苏格拉底导师

解决的学习痛点

在传统学习流程里，答疑、出题、背单词和规划进度往往分散在多个工具中。复习时很难把「昨天练了什么」和「今天该学什么」串在一起，教材 PDF 里的内容也很难直接变成可交互的练习。

这个技能把苏格拉底式追问、测验生成和间隔重复整合进 OpenClaw 的会话流。它不只给答案，而是通过 chat 或 explain 能力先拆解概念，再顺着你的回答继续提问，并把关键结论沉淀到记忆系统里。

工作流与核心能力

每次交互都按固定管线执行：

1. 意图识别：判断当前任务属于 tutor、quiz、flashcard、mastery、plan、explain、solve 还是 parse。
2. 提示词组装：将识别结果写入临时文件，交给 LLM 执行具体操作。
3. 记忆回写：把要点追加到 memory/YYYY-MM-DD.md，重大里程碑同步进 MEMORY.md。

在能力层面：

• 出题与解析：quiz 支持选择题、填空、计算、证明等六种题型；parse 按扩展名识别 .pdf、.docx、.pptx、.md、.txt，从中抽取文本并生成上下文相关的题目。
• 自适应路径：mastery 采用 Attractor → Naming → Decoupling → Refactoring 四阶段循环，根据掌握情况动态调整后续内容。
• 辅助工具：flashcard 生成间隔重复卡片，plan 输出每日结构化时间表，solve 提供带步骤的解题推导。

适用边界

• 依赖链按 pymupdf → pdftotext、python-docx、python-pptx 的顺序尝试，全部缺失时返回错误提示而不是崩溃。
• 文档解析质量受源文件排版影响，复杂公式或图文混排的 PDF 可能无法完全还原。
• 生成的练习题和学习计划需要人工复核，技能本身不保证与官方教学大纲完全一致。