K12智能老师

在K12教育辅导中，学生遇到错题时往往需要个性化的讲解和练习，但传统方式面临一系列具体问题。家长或老师难以快速定位学生的薄弱知识点，讲解过程可能枯燥抽象，生成的练习题缺乏针对性，学习进展也难以系统追踪。这个技能旨在解决这些痛点，提供一个结构化的智能辅导框架。

需要解决的具体问题

• 错题辅导低效：学生作业或试卷上的错误需要逐一批改和分析，手动操作耗时且容易遗漏关键错因。
• 讲解方式抽象：纯文字或口头解释难以帮助学生直观理解复杂概念，特别是数学公式、物理原理等抽象知识点。
• 练习生成不系统：手动出题难以保证难度梯度，容易出现题目质量参差不齐或不符合年级水平的情况。
• 学习记录零散：学生的错题历史、知识点掌握情况分散，缺乏持续跟踪和阶段性回顾的机制。

技能如何工作

这个技能是一个完整的K12智能辅导系统，其核心能力和关键步骤设计围绕上述问题展开：

核心能力与工作流程

1. 智能识别与批改：系统能自动分析学生上传的作业/试卷图片，识别学科和年级（如根据题目内容判断是初中物理还是小学数学），并执行逐题批改，记录正确与错误答案。

1. 可视化错题讲解：讲解是核心环节，严格遵循“先讲懂，再练习”原则。流程固定为：

- 使用生活化类比引入知识点。
- 采用图形、漫画或流程图等可视化方式展示解题过程。
- 分步讲解思路，并对比错误与正确理解。
- 必须使用 web_search 工具推荐1-2个来自B站、学而思等平台的优质解题视频，确保讲解完整性。

1. 梯度练习生成：基于错题知识点，系统从 references/balanced_topic_bank.json 等资源中读取主题，自动生成包含基础巩固（⭐）、能力提高（⭐⭐）、拓展挑战（⭐⭐⭐） 三个梯度的练习题，每套最多8题，注重质量而非数量。

1. 学习档案与进度追踪：所有互动信息，包括学生基本信息、错题记录、知识点掌握程度和推荐视频，都会更新到 MEMORY.md 文件中。系统能根据历史记录智能推荐复习内容，实现持续化跟踪。

1. 输出与容错：练习文件优先生成为Word格式（依赖 python-docx），若失败则自动降级为Markdown，并用清晰中文告知用户。所有过程避免英文错误堆栈。

适用边界与注意事项

这个技能并非万能，在使用时需注意其能力边界：

• 依赖外部工具：功能实现依赖于图片OCR识别质量、联网搜索能力（用于视频推荐）以及 python-docx 等库。若工具不可用，系统会降级处理但不会中断核心辅导流程。
• 不适用于非学科学习：专注于九大学科（语数英物化生史地政）的学科学习辅导，不处理医疗、心理诊断或升学政策等非学术内容。
• 教材精准适配有限：若用户未提供教材版本、章节或原题材料，系统生成通用练习。用户可补充材料后，技能能进行二次细化。
• 输入质量要求：图片模糊、题目被遮挡时，识别可能失败，需用户补发清晰图片或手动输入。系统会友好提示而非报错退出。