Community生產力與協作github.com

anki-exam-forge

將零散的考古題、掃描 PDF 和講義幻燈片轉化為不斷演進、無重複的 Anki .apkg 學習系統,專注於記憶提取度與考試投資報酬率。

anki-exam-forge 是什麼?

Anki Exam Forge 是一個專為考試準備設計的 AI 技能,特別適用於醫學、法律、研究生入學等需要大量記憶的領域。它透過一個四階段的封閉循環流程運作:首先,對考古題進行頻率分析,從 PDF、圖片或文字中提取題目並標準化為結構化 JSON,再由 `anki_analyze_frequency` 生成頻率報告和優先級佇列;其次,根據分析結果生成多種卡片類型(基本、選擇、填空)的 .apkg 檔案,並支援圖片等媒體附件;第三階段,將來自講義 PPT、DOCX 或 PDF 的新內容透過 `anki_diff_supplement` 增量補充到現有牌組中,確保不產生重複卡片且不覆蓋原有的唯一 GUID;最後,針對學習過程中出現的「卡住」或「水蛭」卡片,使用 `anki_apply_mnemonics` 寫入記憶技巧(如口訣、諧音、視覺化等),在不影響複習進度的情況下修復這些難點。此技能可透過 MCP 工具或獨立 CLI 執行,支援多種檔案格式,並提供驗證、檢查和除錯功能,讓使用者能建立一個持續優化的高效學習系統。

相容平台~Claude Code~Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/nonuiucode/anki-exam-forge/tree/HEAD/skills/anki-exam-forge

Installed? Explore more 生產力與協作 skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

Anki Exam Forge

將零散的考古題、掃描 PDF 和講義幻燈片轉化為不斷演進、無重複的 Anki .apkg 學習系統,專注於記憶提取度與考試投資報酬率。

雙重執行路徑(MCP 或獨立 CLI)

根據您的代理環境選擇可用的介面:

  • MCP 工具(當作為 Antigravity 插件或 MCP 伺服器安裝時):

    1. anki_doctor — 檢查 Python、SQLite、OOXML (.pptx/.docx) 和 PDF 提取的準備狀態。
    2. anki_extract_source — 從 .pdf、.pptx、.docx、.md/.txt 或圖片資料夾中提取文字、講者備註、渲染的 PNG 頁面(適用於掃描 PDF)和嵌入的圖像。
    3. anki_analyze_frequency — 根據標準化的 concept_key 對考試項目進行分組,確定性地計算確切出現次數,輸出 Markdown 頻率報告,並產生一個優先排序的 deck.json。
    4. anki_validate_deck — 檢查提示/答案是否存在、{{c1::…}} 填空語法、>= 2 個選擇題選項、唯一的 card_id/guid 以及媒體檔案路徑。
    5. anki_build_apkg — 將 deck.json 編譯成確定性 GUID 的 .apkg(ExamForge-Basic、ExamForge-MCQ、ExamForge-Cloze),並按考試頻率排序。
    6. anki_inspect_apkg — 檢查現有的 .apkg(優先使用 collection.anki21),提取捆綁的媒體,並按標籤(leech)、牌組、查詢或 minLapses 過濾筆記。
    7. anki_diff_supplement — 將講義/PPT 候選卡片與現有的 deck.json 或 .apkg 進行差異比對,保持所有原始 GUID 不變,僅附加真正的新卡片。
    8. anki_apply_mnemonics — 將結構化的記憶技巧助記寫回匹配的卡片中,同時保留原始 GUID,以實現零進度損失的 Anki 更新。
  • 獨立 CLI(當透過 --skill-only 安裝或在沒有 MCP 的情況下執行時):

    • 純 Python(直接從技能資料夾執行,核心 .apkg/.pptx/.docx 流程無需 pip 依賴): python <skill-or-plugin-dir>/engine/cli.py <doctor|extract|freq|validate|build|inspect|diff|mnemonic> ...
    • Node.js 包裝器(從插件儲存庫執行時): node <plugin-dir>/server/cli.mjs <doctor|extract|freq|validate|build|inspect|diff|mnemonic> ...

四階段封閉循環工作流程

階段 1:考古題攝取與頻率分析

  1. 執行 anki_doctor(或 cli.py doctor)以確認 PDF/Python 已準備就緒。
  2. 以可管理的視窗大小提取來源:對考古題 PDF 呼叫 anki_extract_source(fromPage: 1, maxPages: 15..20, renderMode: "auto")。對於掃描/圖像密集的頁面,請利用您的多模態視覺能力讀取生成的 pages/page_XXX.png 圖片,而不是僅依賴稀疏的 OCR 文字。繼續使用 next_from_page 直到所有試卷都處理完畢。
  3. 將每個考題標準化為結構化的 JSON 項目,包含:
    • concept_key:簡潔的標準化概念名稱,讓措辭不同但測試相同底層事實的題目能乾淨合併(例如 "桡神经损伤临床表现"、"胃食管反流病一线用药")。
    • card_type:"basic" | "mcq" | "cloze"。
    • front / stem / text、options(適用於 mcq)、back / answer、explanation、topic、source_years(例如 ["2021", "2023"])以及 media(任何圖表檔案名稱)。
  4. 切勿手動計算頻率:將提取的項目陣列/檔案傳遞給 anki_analyze_frequency(選擇 subjectPreset:clinical-medicine、postgrad-exam、law-exam 或 general),以生成確定性的 Markdown 頻率報告 和優先排序的 deck.json。

階段 2:卡片編寫、驗證與 .apkg 打包

  1. 在最終確定卡片之前,請查閱:
    • 卡片設計指南 — 原子性、填空 vs 選擇 vs 基本卡片的選擇,以及圖表衛生。
    • 學科預設 — 臨床醫學、研究生/執照考試及 STEM/人文學科的欄位約定和標籤層級。
  2. 在打包前進行驗證:執行 anki_validate_deck(如果卡片引用了提取的圖形,請傳遞 mediaDir)。修復所有阻斷性錯誤(invalid_cloze、missing_media、duplicate_card_id 等),並考慮拆分被警告標記的冗長卡片。
  3. 構建 .apkg:執行 anki_build_apkg(subdeckStrategy: "tier" 會將卡片放入 01-高頻必背、02-中頻常考、03-真題常規、04-課件補充,排序後使最高頻率的考古題卡片首先出現在 Anki 的 due 佇列中)。

階段 3:講義 PPT / 筆記增量補充(考試分數提升器)

一旦基於考古題的高效益卡片形成了基本通過水準,使用講義幻燈片(.pptx、.docx、.pdf)來填補剩餘的課程大綱漏洞,而不會覆蓋或重複現有的卡片:

  1. 使用 anki_extract_source(extractImages: true 會將嵌入的圖表/表格提取到 media/ 目錄)提取講義牌組。
  2. 從新的幻燈片/筆記草擬候選卡片。
  3. 對現有的 deck.json 或 匯出的 .apkg 執行 anki_diff_supplement:
    • 完全重複項會被自動跳過。
    • 近似重複項(similarity >= nearThreshold)會被標記出來供審查;當幻燈片細節能豐富現有考古題卡片時,傳遞 mergeNear: true。
    • 新概念會被分配 source::ppt-supplement 標籤並放入 04-課件補充,而每張現有卡片都保留其確切的原始 guid。
  4. 重新驗證並重建 .apkg(anki_build_apkg)。重新導入 Anki 會就地更新修改過的筆記,而不會丟失複習歷史。

階段 4:卡住 / 水蛭卡片的記憶修復

當使用者匯出其活躍的 Anki 牌組(包含排程資訊,或在匯出 .apkg 時勾選 「Support older Anki versions / 兼容舊版 Anki」)或指出了頑固項目時:

  1. 使用 tagFilter: "leech" 和/或 minLapses: 3(或使用 query 指定關鍵詞)執行 anki_inspect_apkg,以隔離那些持續無法回憶的卡片。
  2. 應用記憶技巧手冊來製作簡短、生動的記憶掛鉤(acronym、rhyme、homophone、mechanism、contrast、visual、loci),專門針對為什麼使用者會混淆那張卡片。
  3. 透過 anki_apply_mnemonics(updateOnly: true 會生成一個輕量級的外科手術更新 .apkg,僅包含帶有其確切原始 GUID 的修補卡片)將掛鉤寫入 Mnemonic 欄位。
  4. 提醒使用者:記憶技巧解決了頑固項目的初始編碼問題;Anki 的間隔重複則維持長期提取度 — 請正常複習更新後的卡片。

相關技能