Skillget

study-assistant-skills

skill
Guvenlik Denetimi
Basarisiz
Health Uyari
  • License — License: MIT
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Low visibility — Only 5 GitHub stars
Code Basarisiz
  • eval() — Dynamic code execution via eval() in study-teach/scripts/plot_function.py
Permissions Gecti
  • Permissions — No dangerous permissions requested

Bu listing icin henuz AI raporu yok.

SUMMARY

AI 学习辅导 · Claude Code Skill 套件：根据上传的教材/课件按章节学习，适用于考研、期末、资格考试——思维导图 / 讲义 / 真题风格试卷 / 错题本 / 费曼检验 / 掌握度仪表盘，进度跨会话保存

README.md

📚 Study Assistant — AI 学习辅导老师

Release
License: MIT
Claude Code

一套用于 Claude Code 的系统化学习 Skill 套件。考研、期末考试、资格证书备考都适用——上传教材、课件、讲义或任何学习资料，它会像一位严格但耐心的辅导老师一样带你按章节吃透：

画思维导图 → 按节生成讲义（按重要度/考频给重点配例题）→ 按目标院校真题风格出题 → 交互试卷即时判分 → 错题本换壳复盘 → 费曼检验验收 → 仪表盘追踪掌握度。学习进度跨会话保存，随时"继续学习"接着上次的进度。

A study-tutor skill suite for Claude Code — works for any exam or course (graduate entrance exams, university finals, certifications): mind maps, section-by-section lecture notes with worked examples, exam-style interactive quizzes, a mistake book, Feynman-technique verification, and a mastery dashboard — all state persisted across sessions. Instructions are written in English for cross-model reliability; all learner-facing output is Simplified Chinese.

✨ 亮点

  • 🧠 交互式思维导图：零依赖单文件 HTML，折叠/缩放/搜索，知识点按掌握度着色——学到哪绿到哪；节点只显示知识点短名，悬停看全称，清爽不拥挤
  • 📖 整章讲义：按节生成，深入讲解 / 考试速通双模式任选（逐节可切换）；例题按知识点重要度、题库考频摘要和课件原题选择性配置；HTML 版例题可交互作答——先做、提交后自动批改（计算题对最终答案判 ✓/✗）再展开完整解答；Obsidian Markdown（LaTeX 原生渲染、例题折叠、可当 vault）/ 交互 HTML（侧边目录、MathJax 公式、"标记已学"）双格式任选；正文 Markdown（粗体/列表/带框线表格）在两种格式下都正确渲染；遇到课件用函数图像讲解时，会用 Python / MATLAB 绘图嵌入讲义辅助理解；表格、图像、例题可标注教材页码/课件页码/教材例题来源
  • ✍️ 真题风格出题：上传真题或历年试卷（考研真题、期末卷均可）自动分析命题风格（手头没有可联网代找）；交互试卷支持单选/多选/判断/主观题，做完一题立即显示答案与解析；纸上手写作答拍照也能批改
  • 🔁 错题闭环：错题自动入本，复盘时换数字换情境重考，答对才销账；全书模拟卷按"重要度高 × 掌握度低"抽样暴露短板
  • 🗣️ 费曼检验：你讲给"聪明的初学者"听，它追问漏洞、评 1–5 分掌握度、出章节掌握报告
  • 📊 学习仪表盘：掌握度分布、各章进度、趋势线、薄弱点清单；同时生成 30 行模型摘要——新会话恢复全部学习状态只需读这 30 行，几乎不占上下文
  • ♻️ 题库复用：出过的题和讲义例题自动入库，再次出题先查库改编；讲义生成前可自动汇总本节各知识点题库出现频率，把例题资源优先给高频考点，大幅节省 token
  • 👁️ 识图自适应：模型有视觉能力就直接看；没有则调用你自己配置的视觉模型 API（OpenAI 兼容 / Anthropic 格式均可），扫描版教材、试卷照片、手写答案都能处理

🏗️ 架构

flowchart LR
    U[用户] --> A[study-assistant<br/>主控编排 + 学习档案]
    A --> M[study-mindmap<br/>思维导图]
    A --> T[study-teach<br/>讲义 + 答疑]
    A --> Q[study-quiz<br/>出题 · 批改 · 错题本]
    A --> F[study-feynman<br/>费曼检验]
    A --> I[study-img<br/>识图]
    M & T & Q & F -.读写.-> S[(学习工作区<br/>knowledge.json · progress.json<br/>history.jsonl · question-bank.json)]
Skill 职责
study-assistant 主控：建档、编排全流程、节奏控制、跨会话续学（只读 30 行摘要）
study-mindmap 交互思维导图，掌握度着色，随学习进度刷新
study-teach 按节讲义，两种模式可选：深入讲解（先列教材原文再深入剖析，吃透知识点）/ 考试速通（精简结论 + 解题思维套路，主攻做题）；例题按重要度/题库考频摘要/课件原题分配，HTML 版可交互作答、提交后批改再给答案；表格带清晰框线，函数/曲线类内容自动配图讲解；支持页码/图表/例题来源标注；+ 对话答疑重讲
study-quiz 真题风格分析（可联网找真题）、交互试卷、批改、错题本、模拟卷、题库
study-feynman 费曼检验、掌握度评分、章节掌握报告
study-img 原生视觉优先；无视觉则调用用户自配 API（OCR / 图表描述 / 手写转录）

所有产物（导图/试卷/讲义/仪表盘）由模型写结构化 JSON、打包脚本渲染——换什么模型驱动，页面长一个样；状态文件有校验脚本兜底。

🚀 安装

Claude Code（命令行 / 桌面版 / IDE 插件）

git clone https://github.com/2362094903-ops/study-assistant-skills.git
cp -r study-assistant-skills/study-* ~/.claude/skills/
pip3 install pymupdf   # 处理 PDF 教材需要；其余功能零依赖

Claude 桌面应用（claude.ai App）

从 Releases 下载 6 个 .skill 文件，在 设置 → Capabilities → Skills 中上传。注意：沙箱环境下跨会话续学等依赖本地文件的能力会受限，完整体验请用 Claude Code。

📖 快速开始

开始学习 ~/Documents/课程/微观经济学.pdf 第三章

其余常用说法：

你说 它做
继续学习 读 30 行摘要恢复状态，汇报进度，接着学
生成下一节讲义 按节产出讲义（Obsidian / HTML）
没听懂 XXX，换个讲法 换比喻换例子重讲（不复读讲义）
这是真题/历年试卷 <文件> 分析命题风格，之后出题都模仿它
出题考我 / 来套模拟卷 打开交互试卷 → 做完导出作答记录贴回 → 批改+错题本
拍照上传手写答案 OCR 忠实转录（不纠错）→ 你确认 → 批改
用费曼学习法检验我 你讲、它追问、评分、出报告
复盘错题本 错题换壳重考，答对销账
打开仪表盘 掌握度分布/趋势/薄弱点一页看全

学习数据存在教材文件旁的 <教材名>-study/ 文件夹：

<教材名>-study/
├── knowledge.json      # 知识点树（重要度/状态/掌握度）
├── progress.json       # 进度与日志
├── history.jsonl       # 掌握度变更流水（驱动趋势图）
├── digest.md           # 30 行模型摘要（续学只读它）
├── dashboard.html      # 学习仪表盘
├── question-bank.json  # 题库
├── mindmaps/ lessons/ quizzes/ reports/
├── exam-style.md       # 真题风格档案
└── mistakes.md         # 错题本

删除该文件夹 = 重置进度；备份它 = 备份全部学习记录。把它用 Obsidian 作为 vault 打开，讲义公式即原生渲染。

🔧 识图配置（仅当你的模型没有视觉能力时）

模型本身能看图（如 Claude Sonnet/Opus）则零配置。否则首次识图时会引导你配置，写入 ~/.config/study-img/config.json：

{
  "provider": "openai",
  "base_url": "https://dashscope.aliyuncs.com/compatible-mode/v1",
  "api_key": "<你的密钥>",
  "model": "qwen3.5-flash"
}
  • openai：任何 OpenAI 兼容接口（DashScope / 智谱 / Moonshot / SiliconFlow / OpenRouter / OpenAI…）
  • anthropic：Anthropic Messages API（base_url 可省略）
  • 也支持环境变量 STUDY_IMG_*；验证：python3 ~/.claude/skills/study-img/scripts/recognize.py --show-config

密钥只存你本机，不会出现在仓库或学习档案中。

❓ FAQ

对模型有什么要求？ 任何能跑 Claude Code 的模型都行。指令为英文编写以提高跨模型遵循度，输出强制简体中文；产物由脚本渲染保证一致性。模型无视觉能力时识图走外部 API。

公式怎么渲染？ 讲义用 LaTeX（Obsidian 原生渲染；HTML 版经 MathJax CDN，离线退化为源码显示）；思维导图和试卷为保持零依赖离线可用，公式用 Unicode 写法（MU₁/P₁ = λ）。

我的教材和学习数据会上传吗？ 不会。所有档案都是你本机的纯文本/HTML 文件。唯一的外部调用是：①无视觉模型时的识图 API（你自己的）；②你主动要求联网找真题时的网页检索。

多选题怎么计分？ 默认按考研惯例"错选漏选均不得分"，出题时可设 partial: true 改为漏选无错选得半分。

为什么讲义按节生成而不是一次出整章？ 单次生成内容越长，后半段质量越容易下滑。按节生成质量稳定，读完一节再要下一节即可。

📄 License

MIT

Yorumlar (0)

Sonuc bulunamadi