中小学科目错题根因诊断

孩子错一道题，该先补哪块地基？

家长或老师手里往往只有「这道题又错了」，却很难判断是概念没懂、先修没牢，还是审题粗心。本技能把 Marble 式知识图谱（原子知识点 + 先修依赖 DAG + 掌握证据）落到中国 K-9 七科，用确定性引擎从当前错题节点沿 DAG 反向遍历祖先，按年龄窗口与局部汇聚度排序，列出最值得先查的根因链——而不是让模型随口猜「可能是计算马虎」。

对话内怎么跑

技能面向 Agent 对话，不是给人单独开站点的产品页。典型流程：

1. 判科目：数学 / 英语 / 语文 / 物理 / 化学 / 生物 / 地理（七科各一张 graph.json，共用 engine/diagnose.py）。
2. 判概念：用对话模型理解题意，抽出术语（如「一般现在时第三人称单数」「圆的面积」）。
3. 调 CLI：python engine/diagnose.py --subject <科> --text "<概念术语 + 原题>"；纯裸题文字常缺术语，把概念前置进 --text 才能让 locate_node 的确定性层锁死节点。
4. 解析 JSON：ok、node_name、roots[]；ok=false 时用更具体术语重试（建议最多两次）。
5. 回复用户：命中知识点、排序后的根因链（引擎侧会剔除年级/册/章等容器节点），并由 Agent 直接出 1～2 道验证题（不必再调引擎出题）。

根因反推 零模型依赖；验证题与讲解靠对话模型。可选 product.py 仅用于看图谱依赖，非主形态。

边界与坑

• 精度上限 = 图谱拆解质量；未覆盖的细分点会退化到语义标签或 7B 兜底，但七科已建 关键词门控（_xx_node），定位不应绑死在本机小模型上。
• 本技能不强判孩子卷子原题对错（无标准答案库）；闭环是「定位 → 根因 → 验证题 → answer_match 零模型判卷」。
• 物理 / 化学 / 生物 / 地理为初中单图；数 / 英 / 语为 1–9 合并总图。图谱非学科专家逐题审定，需按课标与教材版本理解结果。