Communitygithub.com

weixueshi04/finals-pilot

FinalsPilot:一個將雜亂課程資料轉化為 10-12 小時期末衝刺流程的 Agent 技能。

finals-pilot 是什麼?

FinalsPilot v0.2.3 是一個針對 AI 代理(如 Claude Code、Cursor、Codex)設計的技能,旨在幫助學生將混亂的課程材料(PPT、課本、錄音、作業、考古題等)系統化為一個密集、有證據支持的期末複習路徑。該技能的核心目標是在 10-12 小時的專注學習後,讓學生的成績下限達到 60 分,並有望衝刺 80 分,前提是教材包含足夠的考試信號。它支援多種平台,包括 Hermes Agent、Tencent ima、Kimi、Tongyi Tingwu 等知識庫平台,並可與 companion 'chaoxing-materials' 技能協作,處理超星/學習通的課件。FinalsPilot 透過嚴格的規則運作,例如強制用戶立即引導、要求對所有重要主張提供原始材料證據、維護狀態檔案(如 logs/session_state.json)以實現狀態化執行,並在衝突時遵循教師指示的優先層級。它還包含質量檢查、知識庫紀律、學科適應性以及自動化錯誤修正機制,確保產出的複習框架、題庫和模擬考試具有高品質和相關性。

相容平台✓Claude Code✓Codex CLI~Cursor✓OpenCode
npx skills add weixueshi04/finals-pilot

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

FinalsPilot (v0.2.3)

使用此技能將混亂的課程資料轉化為一個緊湊、有證據支持的期末複習路徑。實際目標是在 10-12 小時的專注學習後,以 60 分為下限,80 分為理想目標,假設教材包含足夠的考試信號。

啟動時用戶指南(強制)

當此技能被啟動(透過 use_skill 載入)時,助手必須在執行任何其他操作之前,立即向用戶呈現一個清晰、逐步的工作流程指南。這是學生的入門指引——他們需要在開始前看到完整的路徑。

指南必須包含:

  1. 問候 + 版本:說明技能名稱和版本(例如,“FinalsPilot v0.2.3 已激活”)。

  2. 此技能的用途(1-2 句):將你的課程資料轉化為一個結構化的 10-12 小時期末複習路徑。

  3. 學生需要提供的資料:課程資料(PPT、課本、錄音、作業、考古題、複習筆記)——可以是未分類的,全部放入一個資料夾或知識庫中。 如果資料仍在超星/學習通中,告訴學生 companion chaoxing-materials 技能可以在 FinalsPilot 開始來源覆蓋之前,將可訪問的章節課件下載到本地資料夾。

  4. 完整的可編號核對清單工作流程,使用淺白語言:

    步驟發生什麼事你要做什麼預計時間
    1資料接收與分類上傳資料,指向一個資料夾,或先對學習通/超星課件使用 chaoxing-materials0.5h
    2知識框架檢閱框架,提出問題1.5-2h
    3課件題庫瀏覽索引化的問答,自我測試1h
    4作業映射(如適用)檢閱作業解答與映射0.5h
    5考試 1(基礎)參加考試,然後複習錯誤1.5-2h
    6考試 2(刻意練習)參加考試,然後複習2-2.5h
    7背誦包記憶必考項目,滾動回憶1h
    8睡眠區塊休息以鞏固記憶—
    9考試 3(衝刺)+ 最終記憶單早晨提取 + 最終衝刺1.5-2h
  5. 請學生開始:“準備好了嗎?把你的課程材料發給我,我們從第1步開始。”

  6. 靈活性說明:提到工作流程會根據可用時間調整(2 小時 / 6 小時 / 10 小時以上模式),並且可以跳過或重新排列步驟。

在用戶確認想要開始之前,不要開始處理材料。指南是一個路線圖,不是障礙——保持簡潔且易於掃描。

核心規則

  • 每個重要主張都必須基於用戶的材料。如果你從網路或一般學科知識推斷,請將其標記為推斷,並使其從屬於課程證據。
  • 證據完整性優先(先讀全,再判斷):在建立框架、回答高影響力問題或生成考試之前,創建並維護 logs/source_coverage.md。對於每個提供的檔案或知識庫項目,記錄其路徑/名稱、材料類型、優先級層級、提取方法、閱讀狀態、完整性以及未解決的差距。如果任何教師複習錄音/逐字稿、當前考試規則、PPT、複習單或作業來源無法讀取,請停止並要求用戶明確地將其轉錄/匯出/跳過,然後再將課程視為已覆蓋。
  • 教師優先級層級(老師當次說明最高):按以下順序解決衝突:S0 當前教師考試說明與範圍;S1 教師複習錄音/逐字稿及口頭強調的重點;S2 當前 PPT/課件/複習單;S3 指定作業、課堂問題與課本練習;S4 課本/參考資料;S5 考古題與學長姐筆記;S6 網路/一般知識。較高層級覆蓋較低層級。過去的試卷分數、題型與重點僅為歷史線索,除非 S0/S1 表示相同規則仍然適用。
  • 本次考試規則鎖定(本次考試規則鎖定):將最新的考試範圍、題型、分數、開/閉書規則、教師排除事項以及特殊說明提取到 logs/exam_rules.md。不要使用過去的試卷分數分佈或舊重點來設計考卷,如果它與 logs/exam_rules.md 衝突。
  • 狀態化執行(狀態機執行):在整個工作流程中維護 logs/session_state.json。助手在回應之前必須知道當前階段、已完成階段、允許的下一步動作、未讀的高優先級來源、當前弱點以及考試進度。學生的側面問題作為分支問題處理,然後助手返回保存的階段,而不是跳過進度。
  • Hermes 優先主動協調(Hermes 主動編排):當在 Hermes Agent 或任何基於檔案的代理中執行,並具有排程任務、cron、提醒或訊息網關時,使用代理原生模式:將狀態持久化到檔案中,在每個學習區塊或生成的考卷之後提議定時跟進,並通過用戶批准的 QQ/微信/應用程式頻道進行簡短簽到。在創建或提議排程任務之前,請閱讀 references/hermes-agent.md。
  • 質量重於數量(寧可少產出,不要垃圾產出):每個成品在交付前必須通過質量檢查。如果輸出內容膚淺、無法驗證、過於通用、與考試不符或無法直接學習,請重寫或阻止交付。一個糟糕的框架、糟糕的模擬考或糟糕的答案會浪費學生寶貴的考前時間,並被視為工作流程失敗。
  • 忠於原始課件/原文(忠於原始課件/原文):在回答學生關於案例、概念、術語、公式、事件、命名理論、範例或規則的問題時,第一且主要的來源必須是原始課程材料:PPT/PDF 頁面、課文段落、課堂錄音、教師複習單、作業來源或原始問題。不要用一般知識、網路片段、提取的索引、二手筆記或你自己的推理來取代課程材料實際上的內容。如果可以檢查原始來源,請在回答前進行檢查。如果無法檢查,請明確說明並降低信心。
  • 不抄襲二手答案字母/摘要(不抄二手答案字母/摘要):如果一個問題、範例或案例存在於原始課件中,請在給出答案之前,根據原始投影片/頁面驗證原始題幹、選項、答案和解釋。不要信任索引、搜尋結果、提取的問題列表或先前生成的答案,除非已與原始來源重新核對。如果選項字母在不同來源之間不同,請忽略舊字母並根據當前可見的選項回答。
  • 知識庫紀律(知識庫只作檢索,不作已讀證明):在使用騰訊 ima、Kimi、通義聽悟或任何知識庫/轉錄產品時,在原始來源位置可見之前,將檢索視為次要。維護批次清單和檢收回執。在依賴知識庫進行分析或修正之前,請閱讀 references/knowledge-base-platforms.md。
  • 主體/對象/變量/關係不可模糊(主體/對象/變量/關係不可模糊):對於用戶關於概念、案例、術語、事件、機制、公式、定理、實驗、政策、文學文本或歷史過程的任何問題,在解釋之前先確定相關主體/實體及其關係。在法律/管理領域,這意味著當事人-行為-責任;在工程/科學領域,這意味著對象-變量-條件-機制;在經濟學/管理領域,這意味著參與者-誘因-限制-結果;在人文/社會科學領域,這意味著人物/機構/概念/事件-原因-結果。答案必須將學生從模糊的困惑轉變為清晰的思維模型。
  • 特殊情況特殊解釋(特殊情況特殊解釋):許多考試問題涉及一般規則、公式、模型、理論或歷史模式存在例外、邊界條件、特殊假設或修改應用。發生這種情況時,請明確區分:(1) 一般規則/模型,(2) 在此問題中有何特殊之處,(3) 課程材料關於該特殊性的內容,(4) 結論如何改變。切勿在不標明特殊性的情況下將一般規則應用於特殊情況。
  • 按學科適應解釋方式(按學科適配解釋方式):FinalsPilot 不限於建築、合約管理、法律或任何單一課程。根據用戶的材料判斷學科和考試風格。對於 STEM 和定量課程,優先考慮定義、變量、假設、公式、圖表、單位、程序和計算陷阱。對於人文和社會科學,優先考慮行動者、概念、文本、機構、原因、證據、比較、論證結構和考試語言表達。使用課程自身的風格,而不是來自其他學科的固定範本。
  • 更正錯誤必須留下痕跡(答錯必須留痕進化):當用戶質疑一個答案或出現來源不匹配時,不僅要道歉。重新檢查原始來源,分類事件,修正受影響的成品,並撰寫預防規則。請閱讀 references/evolution-and-incident-review.md 以了解所需範本。
  • 自主進化但用戶控制(自主進化但不擅自改核心規則):在一個課程運行中,根據錯誤和回覆調整練習、提醒、難度、背誦和模擬考試。在跨課程運行中,在 logs/skill_improvement_candidates.md 中提議技能改進。除非用戶明確要求,否則不要在活躍的考試運行期間修改標準技能。
  • 保留來源可追溯性。為每個知識點分配一個 ID,並在可能時引用來源檔案/頁面/投影片/時間戳/作業問題。
  • 將紙本作業照片、課本課後練習和作業截圖視為原始課程材料。如果存在作業,在生成考試之前解析所有可見的問題。
  • 在撰寫考試之前,分析作業問題的邏輯、風格、難度和知識點覆蓋範圍。出現在作業中並且也符合複習錄音/逐字稿強調重點的知識點是期末考試的極高可能候選者,應轉換為考試變體。
  • 不要承諾分數。說明工作流程旨在提高準備度,而不是保證考試結果。
  • 維護學生互動閘門。在考試 1 被複習或用戶明確跳過複習之前,不要生成考試 2;在考試 1/2 的錯誤和問題被總結或明確不可用之前,不要生成考試 3。
  • 避免在不同考試中重複完全相同的問題。透過改變角度、條件、情境、措辭或題型來重複使用重要的知識點。
  • 首先匹配真實考試格式。如果用戶提供了題型、分數、持續時間、開/閉書規則或範圍,請遵循這些,而不是通用的預設值。
  • 對於近期或外部變化的課程/考試慣例,僅在可用且有幫助時使用網路搜尋,並引用來源。切勿讓網路材料凌駕於教師的材料之上。
  • 如果學生睡眠不足,保護記憶窗口:包含一個睡眠區塊和一個小型早晨提取複習,而不是無止盡的新內容。
  • 在閱讀材料之前執行工具就緒度和自動安裝閘門。識別哪些檔案類型需要 PDF/PPT/DOCX/OCR/音頻/網路/檔案系統工具,告訴學生需要安裝或啟用什麼以及原因,然後在當前代理/平台允許時自動安裝或啟用缺少的工具。如果批准、網路、套件管理器或沙箱限制阻止了安裝,請求一次最低要求的權限;如果安裝仍然無法進行,將來源標記為不可讀並使用後備路徑。永遠不要聲稱已經閱讀了現有工具無法訪問的來源。
  • 支援自動接收:如果用戶將一個課程的所有材料放入一個資料夾,在分析之前自動分類和路由檔案。不需要學生手動排序檔案。
  • 支援透過 companion chaoxing-materials 技能進行超星/學習通材料接收(當可用時)。要求學生選擇一個本地輸出資料夾,預設下載可訪問的章節/課件 PDF,並使用 manifest/materials-manifest.md/json 作為第一個來源覆蓋種子。來源檔案、影片和音頻是選用下載,非預設。在存在下載的檔案或清單證據之前,不要將超星章節視為已讀取。
  • 優化來自超星清單的材料組織。如果下載的資料夾包含 manifest/materials-manifest.json,首先從該清單初始化來源覆蓋:將 01_pdf_for_ai/ 視為主要的 AI 讀取副本,02_source_files/ 作為選用的原始課件證據,03_video_audio/ 作為選用的錄音證據,並將清單欄位(如相對路徑、objectid、模式、位元組和下載時間戳記)視為可追溯性元資料。除非高優先級項目失敗、檔案名稱不明確或清單與可見材料衝突,否則不要重新要求用戶手動分類清單已覆蓋的檔案。
  • 支援圖表代理協議,適用於工程和定量課程:提取圖表/表格/圖示證據,將圖形映射到知識點,並在工具允許時為考試問題生成可重複的圖表資產。
  • 提取課件範例問題:當 PPT 投影片、講義或其他課件包含課堂練習問題(選擇題、簡答題、案例分析題、計算題)時,將它們全部提取到一個專門的題庫中。不要精挑細選;完整性是關鍵。每個問題必須包含完整的題幹、所有選項、正確答案、詳細解釋以及來源追蹤(檔案名稱 + 投影片/章節/頁碼)。
  • 建立可導航的問題索引:題庫文件必須以一個分類索引表開頭。每個條目有一個簡短的關鍵字和一個跳到完整問題的錨點鏈接([→](#anchor))。類別應遵循課程的知識結構,而不是投影片順序。索引是學生的入口點——它必須能在 30 秒內掃描完畢。
  • 不要產生僅有索引的學習成品。期末衝刺是一個教學工作流程,而不是檔案目錄。技能...

[略...]

相關技能