cram-engine
期末速成引擎——一个懂学习科学的 AI 老师。基于认知负荷理论、精细加工、生成效应、检索练习,通过拆解→讲授→检题→补漏四阶段流水线,把课程重点变成交互式高效学习会话。一行命令启动,拯救大学生期末。
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Badge for your README
Markdown
[](/listings/liuliu667--cram-engine)HTML
<a href="/listings/liuliu667--cram-engine"><img src="/api/listings/liuliu667--cram-engine/badge.svg" alt="findsafeskills safety rating" /></a>Install
Install instructions from the README
As written by the repo's author. findsafeskills has not verified these steps.
将下面的安装命令复制到你使用的 AI 工具对话框中,发送并让它帮你完成安装:
npx skills add https://github.com/liuliu667/cram-engine --skill cram-engine
按 AI 工具的提示完成安装后,就可以在对话中开始复习。
例如,复习「组织行为学」时,可以在 AI 对话框中发送:
> 使用 cram-engine,帮我期末速成组织行为学。
把示例中的「组织行为学」换成你的课程名即可。正常启动后,会依次询问课程、教材与考试范围等信息。
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
SKILL.md · Manifest · 193 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- ---
- name: cram-engine
- description: 期末速成引擎——一个懂学习科学的 AI 老师。基于认知负荷理论、精细加工、生成效应、检索练习,通过拆解→讲授→检题→补漏四阶段流水线,把课程重点变成交互式高效学习会话。一行命令启动,拯救大学生期末。
- ---
- # 期末速成引擎 (Cram Engine)
- 期末速成学习工具。基于学习科学原理(认知负荷理论、精细加工、生成效应、检索练习),通过四阶段流水线将课程重点转化为个性化高效学习会话。
- ## 触发条件
- 当用户提到以下任一情况时使用此 skill:
- - 期末速成、期末复习、考试冲刺、考前突击
- - 使用 `/cram` 命令
- - 明确表示要在短时间内备考某门大学课程
- - 提到"帮我速成XX课"
- ## 命令
- | 命令 | 行为 |
- |------|------|
- | `/cram <课程名> start` | 从阶段1开始完整学习流程 |
- | `/cram <课程名> resume` | 从进度文件中断处继续 |
- | `/cram <课程名> status` | 显示当前进度摘要(当前阶段、已学/未学知识点、错题数、顽固点数) |
- | `/cram <课程名> retry <知识点>` | 对指定知识点重新执行阶段2-3-4微型流程:重讲(四步教学)→ 重测(2道新题,至少一道题型不同于原题)→ 补漏(答错则诊断+换讲法+重测+顽固判定)。结果追加到进度文件,不覆盖原记录 |
- | `/cram <课程名> summary` | 输出考前清单:must_know 考点掌握状态(✅已掌握 / ⚠️顽固点 / ❌ 未纠正)、顽固点汇总、建议考前复习的知识点列表 |
- ## 文件路径约定
- 引擎文件(阶段指令、配置模板)位于本 SKILL.md 所在目录:
- - 阶段指令:`<skill_dir>/stages/`
- - 配置模板:`<skill_dir>/configs/`
- 用户数据(个人课程配置、学习进度)存储在用户主目录下:
- - 课程配置:`~/.cram-engine/configs/<课程名>.yaml`
- - 进度文件:`~/.cram-engine/progress/<课程名>-progress.md`
- - 首次使用时自动创建 `~/.cram-engine/` 目录结构
- > `<skill_dir>` 指当前加载的本 `SKILL.md` 所在目录,阶段指令与配置模板均相对于该目录定位。
- ## 工作流程
- 此 skill 执行四个阶段的流水线。**关键原则:每次只让模型执行一个清晰任务,不要合并阶段。**
- ### 启动前检查
- 1. 确定引擎文件路径(`<skill_dir>/stages/`)
- 2. 检查用户是否已有 `~/.cram-engine/configs/<课程名>.yaml`
- 3. 如果配置存在 → 解析 `course`、`must_know`、`key_points`、`exam_types`、`materials`、`preferences`,直接进入阶段1
- 4. 如果配置不存在 → 执行下方「配置创建流程」
- 5. 确保 `~/.cram-engine/progress/` 目录存在
- #### 配置创建流程
- 按以下步骤依次提问,每次只问一个问题。用户回答后进入下一步。
- ```
- 📋 第一次使用,需要先创建课程配置。回答下面几个问题:
- ① 课程名称?
- ② 使用什么教材?
- 引擎会在教学中使用该教材的术语和概念框架,从而更贴近你的课堂表述。
- 没有教材的话,回车跳过就行。
- ③ 有复习资料吗?
- 有 .txt 或 .md 格式的笔记,可以直接粘贴内容,也可以给文件路径。
- 不接受 PDF、Word、PPT、图片。
- 引擎会从中提取老师使用的术语和侧重点,融入教学。
- 没有就回车跳过。
- ④ 考试有哪些题型?
- 用你自己的话描述,老师说的是什么就写什么。
- ⑤ 列出要考的知识点,每行一个。
- 直接打字,或者从其他地方复制粘贴。如果知识点在 PDF、Word 里,
- 复制粘贴过来就行。也可以给 .txt 或 .md 文件路径。
- ⑥ 以上共 N 个知识点。哪些是老师反复强调或明确说过会考的?
- 回复编号就行,比如:1, 3-5。没有就回"没有"。
- ⑦ 其他知识点里,有没有你自己觉得需要重点掌握的?
- 有就标编号,没有就回车跳过。
- ```
- 所有问题回答完毕后,将收集的信息整理为课程配置 YAML,写入 `~/.cram-engine/configs/<课程名>.yaml`。
- 课程配置的 `preferences` 使用以下默认值(用户无需手动填写):
- ```yaml
- preferences:
- language: 中文
- tone: 先给一句话核心结论再展开,拒绝学术黑话
- teaching_methods:
- - concrete_first
- - chunking
- - elaboration
- - generation
- memory_hooks:
- - acronym
- - contrast_table
- - absurd_example
- exam_tactics:
- - keyword_mining
- - trap_awareness
- - framework_building
- example_domains:
- - 大学社团/学生会
- - 小组作业与合作冲突
- - 宿舍矛盾
- - 实习/兼职
- - 选课与绩点博弈
- pacing:
- check_in_frequency: every_3_points
- reteach_trigger: "再讲一遍"
- ```
- ### 阶段1:拆解知识点树
- 1. 读取 `<skill_dir>/stages/stage1-deconstruct.md` 获取系统指令模板
- 2. 将课程配置中的 `must_know` 和 `key_points` 填入系统指令
- 3. 调用模型,执行拆解
- 4. 将输出写入进度文件 `~/.cram-engine/progress/<课程名>-progress.md`
- 5. 展示知识点总数、must_know 和 key_point 分布,等待用户确认:
- - 回车 → 全部按序进入阶段2
- - "先攻 must_know" → 只学核心考点,其余跳过
- - 指定编号(如"跳过 9, 10, 13")→ 移除对应知识点
- - 如果要移除 must_know 考点,先警告再执行
- 6. 确认后进入阶段2
- ### 阶段2:讲授(逐个知识点)
- 1. 读取 `<skill_dir>/stages/stage2-teach.md` 获取完整系统指令
- 2. 读取进度文件,找到第一个未标记完成的知识点
- 3. 以该系统指令 + 当前知识点内容调用模型
- 4. 严格按4步认知策略执行:concrete first → chunking → elaboration → generation
- 5. 根据知识点的 hook 类型附加记忆强化(口诀/对比表/荒诞场景)
- 6. 讲完后更新进度文件中该知识点为已完成
- 7. 继续下一个知识点
- 8. **每讲完3个知识点**:暂停,展示已学清单,问用户节奏(继续/加速/减速/跳过)
- 9. **must_know 全部讲完后**:展示里程碑提示("核心考点全部讲完,还剩 N 个扩展知识点"),用户可说"跳过"直接进阶段3
- 10. 全部讲完后进入阶段3
- 用户的 pacing 偏好来自课程配置:
- - 用户说"再讲一遍"→ 换场景/换例子/换角度重讲(不重复原话)
- - 用户说"继续"→ 正常节奏
- - 用户说"加速"→ 精简版(跳过 generation 步骤)
- - 用户说"减速"→ 每个点多配一个例子
- - 用户说"跳过"→ 停止阶段2,直接进入阶段3。跳过的知识点在阶段3仍按分级策略出题
- ### 阶段3:检题(按题型适配)
- 1. 读取 `<skill_dir>/stages/stage3-test.md` 获取出题策略和四种子模式的系统指令
- 2. **题型映射**(根据用户配置的 exam_types,匹配到对应子模式):
- - 题型含"选择""判断" → 子模式 A
- - 题型含"案例" → 子模式 B
- - 题型含"情景""应用" → 子模式 C
- - 其他题型(名词解释、简答、论述、辨析、填空等) → 子模式 D
- 3. **出题策略**(不用模型,由你直接控制):
- - must_know 考点:每种 exam_types 中的题型全覆盖
- - key_points 考点:每点随机1-2种题型,优先选择题+情景题
- - 如果 must_know 为空:全部考点按 key_point 处理
- 4. 按子模式依次调用模型出题
- 5. 用户答完后逐题批改:
- - 正常题:标注对错 + 1句话解析
- - 陷阱题:额外揭晓陷阱逻辑
- 6. 记录:答错的知识点、答对但用户追问了"为什么"的知识点
- 7. 更新进度文件
- 8. 判断是否进入阶段4
- ### 阶段4:闭环补漏
- 1. 读取 `<skill_dir>/stages/stage4-remediate.md` 获取系统指令
- 2. 只处理阶段3中出错或不确定的知识点
- 3. 每个错误知识点执行:诊断根因 → 换讲法 → 重测 → 顽固判定
- 4. must_know 答错的考点:额外多出3道新题
- 5. 二次错误的标记为"顽固点",建议明天再攻(不继续死磕)
- 6. 全部处理后输出总结:已纠正数、顽固点清单、must_know 考点掌握状态
- 7. 最终更新进度文件
- ### 交互风格
- - 讲解风格和例子坐标系严格遵循课程配置中的 `preferences`
- - 分阶段输出,每个阶段开始前告知用户当前阶段名称和目的
- - 错误时不自责、不废话,直接进入纠错流程
- - 进度文件始终保持最新状态
- ## 设计原则
- - 每次只让模型执行一个清晰任务,避免巨型 System Prompt 导致的指令遵循度衰减
- - 学习科学策略体现在流程设计中(阶段顺序、暂停检查、检索练习),而非依赖模型自行理解
- - must_know 考点在所有题型中全覆盖,key_points 抽样覆盖以节省时间
- - 顽固点不持续死磕——认知科学表明间隔练习比集中死磕更有效
README.md · README · 233 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- <p align="center">
- <br>
- <samp>🎓</samp>
- </p>
- <h1 align="center">期末速成引擎</h1>
- <p align="center">
- <em>考前一周还在女娲补天?Cram Engine 直接把重点考点嚼碎了喂你,想挂科都难!🔥</em>
- </p>
- <p align="center">
- <samp>❶ 拆解</samp> ·
- <samp>❷ 讲授</samp> ·
- <samp>❸ 检题</samp> ·
- <samp>❹ 补漏</samp>
- </p>
- <p align="center">
- <a href="https://github.com/liuliu667/cram-engine"><img src="https://img.shields.io/badge/GitHub-cram--engine-black?logo=github" alt="GitHub"></a>
- <a href="LICENSE"><img src="https://img.shields.io/badge/license-MIT-blue" alt="License"></a>
- </p>
- <p align="center">Agent Skill · 开源免费</p>
- <p align="center">
- <a href="#安装">安装</a> ·
- <a href="#适合什么课">适用范围</a> ·
- <a href="#四个阶段">四阶段</a> ·
- <a href="#怎么用">使用指南</a> ·
- <a href="#常见问题">常见问题</a>
- </p>
- ---
- 一个帮大学生在考前一两周内快速消化重点、考点并真正会用、避免挂科的 Skill。
- 对大学生来说,期末考前一两周突击是常态。麻烦的不是没资料,是有了资料之后只靠自己根本来不及:得先把零散的考点组织成结构,再逐个理解,然后找办法检验——这三件事光靠翻书和看笔记根本跑不完。
- Cram Engine 所做的就是帮你快快快速跑完这条路。底层用了六条在学习科学里被反复验证过的原理——认知负荷控制、精细加工、生成效应、检索练习、间隔效应、元认知监控——通过一套完善的四阶段流水线,把课程重点变成一节一节有人带着你学的交互式课程。
- 你只需要告诉它:课程名、用什么教材、有什么题型、老师划了哪些重点。剩下的事它来跑。
- ## 安装
- 将下面的安装命令复制到你使用的 AI 工具对话框中,发送并让它帮你完成安装:
- ```
- npx skills add https://github.com/liuliu667/cram-engine --skill cram-engine
- ```
- 按 AI 工具的提示完成安装后,就可以在对话中开始复习。
- 例如,复习「组织行为学」时,可以在 AI 对话框中发送:
- > 使用 cram-engine,帮我期末速成组织行为学。
- 把示例中的「组织行为学」换成你的课程名即可。正常启动后,会依次询问课程、教材与考试范围等信息。
- ## 适合什么课
- 引擎解决的核心问题是:**知识量大、结构复杂、需要理解记忆,但靠自己整理效率太低**。跟文理科无关,跟这门课的实际考核方式有关。翻一下往年卷子,名解+简答+论述占 60% 以上就能用;计算+推导占 60% 以上就专心刷题。
- **✅ 典型适用**
- 期末以名词解释、简答、论述、概念辨析为主的课——得分关键是体系清楚、记得住。
- | 学科 | 举例 |
- |------|------|
- | 经管 / 文史哲 / 法学 / 教育学 | 全部概念类课程 |
- | 医学 | 解剖学、生理学、病理学、药理学、医学微生物学、医学免疫学、生物化学(概念部分) |
- | 计算机 | 计算机网络、操作系统、计算机组成原理、数据结构(概念部分) |
- | 电子 / 通信 | 通信原理、信号与系统(性质与变换对比)、数字逻辑(概念部分) |
- | 其他工科 | 工程经济学、材料科学基础(概念部分) |
- **⚠️ 概念+计算混合型**
- 引擎梳理概念框架、对比易混点、整理论述素材。计算大题仍需自己动手刷题。
- | 学科 | 举例 |
- |------|------|
- | 财会 / 金融 | ACCA SBL、经济法、财务管理(概念部分) |
- | 工科 | 模电、自动控制原理、材料力学、电磁场 |
- | 理科 | 大学物理、物理化学 |
- **❌ 不适用**
- 考试以计算、推导、画图、编程为主要题型,依赖反复训练形成熟练度,不是理解就能得分的课。
- | 类型 | 举例 |
- |------|------|
- | 纯数学 | 高数、概率论、线性代数、计量经济学 |
- | 计算+画图主导 | 数电、结构力学、流体力学 |
- | 专业计算型 | ACCA FR / PM 等强计算会计科目 |
- | 编程 / 设计 | 以写代码或交作品为主的课 |
- 另外得说实话,引擎效果取决于你给的重点与考点质量。如果你完全不知道老师会考什么,它会退化成普通 AI 问答。期末速成的前提没变——你得先有一个考试范围。
- ## 四个阶段
- **阶段 1 · 拆解**
- 把考点列表拆成知识树。每个知识点大约五分钟能讲完,按逻辑顺序排好——概念 → 属性 → 关联 → 应用 → 局限。顺手标注记忆钩子类型:能编口诀的、容易混淆的、抽象需要荒诞场景锚定的。拆完展示总数和必考点分布,等你确认。你可以回车全讲、先攻必考点,或者跳过某些编号。
- **阶段 2 · 讲授**
- 一个知识点一个知识点讲。但从来不从定义开始。
- 先扔一个你熟悉的场景——"你在小组作业里拼命干,因为你觉得努力能拿高分"——然后告诉你弗鲁姆管这个叫期望理论。核心内容拆成不超过三块,逐块讲,每块讲完停下来确认你懂了。接着追问"这跟你刚学的马斯洛需求层次有什么关系",等你回应再纠正。最后核心定义不直接给,反问"你自己用一句话试试总结",对照标准答案指出遗漏的部分。
- 每讲完三个知识点暂停一次。你可以正常继续、加速、减速、要它换场景重讲一遍,也可以说"跳过"直接进检题。说跳过不代表逃考——跳过的点在阶段 3 依然会按分级策略出题,不会的到阶段 4 补。
- 核心考点全部讲完之后弹出里程碑提示,可以在这里直接进检题。
- **阶段 3 · 检题**
- 按老师说的真实题型出。必考点在所有题型中全覆盖,扩展点抽样覆盖。
- 四种子模式自动匹配题型:
- | 子模式 | 覆盖题型 | 怎么批 |
- |--------|---------|--------|
- | A | 选择、判断 | 逐题对错 + 一句话解析。陷阱题额外揭晓混淆逻辑——干扰项全来自同一门课其他知识点 |
- | B | 案例分析 | 踩分点清单逐项对照,识别理论 → 解释机制 → 给建议 |
- | C | 情景知识应用 | 先评理论识别对不对,再评分析逻辑自不自洽 |
- | D | 名词解释、简答、论述、辨析、填空等 | 对照内部答案逐项核对,指出遗漏 |
- 如果用户配置的题型不在上述范围内,引擎根据题型名称自动判断出题方式。
- **阶段 4 · 补漏**
- 只处理做错的点。不把原话再讲一遍。
- 先诊断根因,四类里选一种:概念搞混了?逻辑理解反了?关键术语没记住?还是理论懂了但不会往场景里用?
- 针对原因换讲法:混淆给对比表,偏差给极端反例,遗忘换一种记忆钩子,迁移失败丢一个新场景再练。然后重测。过了就是纠正完成。
- 第二次还错的标为顽固点,建议隔一天再攻。不是放弃——认知科学的结论是间隔学习比当场死磕有效得多。
- 整个过程进度自动保存。关掉终端随时走,下次回来接着来。
- ## 怎么用
- 安装完成后,在同一项目的 AI 对话框中发送学习请求(见上方示例)。首次使用引擎不会让你手写配置文件——依次回答七个问题,答完自动生成配置:
- 1. 课程名称
- 2. 使用什么教材?(没有就跳过)
- 3. 有复习资料吗?(.txt / .md,没有就跳过)
- 4. 考试有哪些题型?
- 5. 列出要考的知识点,每行一个
- 6. 以上哪些是老师反复强调或说过会考的?(回复编号,如 1, 3-5)
- 7. 其他知识点里,有没有你自己觉得需要加强的?(回复编号)
- 其中最后两个问题是引擎的核心分档机制——它们把知识点分为「必考点」和「扩展点」两层,这个双层优先级贯穿全部四个阶段:必考点在讲授阶段优先覆盖、检题阶段所有题型全覆盖、补漏阶段答错多测;扩展点则抽样覆盖以节省时间。引擎在有限时间内把火力集中在最可能考的内容上,而不是对所有知识点平均用力。
- 配置生成后确认知识树,跟着走就行。
- 中间随时可以在对话中发送「使用 cram-engine,继续上次的【课程名】复习」,从断点继续。将【课程名】替换为你的课程名即可。所有进度数据用纯文本存在你自己电脑上。
- ### 流程操作示例
- 将【课程名】和【知识点】替换为实际内容后,在 AI 对话框中发送:
- | 操作 | 输入示例 | 作用 |
- |------|----------|------|
- | 开始 | 使用 cram-engine,帮我期末速成【课程名】,从头开始。 | 从头开始完整学习 |
- | 继续 | 使用 cram-engine,继续上次的【课程名】复习。 | 从断点继续 |
- | 状态 | 使用 cram-engine,查看【课程名】的学习进度。 | 查看当前阶段、已学/未学数、错题数、顽固点数 |
- | 重学 | 使用 cram-engine,重新讲解、检测并补漏【课程名】中的【知识点】。 | 对指定知识点重新执行讲→测→补微型闭环,结果追加到进度 |
- | 总结 | 使用 cram-engine,生成【课程名】的考前复习总结。 | 输出必考点掌握状态、顽固点清单、考前复习建议 |
- ### 学习过程中
- | 你说 | 引擎反应 |
- |------|---------|
- | 继续 | 正常节奏 |
- | 加速 | 精简版,更快覆盖 |
- | 减速 | 每个点多配一个例子 |
- | 跳过 | 停止当前讲授,直接进阶段 3 |
- | 再讲一遍 | 换场景、换角度,不重复原话 |
- ## 内置的学习科学原理
- 这些不是贴在主页的装饰词,每个都对应引擎的具体行为:
- | 原理 | 在哪体现 |
- |------|---------|
- | 认知负荷控制 | 阶段 1 先拆知识树,阶段 2 每次只讲一个、每个不超过三块 |
- | 精细加工 | 阶段 2 讲完追问"这跟你刚学的 X 有什么关系" |
- | 生成效应 | 阶段 2 核心定义不直接给,先让你试总结再对照纠正 |
- | 检索练习 | 阶段 3 是必过环节,学完马上考 |
- | 间隔效应 | 顽固点不在当场死磕,标出来隔天再攻 |
- | 元认知监控 | 每三个点暂停问节奏,检题后区分真错和猜对 |
- ## 常见问题
- **没有老师划的重点怎么办?**
- 至少需要考点列表——可以是教材目录里你认为重要的章节标题,或学长笔记里的要点。质量越好效果越好,有个框架就能跑。
- **题型和知识点需要一一对应吗?**
- 不需要。引擎的工作方式就是 exam_types 只管"有哪些题型",不绑定到具体考点。必考点在所有题型全覆盖,扩展点抽样覆盖。
- **换电脑了怎么继续?**
- 把 `~/.cram-engine/` 目录复制到新电脑。进度文件就是纯文本 markdown。
- **想调整教学风格?**
- 编辑 `~/.cram-engine/configs/<课程名>.yaml` 里的 preferences 部分,可以改讲解语言、例子场景、节奏频率。想改阶段指令本身,直接编辑 `stages/` 下对应文件。
- ## 文件结构
- ```
- cram-engine/
- ├── SKILL.md # Skill 定义
- ├── stages/ # 四个阶段的系统指令
- │ ├── stage1-deconstruct.md # 拆解知识点树
- │ ├── stage2-teach.md # 四步教学策略
- │ ├── stage3-test.md # 四种题型子模式
- │ └── stage4-remediate.md # 诊断 → 换讲法 → 重测 → 顽固判定
- ├── configs/
- │ └── example.yaml # 课程配置模板
- ├── assets/ # 架构图与演示相关
- ├── design-spec.md # 完整设计文档
- ├── LICENSE # MIT
- └── README.md
- ```
- ## 许可
- MIT License
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.