfakten und Erweiterungsrecherche ohne Kennzeichnung.