Skillget

exam-knowledge-base

agent
Guvenlik Denetimi
Uyari
Health Uyari
  • License — License: MIT
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Low visibility — Only 5 GitHub stars
Code Gecti
  • Code scan — Scanned 10 files during light audit, no dangerous patterns found
Permissions Gecti
  • Permissions — No dangerous permissions requested

Bu listing icin henuz AI raporu yok.

SUMMARY

通用考试知识库：AI 备考搭子，不用啃教材直接刷题就能过。索引→精讲→错题→检索协议，任何考试可复用（考公/考研/CIA/CISA/CPA/CFA/法考），CIA-Part3 为完整实例

README.md

📚 exam-knowledge-base · 通用考试知识库

刷了 1000 道题，错题还是那几道反复错；
题库解析只告诉你「选 B」，不告诉你 A/C/D 为什么错；
问 AI 回答飘忽，还分不清哪句是真的。

有了这个项目，考生不用再啃教材——直接刷题就能过。

exam-knowledge-base 是给考生配的 AI 备考搭子：

你真正关心的 这个项目怎么解决
不想啃 800 页教材，没时间 教材已提炼成精讲笔记，刷题即学习：边刷边讲，考点从题目里长出来
错题反复错，错题本从没回看过 错题结构化回写，同类题再出现时 AI 会主动关联你上次错在哪
解析太浅，只给答案不讲理 四段式讲透：考点定位 → 准则/大纲依据 → 思路拆解 → 每个干扰项为什么错
问 AI 怕编造，答案没出处 每句话锚定知识库原文（准则条款 / 教材章节），可验证、可追溯
备考时间紧 检索毫秒级、讲题秒出（索引定位 ~1 ms；全库兜底检索 ~0.1 s）
考完就忘，笔记白做 备考即建库：刷题过程自动沉淀成个人知识库，考完试库也建好了，AI 越用越专业、越用越懂你

你的考试，也能用

适用所有考试：考公/考研 · CIA · CISA · CPA · CFA · FRM · 法考 · 软考 · PMP · 一建 · 教资 · 执业医师 · 雅思/托福 …

只要考试有「考纲 + 题库」，就能套用这套体系——不啃教材，直接刷题就能过。

License: MIT Markdown Obsidian-ready Agent-ready

1. 为什么值得用

特性 说明
🧠 为 Agent 而生 知识库是给 Claude Code / dsh 等 AI 的「考试记忆体」——用户刷题，Agent 讲题
🔍 四级定位引擎 板块 → 章 → 节 → 知识点，一道题 3 秒定位到对应笔记
📋 固定讲题协议 四段式输出：考点定位 → 准则/大纲依据 → 思路拆解 → 干扰项解析，稳定可复用
🔁 错题闭环 错题结构化回写、带知识点 ID 关联，越刷越准
🌱 备考即建库 一边备考一边构建本地个人知识库，考完试知识资产留下，AI 越用越懂你
📦 即插即用 复制目录 → 换考纲 → 开讲，新科目 10 分钟上手
🗂️ Obsidian 原生 双链、索引、纯 Markdown，任何 Markdown 编辑器可用
🛠️ 配套 CLI tools/ 六件套：检索 / 回写 / 知识点ID / 覆盖率体检 / 链接体检 / 错位字修复。零依赖、离线可用、102 项测试

2. 以题代学：不读教材，刷题即过

传统备考路径是 教材 → 笔记 → 刷题：先花几个月啃教材，再做题检验——教材读完一半，前面全忘了。

本项目把路径倒过来：刷题 → 讲透 → 沉淀，教材的精华已经在精讲笔记里，不需要你自己提炼。

传统：800 页教材 ──► 自己整理笔记 ──► 刷题 ──► 错题没人讲
                                    （耗时 3-6 个月，学了就忘）

本项目：直接刷题 ──► AI 四段式讲透 ──► 考点锚定精讲笔记 ──► 错题入库
                    （每题 2-5 秒）      （教材已提炼好）      （越刷越准）

对考生来说：教材只是备查的工具书，不再是学习的主线。

3. 备考即建库：考完试，你的知识库也建好了

别人备考是消费知识，你备考是投资知识。

  • 每道错题都带知识点 ID 回写错题库——错过的、薄弱的，全部沉淀下来
  • 考试结束那天，一个只属于你的本地个人知识库也建成了，不会随考试归零
  • AI 越用越懂你：它知道你错过的每个知识点，讲题越来越针对你的软肋
  • 本地私有、离线可用，换科目直接复制目录

4. 相比「题库自带解析」和「直接问 AI」，强在哪

题库解析是给答案，直接问 AI 是凭记忆，本项目是让 AI 有据可依地讲。

维度 题库自带解析 直接问 AI ✅ 本项目
讲题深度 只讲本题（"选 B 因为 B 对"式） 看模型发挥，无固定结构 ✅ 固定四段式：考点定位 → 依据 → 思路拆解 → 干扰项解析
干扰项处理 多数不解释为什么错 时有时无，看运气 ✅ 强制拆解每个干扰项
知识关联 题目孤立，题与题之间无连接 无关联 ✅ 每题锚定章节笔记 + 知识点 ID，一道题带出一章知识
错题积累 不记录你错在哪、为什么错 会话结束即忘，下次还是陌生人 ✅ 错题结构化回写，带知识点 ID 关联，越刷越准
答案可追溯 解析无出处，无法验证 无出处，且容易幻觉编造 ✅ 锚定知识库原文（准则条款 / 教材章节 / 笔记）
讲题一致性 稳定但浅 每次回答风格飘忽、前后矛盾 ✅ 检索协议约束，输出结构稳定
针对性 千人一面 无记忆 ✅ 错题库记录你的薄弱点，Agent 讲题时针对性强化

5. 实例：CIA-Part3（首个完整落地）

  • 20 章大纲精讲（治理 / 风险 / IT / 财务 / 管理会计 / 全球商业环境……）
  • 7 篇 IPPF 系列精讲（强制性指南 + 属性/工作标准全覆盖，60 考点）
  • 错题库：带知识点 ID 的结构化错题记录
  • 全程由 多 Agent 工作流搭建，方法论已沉淀为可复现流程

同一道题，三种解析

同一道审计真题，三种方式得到的解析——高下立判。

同一道题，三种解析对比（左：题库自带解析 · 中：未使用本项目的 AI 解析 · 右：本项目回答）

注：本题题库平台答案为 D；本项目经四段式论证选 A 并逐项拆解 D 为何错——哪边讲得透，一目了然。

6. 实测性能：检索毫秒级，秒出答案

指标 实测值 *
本仓库（公开子集） 32 个可检索 .md · 10,361 行
↳ 全库检索（纯检索，脚本内计时） ~18 ms
↳ 全库检索（含 Python 进程启动，命令行） ~0.1 s
作者私有全库 85 个文件 · 111,526 行
↳ 全库检索（纯检索） ~80–110 ms
协议路径：查索引定位 → 只读 1 个文件 ~1–2 ms
一次完整讲题 秒出答案——检索+读取约 0.1 s，其余是 AI 生成讲解的时间

* 实测环境：Windows 11 + Python 3.14，3 轮取最优；数字由 tools/kb-search.py 实测得出，你可以自己复现。
「纯检索」= 脚本内计时（不含 Python 进程启动约 60–80 ms）；命令行一次调用请按「含启动」那一行算。
全库检索是兜底与校验路径；日常讲题走「先查索引 → 只读目标文件」，那才是毫秒级——见下节。

7. 为什么这么快：检索原理

  问题 ──► ① 查 _索引（三级映射）──► ② 定位文件名 ──► ③ 打开单文件 ──► ④ 按协议讲题
            O(1) 命中              ~1 ms            ~1 ms             LLM 生成（秒级）
  1. 文件即数据库：纯 Markdown 文件系统，无数据库、无索引构建、无启动开销——检索的本质是文件系统 IO，毫秒级
  2. 索引先行，不扫全库：_索引.md 把板块→章→节→知识点映射成目标文件名，Agent 先查索引精确定位，而不是全文扫描
  3. 文件名即地址：01-治理.md、B-03 属性标准1200-1322.md 编号即路径，索引命中后直接按名打开
  4. 协议约束最小读取：检索协议规定只读定位到的目标文件——每次讲题实际只读取 1 个文件（几十 KB），全库 5.68 MB 根本不需要加载
  5. 按需懒加载：Agent 只在需要时打开对应笔记，响应速度与知识库总量无关，只取决于单文件大小

结论：知识库再大，检索也是毫秒级；「秒出答案」的瓶颈在 AI 生成讲解（约 2-5 秒），而不是检索。

上面这条是协议路径（先查索引 → 只读目标文件）。当 AI 需要跨文件核对、或你不确定该查哪一节时，
用 tools/kb-search.py 做全库兜底检索——见下节。

8. 配套工具：让协议真正跑起来的六个命令

协议（检索协议-模板.md）规定「怎么讲题」，tools/ 里的六个工具负责「怎么把知识点找出来、怎么让知识库越用越厚」。纯 Python 标准库，零依赖、零联网、离线可用。

工具 干什么 关键设计
tools/kb-search.py 全库检索 / 索引定位 / 看原文段 排序 = 目录层级（精讲笔记优先）→ BM25 相关度；多词 OR 召回；表头给真实命中总数
tools/kb-backfill.py 把外部检索的结论回写进精讲笔记 无来源不入库；只追加不覆写正文；自动备份；同知识点重复写 = 更新
tools/kb-id.py 知识点 ID 注册表与校验 考点号全部从精讲笔记抽取（笔记是唯一权威来源）；抓「同一知识点多种写法」
tools/kb-gaps.py 覆盖率体检（🔴/🟡/无引证） 只认带行号的本地锚点和指向权威域名的链接；双链里的「待核」不串味
tools/kb-links.py 内部链接体检 + --fix 抓「跨文件链接写成同文件锚点」这类不报错只跳空的静默毛病
tools/kb-fix-glyphs.py PDF 字形错位修复 字符级只动「永不合法」的生僻错字，合法字走词组规则；改前自动备份 
python tools/kb-search.py "BCP 业务连续性" --project CIA-Part3   # 多词用空格分隔（OR 召回）
python tools/kb-search.py --locate "重要性" --project CIA-Part3  # 只在索引层定位章节
python tools/kb-backfill.py --from entry.json                    # 答完外部检索的题后回写
python tools/kb-id.py --check --project CIA-Part3                # 错题库 ID 自检

102 项回归测试：python tools/test_kb_search.py、test_kb_backfill.py、test_kb_id.py、test_kb_tools.py。详见 tools/README.md。

为什么一个知识库项目要带测试：这三个工具会写进你的知识库。测试里死盯三条硬约束——
回写必须让正文字节不变、无来源必须拒绝且不碰文件、重复写只能有一条。

9. 快速开始（10 分钟）

第一步：一键下载

# 方式一：git clone（推荐，后续更新/同步方便）
#   GitHub（海外/国际用户）：
git clone https://github.com/ZavionWang/exam-knowledge-base.git
#   Gitee 镜像（国内用户，更快更稳）：
git clone https://gitee.com/zavionwang/exam-knowledge-base.git
cd exam-knowledge-base

# 方式二：下载 ZIP（不想用 git 的话）
# 仓库页面右上角 Code → Download ZIP → 解压即可，效果完全一样

第二步：把这段提示词粘给你的 AI

打开你的 AI 客户端（Claude Code / dsh / 任何支持读文件的 AI），粘贴下面这段话（把 <项目路径> 换成你解压/克隆的实际路径）：

我下载了考试知识库项目（exam-knowledge-base），项目路径：<项目路径>
请先读项目根目录的 START-HERE.md，然后严格按里面的引导协议执行：
1. 问我建档需要的信息（考什么考试、教材格式、教材路径、考纲）
2. 根据我的回答完成建档：建科目目录、复制骨架、生成索引、摄入教材、实例化检索协议
3. 建档完成后告诉我怎么开始刷题

AI 会先读 START-HERE.md，然后问你四个问题，再一步步完成建档。

第三步：回答四个问题

你的 AI 会先问你：

  1. 考什么考试？（考公/考研 · CIA · CPA · CFA · 法考 · 软考…）
  2. 教材是什么格式？（电子版 PDF / 扫描件 / Word）
  3. 教材存放在哪？（文件夹路径）
  4. 有官方考纲吗？（大纲 / 章节列表）

第四步：开始刷题

回答后 AI 自动建档：建科目目录 → 复制骨架 → 按考纲生成索引 → 摄入教材 → 实例化检索协议。然后直接发题：

用户发题 → 查 _索引 定位（板块→章→节→知识点）
→ 打开对应章节精讲 → 四段式输出：
   考点定位 → 准则/大纲依据 → 思路拆解 → 干扰项解析
→ 错题回写错题库（带知识点 ID）

10. 目录结构

exam-knowledge-base/
├── START-HERE.md              # 📌 开机引导：AI 建档协议（先读这个）
├── 考试知识库-搭建方法论.md   # 完整搭建流程 v3.1（PDF 摄入→精讲→错题→检索协议）
├── 检索协议-模板.md          # 📌 通用协议模板（复制到你的科目后实例化）
├── _索引-骨架模板.md         # 📌 索引空骨架（复制后按考纲填充）
├── tools/                    # 🛠️ 配套 CLI 六件套：检索 / 回写 / 知识点ID / 覆盖率 / 链接 / 错位字（零依赖，102 项测试）
└── CIA-Part3/                # 📌 示例实例：CIA Part 3（结构可复制到任何考试）
    ├── _索引.md              # 三级定位索引（板块→章→节→知识点）
    ├── 检索协议.md           # Agent 讲题协议（模板的 CIA 实例）
    ├── 思维导图.md           # 科目全景图
    ├── 精讲笔记/             # 20 章大纲精讲 + 7 篇 IPPF 系列精讲
    └── 错题库/               # 错题记录 + 汇总（知识点 ID 关联）

11. 免责声明

  • 本仓库包含个人原创整理的精讲笔记、错题、索引与方法论
  • 不含教材原文全文与商业题库题目全文（错题记录已脱敏，仅保留考点与复盘）
  • 精讲笔记含 IPPF 条款短引（© IIA 2017，已逐处标注），仅供学习交流，完整文本请购买正版 IPPF
  • 笔记基于公开考试大纲与个人理解整理，请以官方教材为准

12. License

MIT © 2026 ZavionWang

Yorumlar (0)

Sonuc bulunamadi