错题雷达
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,将 @user_65b9a06e/studybuddy-plus 安装到当前 AI 助手。
技能介绍
要解决的问题
K12 错题往往只是散在作业本和拍照里的一堆记录。家长看到孩子做错,最常见的反应是"这题我也不会教"。更麻烦的是错误原因常被一句"马虎"带过——但粗心和没掌握是两回事,处理方式完全不同。错题雷达面向家长和教师,把错题放进「知识点诊断 → 前置依赖回溯 → 个性化学习路径 → 进度追踪」的闭环里,让不会做题的人也能知道该从哪里补。它不替代教师,只是把「看到错题就焦虑」变成「看到错题有方向」。
核心能力与工作方式
- 错因分类与诊断:调用
scripts/error_classify.py,将错误归入五类(T1知识性 /T2审题性 /T3策略性 /T4计算性 /T5规范性),命中知识点并给出掌握度自评; - 前置依赖回溯:基于
references/knowledge_graph.md的 300+ 知识点(数学 / 物理 / 化学 / 英语语法,跨初高中),沿depends_on链路向上找根因:二次方程不会 → 一元一次方程 → 有理数运算;跨年级搜索让初三的漏洞能回溯到初一; - 补救策略与路径生成:
references/remediation.md内置「生活类比 → 基础巩固 → 变式训练 → 综合应用」四步模板,scripts/learning_path.py按紧迫度 = weight × (6 - depth)生成周计划,高频考点加根因浅的优先; - 进度追踪:
scripts/progress_track.py对比历史与当前数据,看掌握度变化、错因迁移与复发率,输出增量报告; - 家长沟通指引:
references/parental_guide.md提供场景化话术。
通用工作流:识别意图并路由到对应模块 → 确认用户是家长 / 教师(疑似未成年人直接使用则引导找大人)→ 仅使用用户主动提供的数据(OCR 可选,需本机 Tesseract)→ 加载领域知识 → 依次调用脚本分析 → 用 assets/ 模板输出,并按 🔴 / 🟡 / 🟢 标注优先级。
适用边界与注意点
- 遵守"五不原则":不存储身份、不识别身份、不伤害内容、不评分排名、不预测标签;每次输出末尾附带
assets/disclaimer.md; - 数据不落云端:原始错题一次性分析,进度历史由用户本地保管;
- 样本量 N<10 时结果仅算「线索级」,不宜当作可靠诊断;
- 内置补救模板只覆盖二元一次方程组、一元二次方程、因式分解、欧姆定律、化学方程式配平等少量知识点,扩展需在
references/remediation.md补 JSON 条目,无需改代码; - 遇到学习障碍或情绪问题,应建议寻求专业帮助。
使用场景
- 初中家长看到孩子二次方程出错,上传错题文本,要求找出深层前置知识漏洞并生成补习计划。
- 教师面对全班反复出现的计算错误,需要按错因类型统计分布,区分粗心与未掌握。
- 用户通过本地CSV提供两个月学习历史,要求对比错因迁移和复发率,输出个人进步追踪报告。
- 孩子总说马虎,家长需要获取场景化沟通话术,把指责转化为建设性的复习行动。
适合人员
- 辅导作业的K12家长,典型诉求是在不会讲题的情况下,也能定位前置知识点并制定补课顺序。
- K12教师或教培人员,典型诉求是批量分析班级错因分布,为不同类型错误设计针对性巩固方案。
- 关注长期进步而不只看单次分数的家长,典型诉求是通过本地历史数据追踪掌握度变化与错题复发率。
- 教培机构的教研人员,典型诉求是复用现有的错因分类框架与知识点依赖图谱,快速生成个性化讲义。