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):
anki_doctor— 檢查 Python、SQLite、OOXML (.pptx/.docx) 和 PDF 提取的準備狀態。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。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。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。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。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。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。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> ...
- 純 Python(直接從技能資料夾執行,核心
四階段封閉循環工作流程
階段 1:考古題攝取與頻率分析
- 執行
anki_doctor(或cli.py doctor)以確認 PDF/Python 已準備就緒。 - 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。 - 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)。
- 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
- 在最終確定卡片之前,請查閱:
- 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。 - 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:
- 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。 - 從新的幻燈片/筆記草擬候選卡片。
- 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。
- 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:
- 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。 - 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。 - 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。 - 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。