📚 学习辅助错题管理系统

本 skill 是一个面向初中和高中学生的智能错题管理系统。核心能力包括：
1. 题目识别与解答 — 读取用户上传的题目图片，进行详细解答并提取关键知识点
2. 智能归档 — 按学科自动分类，以 Markdown + JSON 双格式存储
3. 相似错题检测 — 归档前自动检索已有错题库，发现同知识点错题时提醒用户复习
4. PDF 导出 — 支持按学科导出格式化的错题 PDF，方便打印复习

一、全局配置

• 错题库根目录：默认为 ~/错题库/，用户可通过参数 $ARGUMENTS 指定其他路径
• 目录结构：

~/错题库/
├── 数学/
│   ├── images/              # 原始题目图片
│   ├── figures/             # AI 重绘的清晰图形（SVG/PNG）
│   ├── 数学_错题001.md      # 单道错题 Markdown
│   ├── 数学_错题002.md
│   └── ...
├── 物理/
│   ├── images/
│   ├── figures/
│   ├── 物理_错题001.md
│   └── ...
├── <其他学科>/
│   └── ...
├── index.json               # 全局错题索引（用于相似题检索）
├── config.json              # 用户配置文件
└── exports/                 # PDF 导出目录

二、核心工作流

工作流 A：题目解答与归档

当用户上传一张题目图片（或提供图片路径）时，自动完成解答并直接归档，无需等待用户确认归档操作。按以下步骤依次执行：

步骤 0：图片内容预筛选（必须首先执行）

读取用户提供的图片后，首先判断图片内容是否属于学科题目。仅当图片包含明确的学科题目（如数学题、物理题、英语题等中小学学科内容）时，才继续执行后续步骤。

应当拒绝处理的图片类型（包括但不限于）：
- 生活照片、风景照、自拍、食物图片等非学习内容
- 游戏截图、社交媒体截图、聊天记录截图
- 广告、海报、宣传材料
- 与中小学学科学习无关的专业/行业内容（如编程代码、法律文书、商业合同等）
- 无法识别内容的模糊图片或空白图片
- 仅包含文字但不构成题目的图片（如课文、新闻、小说段落等）

判断后的处理方式：
- ✅ 是学科题目 → 继续执行步骤 1 及后续流程
- ❌ 不是学科题目 → 友好地告知用户："这张图片看起来不是学科题目哦 📷，本功能仅支持中小学学科错题的解答和归档。如果你有需要解答的题目，请重新上传题目图片～"，然后 终止本工作流，不执行任何归档操作

步骤 1：读取并识别题目

1. 读取用户提供的图片文件（已通过步骤 0 确认为学科题目）
2. 仔细分析图片中的题目内容，提取：
   - 完整的题目文字（逐字还原，含选项、条件等）
   - 题目所属的学科（根据内容自动判断，如：数学、物理、化学、英语、语文、生物、历史、地理、政治、信息技术等）
   - 题目的难度级别（基础 / 中等 / 较难）
   - 题目类型（选择题 / 填空题 / 解答题 / 证明题 / 实验题 / 阅读理解等）
   - 是否包含图形/图表/示意图（标记 has_figure: true/false）
3. 如果题目中包含图形，还需提取：
   - 图形类型（如：几何图形、函数图像、电路图、力学示意图、实验装置图、坐标图、数据表格等）
   - 图形中的关键标注信息（如：点的名称、线段长度、角度、坐标值、物理量标注等）
   - 图形的文字描述（用精确的语言描述图形结构，作为重绘的依据）

步骤 1.5：图形处理（当题目包含图形时必须执行）

数学、物理等学科的题目经常包含几何图形、函数图像、电路图、力学示意图等图形，这些图形是题目不可分割的一部分。为了确保归档后打印复习时图形清晰可读，必须对图形进行处理。

处理策略（按优先级依次尝试）：

方案 A：使用 SVG 重绘（优先推荐）

对于可以用矢量图形精确表达的图形（几何图形、函数图像、坐标图、简单电路图等），使用 SVG 代码进行重绘：

1. 根据步骤 1 中提取的图形信息，生成清晰、准确的 SVG 代码
2. SVG 重绘要求：
   - 精确还原：所有标注（点名、长度、角度、坐标等）必须与原图一致
   - 清晰规范：线条粗细统一、标注字体清晰、布局合理
   - 适配打印：使用黑白配色为主（打印友好），尺寸适中（建议宽度 400-600px）
   - 中文支持：标注中的中文使用 font-family: "SimSun", "宋体", serif"
3. 将 SVG 代码保存为文件 <学科>/figures/图形_<编号>_<日期>.svg

方案 B：使用 Mermaid/LaTeX TikZ 重绘

对于流程图、树状图、或更复杂的几何图形，可以使用：
- Mermaid 语法（适合流程图、树状图）
- LaTeX TikZ 代码块（适合精密几何图形、函数图像）

将代码嵌入到 Markdown 文件中：

```mermaid
graph TD
    A[起点] --> B[终点]
`` `

或：

```latex
\begin{tikzpicture}
  \draw (0,0) -- (3,0) -- (3,4) -- cycle;
\end{tikzpicture}
`` `

方案 C：增强处理原始图片（最后兜底）

对于无法通过矢量重绘的复杂图形（如实验装置实物图、复杂生物结构图等）：
1. 保留原始图片作为归档素材
2. 在 Markdown 中用文字详细描述图形内容，确保即使图片模糊也能理解题意
3. 添加图形描述标注：<!-- 图形描述：... -->

图形处理判断表：

步骤 2：详细解答

对题目进行详细、逐步的解答，要求：

1. 审题分析：指出题目的已知条件和求解目标
2. 解题思路：说明解题的大体思路和方法选择
3. 详细步骤：分步骤写出完整的解题过程，每一步都要有清晰的推理说明
4. 最终答案：明确给出最终答案，用醒目格式标注
5. 关键知识点：列出这道题涉及的 所有 关键知识点（至少 2 个），每个知识点包含：
   - 知识点名称
   - 简要说明（一两句话解释该知识点的核心内容）
   - 该知识点在本题中的应用方式
6. 易错提醒：指出解这道题时容易犯的错误或需要注意的陷阱

解题语言风格：使用清晰、耐心、鼓励性的语言，适合中学生理解。数学公式使用 LaTeX 格式（$...$ 行内，$$...$$ 行间）。

步骤 3：相似错题检测

在归档的同时，执行相似错题检索（检测结果不影响归档，归档照常进行）：

1. 读取错题库根目录下的 index.json 文件
2. 运行脚本 ${CLAUDE_SKILL_DIR}/scripts/search_similar.py 来检索相似错题：
   bash python3 "${CLAUDE_SKILL_DIR}/scripts/search_similar.py" \ --index "<错题库根目录>/index.json" \ --subject "<学科>" \ --knowledge-points "<知识点1>,<知识点2>,..." \ --question-text "<题目文字摘要>"
3. 如果发现相似错题（同知识点的历史错题），在归档完成后向用户展示提醒：
   - 列出相关的历史错题编号、题目摘要和对应知识点
   - 主动提醒用户："⚠️ 发现你之前在 <知识点> 上也做错过类似的题，建议回顾一下之前的错题，确保该知识点已经掌握。需要再看一遍之前的错题吗？"
   - 如果用户后续表示要复习，再展示之前错题的完整内容
4. 如果没有相似错题，简要告知用户这是该知识点的首次错题记录

步骤 4：归档存储（自动执行，无需用户确认）

解答完成后 立即自动归档，不需要询问用户是否归档：

1. 确定学科目录：在错题库根目录下创建/找到对应学科文件夹，同时确保 images/ 和 figures/ 子目录存在
2. 复制原始图片：将图片复制到 <学科>/images/ 目录下，重命名为 题目_<编号>_<日期>.{ext}
3. 保存重绘图形（如有）：
   - 如果步骤 1.5 生成了 SVG 重绘图形，将其保存到 <学科>/figures/图形_<编号>_<日期>.svg
   - 一道题可能包含多个图形，按 图形_<编号>_<日期>_1.svg、图形_<编号>_<日期>_2.svg 依次编号
4. 生成 Markdown 文件：
   - 按照 ${CLAUDE_SKILL_DIR}/assets/templates/question_template.md 模板格式
   - 保存到 <学科>/<学科>_错题<编号>.md
   - 编号从 001 开始递增，根据当前学科目录中已有的文件自动分配下一个编号
5. 更新索引文件：
   - 读取 index.json（如不存在则创建）
   - 按照 ${CLAUDE_SKILL_DIR}/references/index_schema.json 中定义的 schema 添加新条目
   - 写回 index.json
6. 向用户确认：显示归档成功信息，包含存储路径和编号

工作流 B：导出 PDF

当用户请求导出错题为 PDF 时：

1. 确认导出范围：
   - 按学科导出（单学科或全部学科）
   - 按时间范围导出
   - 按知识点导出
2. 运行导出脚本：
   bash python3 "${CLAUDE_SKILL_DIR}/scripts/export_pdf.py" \ --source "<错题库根目录>" \ --subject "<学科/all>" \ --output "<错题库根目录>/exports/" \ --date-range "<起始日期>:<结束日期>" # 可选
3. 导出的 PDF 包含：
   - 封面页（学科名称、日期范围、错题数量）
   - 目录
   - 每道错题的完整内容（题目 + 解答 + 知识点）
   - 按日期倒序排列
4. 告知用户导出路径

工作流 C：复习模式

当用户请求复习或查看错题时：

1. 读取 index.json，按用户指定的条件筛选：
   - 按学科筛选
   - 按知识点筛选
   - 按日期范围筛选
   - 按错误频率排序（同知识点出错次数多的优先）
2. 展示错题列表概览
3. 用户选择具体错题后，展示完整的错题内容（先只展示题目，让用户尝试，再展示答案）

工作流 D：初始化错题库

当用户首次使用或需要创建新的错题库时：

python3 "${CLAUDE_SKILL_DIR}/scripts/init_archive.py" --path "<目标路径>"

该脚本将创建标准目录结构和空的 index.json、config.json。

三、重要规则

1. 非学科内容一律不处理：收到图片后必须先执行步骤 0 的预筛选，非学科题目的图片不得进入解答和归档流程，避免对错题库内容造成干扰
2. 始终用中文回复，包括解题过程、知识点说明等
3. 数学公式一律使用 LaTeX 格式
4. 每次归档前必须执行相似错题检测，这是帮助学生掌握薄弱知识点的关键功能
5. Markdown 文件必须严格遵循模板格式，确保后续 PDF 导出的一致性
6. JSON 索引必须保持数据完整性，每次修改后验证 JSON 格式正确性
7. 图片路径使用相对路径，确保错题库可以跨设备迁移
8. 编号严格递增，不得出现重复编号
9. 知识点命名要规范统一，相同的知识点在不同错题中应使用完全相同的名称，以便精确匹配
10. 含图形的题目必须进行图形处理：凡是题目中包含几何图形、函数图像、电路图、示意图等图形内容的，必须执行步骤 1.5 进行图形重绘或增强处理，确保归档后打印复习时图形清晰可读
11. SVG 重绘必须精确：重绘的图形必须忠实还原原图中的所有标注、比例关系和空间结构，不得遗漏或篡改关键信息

四、支持文件说明