Text memorizer
Skill hwl668/Scientific-learning-skills-/skills/text-memorizer
Diagnosis-first Agent Skills that turn AI from answer machine into learning tutor.
npx -y skills add hwl668/Scientific-learning-skills- --skill text-memorizerAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
One thing to look at
- 11 stars11 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.
What its author says it does
Copied from the file, not written here
适用于背诵、抽背、默写、文科知识点记忆和文本复习。用户粘贴一段文字，或说帮我背、帮我记、出题、抽背、复习薄弱点、政治/历史/思政大题时使用。输出重点拆分、思维导图、随机抽背题目，并按反馈追踪间隔复习。
SKILL.md
5.8 KB, as published. Nobody here has run it
目标
把一段需要背诵的文本转化为结构化记忆材料，通过主动提取练习和薄弱点追踪，让背诵不再靠机械重复。
适用场景
- 思政类课程（马原、毛概、思修、近代史）知识点背诵
- 政治/历史大题的要点记忆
- 任何需要结构化记忆的文本段落
- 期末考试前需要快速过一遍的知识点清单
Memory 系统
类型
内容记忆——存储文本知识点和复习状态，使用共享复习引擎管理间隔。
存储位置
memory/text-memorizer/：
questions.json：题库（按模块组织）weak_points.json：薄弱点追踪（引用 review-engine.md 的间隔字段）
复习引擎
间隔规则和复习算法见 memory/review-engine.md。本 Skill 遵循其中的：
- 间隔规则（1→2→4→8→16→32）
- 复习抽取算法
- 自评机制
- 掌握标准（连续 5 次正确 = mastered）
额外规则（文本记忆特有）：
- 抽背时 60% 来自薄弱点（
correct_streak <= 2），40% 随机 - 每次抽 3-5 题，避免疲劳
- 错题立即展示正确答案和辨析
管理命令
| 命令 | 行为 |
|---|---|
出题 / 抽背 | 按 60/40 比例混合抽题 |
复习薄弱点 | 只抽薄弱点 |
全部复习 | 忽略间隔，全部题库随机 |
只看 [模块名] | 只抽指定模块 |
记忆状态 | 显示：总题数、薄弱点数、已掌握数 |
清除 text-memorizer 记忆 | 删除 memory/text-memorizer/（二次确认） |
输入判断
- 用户输入一段文本（直接粘贴、引用文件、或描述内容）。
- 确认文本类型：逐字背诵的定义 / 要点复述的问答题 / 结构化理解的知识点。
- 如果用户说"出题""抽背""复习"等 → 进入检测模式。
- 如果用户说管理命令 → 执行对应操作。
执行流程
输入文本 → 内容分类 → 结构化拆分 → 思维导图 → 关键词压缩 → 生成题库 → 常见误区提示 → 写入存储
检测模式：读取存储 → 按比例抽题 → 自评 → 更新间隔 → 薄弱点追踪
1. 内容分类
| 类型 | 特征 | 拆分策略 |
|---|---|---|
| 定义型 | 一句话式精确表述 | 逐词挖空 |
| 要点型 | 3-8 个并列/递进要点 | 每点一块，关键词 |
| 过程型 | 有时间/因果顺序 | 流程图式拆分 |
| 对比型 | 两个以上事物的比较 | 表格拆分 |
2. 结构化拆分
按逻辑拆成 3-7 个模块。每个模块：主题标签 + 核心内容 + 1-3 个关键词。
3. 思维导图
缩进文本形式的树形结构。
4. 关键词压缩
每模块 1-3 个关键词，作为回忆触发器。
5. 生成题库
三种检测工具：
- 填空检测：梯度挖空（30% → 50% → 80%）
- 问答检测：每个要点 → 一个问题
- 关键词触发：看关键词复述要点
6. 常见误区提示（P0 强制）
对这段文本涉及的考点，列出 2-3 个最常见的记忆/理解错误：
| 常见错误 | 为什么错 | 正确理解 |
|---|---|---|
| ... | ... | ... |
例如思政类："把'唯一标准'记成'重要标准'"、"把'直接现实性'和'自觉能动性'混淆"。
7. 抽背与追踪
按 review-engine.md 间隔规则。抽背时 60% 薄弱点 + 40% 随机。每次 3-5 题。错题即时反馈。
输出格式
新文本输入时
## 内容分类
[类型] — [背诵精度要求]
## 结构化拆分
### 模块 1：[主题标签]
[核心内容]
> 关键词：[...]
### 模块 2：[主题标签]
...
## 思维导图
[缩进文本结构]
## 检测题
### 填空检测
- [低难度]
- [中难度]
- [高难度]
### 问答检测
Q1: [...]
Q2: [...]
### 关键词触发
关键词：[...] → 请复述
## 常见记忆误区
| 常见错误 | 为什么错 | 正确理解 |
|----------|---------|---------|
## 抽背
输入"出题"开始。输入"清除 text-memorizer 记忆"删除。
抽背时
## 🔁 抽背
共 X 题（薄弱点 Y + 随机 Z）
### 1/X
**题型**：[填空/问答/关键词触发]
**题目**：[...]
请回答。
✅ / ❌
[纠错/确认]
间隔：X天 → Y天
---
**本轮总结**：✅ X/Y | 📈 N个延长 | 🔄 M个重置
反例：什么时候不要这样做
- 不要对纯理解型内容做逐字背诵（如物理推导 →
zero-base-learning） - 不要一次拆分超过 7 个模块
- 不要一次性出超过 7 道题
- 不要让用户只被动看——必须通过出题来主动提取
- 不要忽略薄弱点追踪
- 不要在没有输入新文本时走完整拆分流程——检测模式只出题
- 不要跳过常见误区——这是 P0 强制项
测试样例
输入：
实践是检验真理的唯一标准，这是由真理的本性和实践的特点决定的。真理的本性是主观认识与客观实际相符合。实践的特点是直接现实性，即实践能把主观认识变为客观现实。
期望输出方向：
- 分类：定义型 + 因果链，要点复述精度
- 拆分：真理本性、实践特点（直接现实性）、为什么是唯一标准
- 思维导图 + 关键词压缩
- 检测题：填空（梯度）、问答、关键词触发
- 常见误区：
- 把"唯一标准"记成"重要标准"或"标准之一"
- 把"直接现实性"和意识的主观能动性混淆
- 写入
memory/text-memorizer/
输入：出题
期望输出：
- 60% 薄弱点 + 40% 随机，3-5 题
- 逐题自评，按 review-engine.md 更新间隔
- 错题给正确答案 + 辨析
- 本轮总结