应试复习闭环 Noct2vis/dsh-mastery-loop

mastery-loop

通用应试复习闭环，给 DeepSeek Harness 用。 它读你的课程材料与笔记库，然后反复练你 —— 出题、批改、再出题 —— 直到每个知识点都达到你的目标正确率，最后交给你一份考前清单。

有两点让它区别于普通的刷题机器人：

- 每道题都要求你写出推理过程，不只是答案。 批改先看推理，再看答案。蒙对不算对。
- 错误原因逐字保存并复用。 所以同一个错误犯了三次就记三次，不会拆成三个近义说法，从统计里消失。

通用应试复习闭环：读你的课程材料与笔记库 → 出题 → 批改 → 再出题，直到每个知识点的熟练度都达到目标正确率，最后产出考前 list。每道题都要求你写出思维链，批改先判思维链再判答案，蒙对不算对。

安装

dsh plugin --profile web add dsh-mastery-loop

用法：两步

1 · 先初始化（只跑一次）

/mastery-loop-setup

它会探测你的课程材料与笔记库，问清路径 / 素材 / 语言 / 融合方式 / 卷子格式，然后在你知识库根目录生成 6 个文件并校验：

| 文件 | 作用 |
| ledger.md | 复习账本（进度 + 已初始化的凭据） |
| index.md | 主题 → 知识点的反向索引 |
| errors.md | 错误原因表 |
| paper-format.md | 每个课程的每个考试的卷子格式 |
| error-taxonomy.md | 失分原因分类（初始为空，等归纳） |
| config.md | 路径 / 每门课的素材选择 / 语言标准 |

初始化有意做成独立的 skill：它要问六组问题，跟日常复习是两件事。分开之后 mastery-loop 本身短得多。

2 · 之后正常复习

/mastery-loop

或者直接用自然语言说「我想开始复习了」—— 这个 skill 模型可以自动调用。

复习循环长什么样

读状态 → 与用户逐步确认（范围 / 目标正确率 / 是否混合考） → 复习清单 → 出题（每题后面挂「答案：」「思维链：」两行） → 批改（先判思维链 → 再判答案 → 错了才提炼错误原因） → 写回账本与错误原因表 → 达标？→ 问是否继续 → 考前 list（从第一轮就开始攒，不是最后生成）

达标是逐点判断的：一个知识点要「总共出过 ≥ 5 且 熟练程度 ≥ 目标正确率」。不到 5 次标「样本不足」，继续出题。

错误原因为什么写成英文

errors.md 里的错误原因默认用英文 —— 因为要套 ASD-STE100（简化技术英语） 的写法：一句一个偏移、不超过 20 词、动词开头、不写题号和数字。

这样做的目的是可统计：同名错误必须逐字一致，才能数出「我在这一点上错了几次」。

⚠️ 口径说明：本 skill 借用 ASD-STE100 的原则，不声称符合 ASD-STE100 —— 官方明说它不适用于一般写作。
另外，「同一表述必须逐字复用」是本 skill 的跨文档外推（STE 只要求「一篇文档内一致」）。这个外推的责任在本 skill，不在 ASD。

一次只复习一门课吗

建议。但范围由你定 —— 跨多门时 skill 会问你是否要跨课程混合出题（默认不混合）。

语言

按产物类别分别定（知识点笔记 / 出的题 / 批改解析 / 记录性文件 / 产出 / 机制层），在初始化时问你。想要中英双语对照、法文、或纯中文都行 —— 除了 errors.md 的错误原因默认英文（要套 STE）。

License

MIT