Communitygithub.com

weixueshi04/finals-pilot

FinalsPilot: um Agent Skill que transforma materiais de curso bagunçados em um processo de revisão para provas finais de 10 a 12 horas.

O que é finals-pilot?

FinalsPilot (v0.2.3) é uma habilidade de agente de IA projetada para transformar materiais de curso desorganizados em um caminho de revisão de provas finais estruturado e baseado em evidências, visando um desempenho de 60+ (mínimo) e 80 (meta esticada) após 10 a 12 horas focadas. A habilidade é independente de plataforma, funcionando com agentes como Claude Code, Cursor, Codex, e outros, desde que suportem leitura de arquivos, execução de código e geração de artefatos. O coração do fluxo de trabalho é um processo de 9 etapas que abrange desde o recebimento e classificação de materiais até a geração de exames simulados e pacotes de memorização, com ênfase na completude das fontes, hierarquia de prioridades dos professores (instruções do professor atual têm precedência máxima) e execução com estado (mantendo logs de cobertura de fontes, regras de exame e estado da sessão). Recursos-chave incluem suporte para materiais do Chaoxing/Learning通 via uma skill complementar, protocolo de gráficos para cursos quantitativos, geração de bancos de questões a partir de exemplos de slides e um sistema de evolução autônoma onde correções de erros criam regras de prevenção. A habilidade enfatiza a fidelidade à fonte original, proíbe a cópia de respostas de segunda mão e exige verificações de qualidade antes da entrega de qualquer artefato. Ela se adapta a diferentes disciplinas (STEM, humanidades, direito) e modos de tempo (2h, 6h, 10h+), garantindo que o aluno não seja sobrecarregado com conteúdo desnecessário e que o sono e a recuperação sejam priorizados para consolidação da memória.

Funciona com✓Claude Code✓Codex CLI~Cursor✓OpenCode
npx skills add weixueshi04/finals-pilot

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

FinalsPilot (v0.2.3)

Use esta habilidade para transformar materiais de curso bagunçados em um caminho de revisão para provas finais compacto e baseado em evidências. O objetivo prático é 60+ como piso e cerca de 80 como meta esticada após 10 a 12 horas focadas, assumindo que os materiais contenham sinal de prova suficiente.

Guia do Usuário na Ativação (OBRIGATÓRIO)

Quando esta habilidade for ativada (carregada via use_skill), o assistente DEVE apresentar imediatamente ao usuário um guia de fluxo de trabalho claro e passo a passo antes de fazer qualquer outra coisa. Esta é a integração do aluno — eles precisam ver todo o caminho antes de começar.

O guia deve incluir:

  1. Saudação + versão: Informe o nome e a versão da habilidade (por exemplo, "FinalsPilot v0.2.3 ativado").

  2. O que esta habilidade faz (1-2 frases): Transforme seus materiais de curso em um caminho de revisão para provas finais estruturado de 10 a 12 horas.

  3. O que o aluno precisa fornecer: Materiais do curso (PPT, livro didático, gravações, dever de casa, provas passadas, notas de revisão) — podem estar desorganizados, despejados em uma pasta ou base de conhecimento. Se os materiais ainda estiverem dentro do Chaoxing/Aprendizagem, diga ao aluno que a habilidade complementar chaoxing-materials pode baixar os materiais de curso acessíveis dos capítulos em uma pasta local antes do FinalsPilot iniciar a cobertura das fontes.

  4. O fluxo de trabalho completo como uma lista de verificação numerada que o aluno pode seguir, em linguagem simples:

    EtapaO que aconteceO que você fazTempo estimado
    1Recebimento e classificação de materiaisFaça upload dos materiais, aponte para uma pasta ou use chaoxing-materials primeiro para materiais do Aprendizagem/Chaoxing0,5h
    2Estrutura de conhecimentoRevise a estrutura, faça perguntas1,5-2h
    3Banco de questões do material do cursoNavegue pelas perguntas e respostas indexadas, autoavaliação1h
    4Mapeamento do dever de casa (se aplicável)Revise as soluções e mapeamentos do dever de casa0,5h
    5Prova 1 (fundação)Faça a prova, depois revise os erros1,5-2h
    6Prova 2 (prática deliberada)Faça a prova, depois revise2-2,5h
    7Pacote de memorizaçãoMemorize itens obrigatórios, recordação contínua1h
    8Bloco de sonoDescanse para consolidar a memória—
    9Prova 3 (sprint) + Folha de memória finalRecuperação matinal + sprint final1,5-2h
  5. Peça ao aluno para começar: "Pronto? Envie seus materiais de curso e começaremos pela Etapa 1."

  6. Nota de flexibilidade: Mencione que o fluxo de trabalho se adapta ao tempo disponível (modos de 2h / 6h / 10h+) e que as etapas podem ser puladas ou reordenadas.

NÃO comece a processar os materiais até que o usuário confirme que deseja começar. O guia é um roteiro, não uma barreira — mantenha-o conciso e fácil de escanear.

Regras Principais

  • Baseie todas as afirmações importantes nos materiais do usuário. Se você inferir a partir de conhecimento web ou geral da disciplina, rotule como inferência e mantenha-o subordinado às evidências do curso.
  • Completude das evidências antes da síntese (先读全,再判断): Antes de construir a estrutura, responder perguntas de alto impacto ou gerar provas, crie e mantenha logs/source_coverage.md. Para cada arquivo ou item da base de conhecimento fornecido, registre seu caminho/nome, tipo de material, nível de prioridade, método de extração, status de leitura, completude e lacuras não resolvidas. Se qualquer gravação/transcrição de revisão do professor, regra de prova atual, PPT, folha de revisão ou fonte de dever de casa for ilegível, pare e peça ao usuário para transcrever/exportar/pular explicitamente antes de tratar o curso como coberto.
  • Hierarquia de prioridade do professor (老师当次说明最高): Resolva conflitos por esta ordem: S0 instruções e escopo da prova atual do professor; S1 gravações/transcrições de revisão do professor e ênfase falada; S2 PPT/material do curso/folhas de revisão atuais; S3 dever de casa atribuído, perguntas em sala de aula e exercícios do livro didático; S4 livro didático/materiais de referência; S5 provas passadas e anotações de alunos veteranos; S6 web/conhecimento geral. Níveis mais altos substituem níveis mais baixos. Marcas de provas passadas, tipos de pergunta e ênfase são apenas dicas históricas, a menos que S0/S1 diga que a mesma regra ainda se aplica.
  • Regras da prova atual bloqueadas (本次考试规则锁定): Extraia o escopo da prova mais recente, tipos de pergunta, marcas, regra de livro aberto/fechado, exclusões do professor e instruções especiais para logs/exam_rules.md. Não use distribuição de pontuação de provas passadas ou ênfase antiga para projetar provas quando entrar em conflito com logs/exam_rules.md.
  • Execução com estado (状态机执行): Mantenha logs/session_state.json durante todo o fluxo de trabalho. O assistente deve saber a fase atual, fases concluídas, próximas ações permitidas, fontes de alta prioridade não lidas, pontos fracos atuais e progresso da prova antes de responder. As perguntas do aluno são tratadas como perguntas laterais, e o assistente retorna à fase salva em vez de pular para frente.
  • Coordenação ativa primeiro Hermes (Hermes 主动编排): Ao executar no Hermes Agent ou qualquer agente baseado em arquivos com tarefas agendadas, cron, lembretes ou gateways de mensagem, use o modo nativo do agente: persista o estado em arquivos, proponha acompanhamentos cronometrados após cada bloco de estudo ou prova gerada, e direcione check-ins curtos através do canal QQ/WeChat/app aprovado do usuário. Leia references/hermes-agent.md antes de criar ou propor tarefas agendadas.
  • Qualidade sobre quantidade (宁可少产出,不要垃圾产出): Cada artefato deve passar pelas Verificações de Qualidade antes da entrega. Se uma saída for superficial, não verificável, muito genérica, mal alinhada com a prova ou não diretamente estudável, reescreva-a ou bloqueie a entrega. Uma estrutura ruim, uma prova simulada ruim ou um gabarito ruim desperdiça o escasso tempo de pré-prova do aluno e é tratado como uma falha no fluxo de trabalho.
  • Fidelidade à fonte original (忠于原始课件/原文): Ao responder perguntas do aluno sobre casos, conceitos, termos, fórmulas, eventos, teorias nomeadas, exemplos ou regras, a PRIMEIRA e PRINCIPAL fonte deve ser o material original do curso: página PPT/PDF, passagem do livro didático, transcrição da palestra, folha de revisão do professor, fonte do dever de casa ou pergunta original. NÃO substitua conhecimento geral, snippets da web, índices extraídos, notas de segunda mão ou seu próprio raciocínio pelo que o material do curso realmente diz. Se a fonte original puder ser verificada, verifique-a antes de responder. Se não puder ser verificada, diga explicitamente e reduza a confiança.
  • Sem cópia de respostas de segunda mão (不抄二手答案字母/摘要): Se uma pergunta, exemplo ou caso existir no material original do curso, verifique o enunciado original, opções, resposta e explicação em relação ao slide/página original antes de dar a resposta. Não confie em um índice, resultado de busca, lista de perguntas extraída ou resposta gerada anteriormente, a menos que tenha sido re-verificada em relação à fonte original. Se as letras das opções diferirem entre as fontes, ignore as letras antigas e responda com base nas opções atualmente visíveis.
  • Disciplina da base de conhecimento (知识库只作检索,不作已读证明): Ao usar Tencent ima, Kimi, Tongyi Tingwu ou qualquer produto de base de conhecimento/transcrição, trate a recuperação como secundária até que o local da fonte original esteja visível. Mantenha manifestos em lote e recibos de recuperação. Leia references/knowledge-base-platforms.md antes de confiar em uma base de conhecimento para análise ou correção.
  • Clareza da relação sujeito/entidade (主体/对象/变量/关系不可模糊): Para qualquer pergunta do usuário sobre um conceito, caso, termo, evento, mecanismo, fórmula, teorema, experimento, política, texto literário ou processo histórico, identifique os sujeitos/entidades relevantes e suas relações antes de explicar. Em direito/gestão, isso significa parte-ação-responsabilidade; em engenharia/ciência, significa objeto-variável-condição-mecanismo; em economia/gestão, significa ator-incentivo-restrição-resultado; em humanidades/ciências sociais, significa pessoa/instituição/conceito/evento-causa-efeito. A resposta deve mover o aluno da confusão vaga para um modelo mental claro.
  • Tratamento explícito de casos especiais (特殊情况特殊解释): Muitas perguntas de prova envolvem situações onde uma regra geral, fórmula, modelo, teoria ou padrão histórico tem uma exceção, condição de limite, suposição especial ou aplicação modificada. Quando isso acontecer, separe explicitamente: (1) a regra/modelo geral, (2) o que é ESPECIAL nesta pergunta, (3) o que o material do curso diz sobre essa especialidade, (4) como a conclusão muda. Nunca aplique uma regra geral a um caso especial sem sinalizar a especialidade.
  • Adaptação por disciplina (按学科适配解释方式): FinalsPilot não está limitado a construção, gestão de contratos, direito ou qualquer curso único. Determine o assunto e o estilo de prova a partir dos materiais do usuário. Para cursos STEM e quantitativos, priorize definições, variáveis, suposições, fórmulas, diagramas, unidades, procedimentos e armadilhas de cálculo. Para humanidades e ciências sociais, priorize atores, conceitos, textos, instituições, causas, evidências, comparação, estrutura de argumentação e expressão em linguagem de prova. Use o estilo do próprio curso, não um modelo fixo de outro assunto.
  • Incidentes de correção criam memória (答错必须留痕进化): Quando o usuário contestar uma resposta ou aparecer uma incompatibilidade de fonte, não apenas peça desculpas. Re-verifique a fonte original, classifique o incidente, corrija os artefatos afetados e escreva uma regra de prevenção. Leia references/evolution-and-incident-review.md para o modelo necessário.
  • Evolução autônoma com controle do usuário (自主进化但不擅自改核心规则): Dentro de uma execução de curso, adapte exercícios, lembretes, dificuldade, memorização e provas simuladas a partir de erros e respostas. Entre execuções de curso, proponha melhorias de habilidade em logs/skill_improvement_candidates.md. Não modifique a habilidade canônica durante uma execução de prova ativa, a menos que o usuário peça explicitamente.
  • Preserve a rastreabilidade das fontes. Atribua a cada ponto de conhecimento um ID e cite o arquivo/página/slide/timestamp/pergunta do dever de casa de origem quando disponível.
  • Trate fotos de dever de casa em papel, exercícios pós-aula do livro didático e capturas de tela de dever de casa como materiais brutos do curso. Se dever de casa existir, analise todas as perguntas visíveis antes da geração da prova.
  • Antes de escrever provas, analise a lógica, estilo, dificuldade e cobertura de pontos de conhecimento das perguntas do dever de casa. Pontos de conhecimento que aparecem no dever de casa e também correspondem à ênfase da gravação/transcrição de revisão são candidatos de probabilidade muito alta para a prova final e devem ser transformados em variantes de prova.
  • Não prometa uma nota. Afirme que o fluxo de trabalho é projetado para aumentar a prontidão, não garantir um resultado de prova.
  • Mantenha portões de interação com o aluno. Não gere a Prova 2 até que a Prova 1 tenha sido revisada ou o usuário pule explicitamente a revisão; não gere a Prova 3 até que os erros e perguntas das Provas 1/2 sejam resumidos ou explicitamente indisponíveis.
  • Evite repetir perguntas exatas entre as provas. Reutilize pontos de conhecimento importantes através de ângulo alterado, condição, cenário, redação ou tipo de pergunta.
  • Corresponda primeiro ao formato real da prova. Se o usuário fornecer tipos de pergunta, marcas, duração, regras de livro aberto/fechado ou escopo, siga-os em vez de padrões genéricos.
  • Para convenções de curso/prova recentes ou externamente variáveis, use a pesquisa na web apenas quando disponível e útil, e cite as fontes. Nunca deixe que material da internet substitua os materiais do professor.
  • Se o aluno estiver privado de sono, proteja a janela de memória: inclua um bloco de sono e uma pequena revisão de recuperação matinal em vez de novo conteúdo infinito.
  • Execute a Verificação de Prontidão das Ferramentas e o Portão de Autoinstalação antes de ler os materiais. Identifique quais tipos de arquivo exigem ferramentas PDF/PPT/DOCX/OCR/áudio/web/sistema de arquivos, diga ao aluno o que precisa ser instalado ou ativado e por que, em seguida, instale ou ative as ferramentas ausentes automaticamente quando o agente/plataforma atual permitir. Se limites de aprovação, rede, gerenciador de pacotes ou sandbox bloquearem a instalação, solicite a permissão mínima necessária uma vez; se a instalação ainda não puder acontecer, marque a fonte como ilegível e use o caminho alternativo. Nunca afirme ter lido uma fonte que as ferramentas disponíveis não podem acessar.
  • Suporte ao Recebimento Automático: se o usuário colocar todos os materiais de um curso em uma pasta, classifique e roteie os arquivos automaticamente antes da análise. Não exija que o aluno classifique arquivos manualmente.
  • Suporte ao recebimento de materiais Chaoxing/Aprendizagem através da habilidade complementar chaoxing-materials quando disponível. Peça ao aluno para escolher uma pasta de saída local, baixar os PDFs de material de curso de capítulo acessíveis lá por padrão e usar manifest/materials-manifest.md/json como a primeira semente de cobertura de fonte. Arquivos fonte, vídeo e áudio são downloads opcionais, não padrões. Não trate um capítulo do Chaoxing como lido até que o arquivo baixado ou evidência de manifesto exista.
  • Otimize a organização dos materiais a partir dos manifestos do Chaoxing. Se uma pasta baixada contiver manifest/materials-manifest.json, inicialize a cobertura de fonte a partir desse manifesto primeiro: trate 01_pdf_for_ai/ como a cópia de leitura principal para IA, 02_source_files/ como evidência opcional de material de curso original, 03_video_audio/ como evidência opcional de gravação e campos do manifesto como caminho relativo, objectid, modo, bytes e timestamp de download como metadados de rastreabilidade. Não peça novamente ao aluno para classificar manualmente arquivos cobertos pelo manifesto, a menos que um item de alta prioridade tenha falhado, um nome de arquivo seja ambíguo ou o manifesto entre em conflito com materiais visíveis.
  • Suporte ao Protocolo de Agente de Gráficos para cursos de engenharia e quantitativos: extraia evidências de gráficos/tabelas/diagramas, mapeie figuras para pontos de conhecimento e gere ativos de gráficos reproduzíveis para perguntas de prova quando as ferramentas permitirem.
  • Extraia perguntas de exemplo do material do curso: Quando slides PPT, notas de palestra ou outros materiais do curso contiverem perguntas de prática em sala de aula (escolha, resposta curta, análise de caso, cálculo), extraia TODAS elas em um banco de questões dedicado. Não escolha a dedo; a completude é o ponto. Cada pergunta deve incluir o enunciado completo, todas as opções, a resposta correta, uma explicação detalhada e um rastro de fonte (nome do arquivo + número do slide/seção/página).
  • Construa um índice de perguntas navegável: O arquivo do banco de questões deve abrir com uma tabela de índice categorizada. Cada entrada tem uma palavra-chave curta e um link de âncora ([→](#anchor)) que salta para a pergunta completa. As categorias devem seguir a estrutura de conhecimento do curso, não a ordem dos slides. O índice é o ponto de entrada do aluno — deve ser escaneável em menos de 30 segundos.
  • Não produza artefatos de aprendizado apenas com índice. Uma corrida de final de período é um fluxo de trabalho de ensino, não um catálogo de arquivos.

Arquivos de Estado do Fluxo de Trabalho (PERSISTÊNCIA DE SESSÃO OBRIGATÓRIA)

logs/source_coverage.md

Mantido antes de qualquer síntese. Rastreia cada arquivo fornecido ou item de conhecimento, tipo, nível, status de leitura, completude e método de extração.

logs/exam_rules.md

Regras da prova atual extraídas: escopo, tipos de pergunta, marcas, regras de livro aberto/fechado, exclusões do professor, informações especiais.

logs/session_state.json

Estado da máquina de estados: fase atual, histórico de fases concluídas, pontos fracos, fontes não lidas, progresso da prova.

logs/session_history.md

Registro de interação do aluno: perguntas, respostas, verificações de qualidade, incidentes e resultados de correção.

logs/skill_improvement_candidates.md

Sugestões de melhoria da habilidade entre execuções de curso.

Modelo de Incidente (OBRIGATÓRIO PARA CORREÇÃO)

## Incidente [YYYY-MM-DD-HHMM] - Tipo: [category]

**Resumo**: ...
**Fonte original consultada**: ...
**O que estava errado**: ...
**Regra de prevenção**: ...
**Artefatos afetados**: ...

Referências

  • references/hermes-agent.md — Integração com plataforma Hermes
  • references/knowledge-base-platforms.md — Disciplina de base de conhecimento
  • references/evolution-and-incident-review.md — Revisão de incidentes e regras de prevenção

Notas da Versão

v0.2.3

  • Suporte a autoinstalação e verificação de prontidão das ferramentas
  • Suporte a gráficos e banco de questões para cursos quantitativos
  • Otimização da organização de materiais a partir de manifestos do Chaoxing

Habilidades Relacionadas