Review
间隔复习 + 主动回忆协议。基于认知科学（间隔效应 + 测试效应 + 生成效应）， 从 wiki 中提取知识节点，生成个性化回忆测试，评估掌握程度， 标记薄弱节点并推荐 ingest 方向。 触发词: review, 复习, 间隔复习, quiz me, 主动回忆, test me, recall, 考我, 测试我的理解, spaced repetition, flashcard.From its SKILL.md
npx -y skills add 3550625279-ux/LLM-wiki-Vault --skill reviewAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
2 things to look at
- no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
- 1 stars1 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.
SKILL.md
5.3 KB, as published. Nobody here has run it
review — 间隔复习 + 主动回忆 Skill
核心认知科学原理：
- 测试效应：主动回忆比被动阅读记忆效果提升 50-100%
- 间隔效应：分散复习比集中复习保持率高 2-3x
- 生成效应：自己生成答案比被动看答案效果好 3x
本 skill 的核心：不是展示你知道什么，而是检测你能否从记忆中提取。
触发模式
| 触发词 | 模式 |
|---|---|
review / 复习 | 标准（自动推断最应复习的领域） |
review: Attention | 定向（指定主题） |
quiz me / 考我 | 纯测试（逐题，等待回答） |
review hot | 仅复习 hot.md 中的活跃节点 |
review seeds | 复习所有 status=seed 薄弱节点 |
review contradictions | 专项复习矛盾节点 |
review browse: 架构 | 浏览模式（不测试，仅看知识地图） |
复习流程（6步）
Step 1 — 读取状态
并行读取：
- wiki/hot.md（最近学习重心）
- log.md 最近5条（最近 ingest 内容）
- wiki/meta/contradiction-register.md（矛盾节点）
- wiki/concepts-idx.md 中目标领域节点列表
Step 2 — 节点选择（间隔复习算法）
优先级 = 节点重要性 × 遗忘风险 / 最近接触距离
重要性代理：被 depends_on:: 引用次数 + status级别 + sources数量
遗忘风险代理：
- status=seed（未经强化）
- 未在最近5条 log.md 中出现
- 出现在 contradiction-register
接触距离：
- 在 hot.md 中出现 → 跳过
- 未在最近5条 log 中 → 优先
选取规则（3-7个节点）：
- 至少1个 status=seed（薄弱节点）
- 至少1个被最多 depends_on 引用的核心概念
- 若有矛盾节点 → 必选1个
- 强制跨≥2个领域（交错练习原则）
Step 3 — 读取节点内容（≤7页）
从每页提取：
- 核心定义（第一段或 > 符号块）
- 关键属性/公式/代码片段
- related: 字段语义边
- status 和 sources
Step 4 — 生成测试题
关键规则：每次只展示一题，等待用户回答后再展示下一题
---
📚 第[N]题 / 共[M]题 — [概念名] ([领域])
类型: [概念定义 | 关系辨析 | 应用场景 | 对比分析 | 代码推演 | 前置关系]
---
[问题正文]
> 请输入你的答案，我会给出参考答案和评估。
6种题型及认知原则：
| 题型 | 示例 | 认知原则 |
|---|---|---|
| 概念定义 | "用自己的话解释 Attention 机制" | 生成效应 |
| 关系辨析 | "LoRA 和 QLoRA 的区别是什么？" | 精细追问 |
| 应用场景 | "什么情况下用 MoE 而不用 Dense？" | 迁移学习 |
| 对比分析 | "Transformer 和 Mamba 对比哪些维度？" | 交错练习 |
| 代码推演 | "这段代码实现了哪个算法？有什么问题？" | 生成效应 |
| 前置关系 | "学习 Transformer 前必须掌握哪些概念？" | 依赖图遍历 |
Step 5 — 评估与标注
用户回答后：
1. 对比 wiki 参考内容
2. 评级：
✅ 掌握 — 准确，覆盖核心要点
🔄 部分掌握 — 方向对但有重要遗漏
❌ 需强化 — 不准确或空白
3. 展示参考答案（来自 wiki 页面内容）
4. 若❌ → 标记节点需 re-ingest 或补充资料
5. 若答案与 wiki 有 corrects:: 关系 → 标注矛盾
Step 6 — 复习报告 + 写回
全部测题完成后输出报告，并自动写回：
## 复习报告 [YYYY-MM-DD]
测试: N个节点 | ✅ X | 🔄 Y | ❌ Z
### 🔴 需重点关注（❌节点）
| 节点 | 问题描述 | 建议行动 |
|------|----------|----------|
| [[概念X]] | 混淆了A和B | ingest: [推荐资料] |
### 🟡 需补充来源（seed节点）
| 节点 | 当前状态 | 建议 |
|------|----------|------|
| [[概念Y]] | seed，1来源 | 增加第二个视角 |
### 建议复习间隔
- 立即: [Z个❌节点]
- 3天后: [Y个🔄节点]
- 1周后: [X个✅节点]
自动写回 wiki：
1. 追加 log.md：
## [YYYY-MM-DD HH:MM] review | [主题]
- nodes_tested: N
- score: X/N
- weak_nodes: [列表]
2. ❌节点 frontmatter 更新：
review_status: needs_reinforcement
last_reviewed: YYYY-MM-DD
3. ❌节点加入 wiki/hot.md 的"当前学习重心"
认知科学依据
| 原则 | 效果 | 在本 Skill 的应用 |
|---|---|---|
| 测试效应 (Testing Effect) | 记忆提升 50-100% | 所有题型要求主动回答 |
| 间隔效应 (Spacing Effect) | 保持率高 2-3x | 按遗忘风险排序选题 |
| 生成效应 (Generation Effect) | 记忆深度 +3x | "用自己的话"类题型 |
| 精细追问 (Elaborative Interrogation) | 理解深度 +40% | 关系辨析 + 对比分析 |
| 交错练习 (Interleaving) | 迁移能力 +30% | 强制跨领域选题 |
| 反馈效应 (Feedback Effect) | 错误修正效率 +50% | 立即展示参考答案 |