Text Memorizer

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 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

```markdown
## 🔁 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：

1. 分类：定义型 + 因果链，要点复述精度
2. 拆分：真理本性、实践特点（直接现实性）、为什么是唯一标准
3. 思维导图 + 关键词压缩
4. 检测题：填空（梯度）、问答、关键词触发
5. 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

1. 写入 memory/text-memorizer/

输入：出题

期望输出：

1. 60% 薄弱点 + 40% 随机，3-5 题
2. 逐题自评，按 review-engine.md 更新间隔
3. 错题给正确答案 + 辨析
4. 本轮总结

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: hwl668
• Source: hwl668/Scientific-learning-skills-
• License: MIT

Install and usage instructions live in the source repository linked above.