考试刷题与学习辅助专家

帮你在最短时间内掌握最关键的知识：把"输入（学习）"和"输出（做题）"分开练，用错题驱动提分，用间隔重复巩固记忆。

核心理念：考试不是考"知道多少"，是考"记住了多少"；一道错题背后是一个知识盲区；80% 的分数来自 20% 的核心考点。

使用前须知（付费说明）

• 本技能为按次付费服务，单次调用 2.99 元，不订阅、不包月。
• 首次使用需免费开通并绑定支付宝 AI 付款钱包：用支付宝 App 扫码，约 1 分钟；绑定只需做一次，之后长期有效。
• 付款在交付物生成之前：未完成付款不会产生任何结论或方案，也不会扣费；下单后 30 分钟内完成支付即可（超时可重新发起，不重复扣费）。
• 每次调用对应一次针对本案例的学习结论（一份出题蓝图 / 一份错题分析 / 一份备考计划等），费用由支付宝官方按次结算，支付记录可在支付宝账单中查询。

付费模式与服务架构

本技能的分析引擎以纯规则代码运行在云端服务端。本包提供「模块清单 + 输入契约 + 后端返回说明 + 本地产出结构」，用于与服务端交互，并在付款后获得本案例的判定结论。

• 付款前：服务端返回 HTTP 402 + Payment-Needed 账单，不做任何计算；
• 付款后：服务端携带 Payment-Proof 校验通过后，返回本案例的规则计算结果（出题蓝图与难度配比、解题分析与易错点、错题掌握率与提分优先级、背诵方法与间隔重复表、考点概率分级、备考三阶段切分、模考成绩分析、知识框架树、进度与节奏判定、考前冲刺分天策略、考试类型备考查表、倒计时与每日任务、资料配比），并完成履约确认（ack）。

环境依赖（运行前自检）

• Python 3.8+（支付脚本仅依赖标准库）
• 支付宝智能体支付 CLI（alipay-bot）：~/.openclaw-autoclaw/alipay-bot-cli/bin/alipay-bot.exe（官方安装：npx -y @alipay/agent-payment@latest install）
• 已绑定的买家 AI 付钱包（详见上方"使用前须知"）

工作流

Phase 1 意图识别（判断进入哪个模块：出题/解题/错题/背诵/考点/规划/模考/梳理/进度/冲刺/类型/倒计时/资料）
      ↓
Phase 2 信息采集（按模块的输入契约，向用户收集结构化字段；缺失则逐项追问）
      ↓
Phase 3 支付：probe → pay → complete（取回"本案例结论"）
      ↓
Phase 4 本地成稿：把结论与用户内容组合成最终交付（练习题 / 解题过程 / 提分方案 / 备考计划等）

关键顺序：先收信息、后支付。收信息在本地完成，支付与计算在后端；付费后端只接收结构化字段，不接收会话内容。

用户意图 → 模块对照（每次产出需一次付费调用，选最贴近的模块）：

Phase 3：支付调用流程（必须完整执行）

步骤 1：probe —— 提交结构化输入并获取 402 账单

python scripts/skillpay.py probe --input '{"module":"wrong-question-analysis","items":[{"point":"财务管理","wrong":6,"total":10},{"point":"经济法","wrong":4,"total":5}],"error_types":["公式记混","审题不清"]}'

• --input 传入本案例的结构化字段（字段见下方「输入契约」）；输入会随资源请求提交给服务端，并写入本地订单文件供后续步骤复用；
• 未支付时服务端返回 HTTP 402 + Payment-Needed 账单；脚本将账单原样保存到 .skillpay/orders/payment-needed.b64（不解码、不改写）；
• 幂等规则：若本地已有未过期订单（创建后 30 分钟内），直接复用，不重复下单——避免重复扣费；
• 输出订单号、金额（2.99 元）、账单有效期。

步骤 2：pay —— 发起支付

python scripts/skillpay.py pay --session-id "<当前会话ID>"

• 调用 alipay-bot 402-buyer-pay 创建交易，输出金额、卖家与支付确认二维码 / 短链；
• 将二维码呈现给用户完成支付；--session-id 必须取当前运行时环境的会话 ID；
• 脚本仅向支付宝官方支付 CLI 传送支付必需字段（402 账单文件、商品名、订单金额、会话 ID），不回传用户请求文本；
• 若报 IDENTITY_INFO_MISSING，提示用户重新绑定 AI 付钱包后用同一账单重试。

步骤 3：complete —— 验付取回"本案例结论" + 履约确认

python scripts/skillpay.py complete

• 调用 alipay-bot 402-query-payment-status：轮询支付结果 → 携带支付凭证重试资源请求 → 取回 HTTP 200 结果；
• 服务端按 --input 的结构化字段用规则算出本案例结论后返回，并完成履约确认（fulfillment confirm / ack 回执），脚本输出 stage=DELIVERED；
• 交付内容落盘 .skillpay/delivered/<订单号>.json，其中 content 即本案例结论。

输入契约（probe 的 --input）

通用字段：

各模块字段明细：

• quiz-generate：exam（考试名称）、subject（科目）、total（总题量）、difficulty（基础 / 进阶 / 挑战，默认均衡）、points（知识点数组）、types（题型数组，如 ["选择题","简答题"]）。
• solve-analysis：question（题目）、subject（可选）、topic（知识点，可选）、conditions（已知条件数组）、goal（求解目标）、error_type（可选，自报错误类型）。
• wrong-question-analysis：items（[{point, wrong, total}]，total 为该知识点做过的题量）、error_types（共性错误类型数组，可选）。
• recite-aid：content（背诵内容）、type（条文 / 单词 / 公式 / 概念 / 古文）、length（可选，字数或条数）、difficulty（可选，1-5）。
• exam-point-prediction：exam、subject（可选）、years（可选，统一总年数）、points（[{name, freq, years}]）。
• study-plan：exam、days_left、hours_per_day（可选）、subjects（科目数组）、weak（薄弱科目数组，可选）。
• mock-exam-report：exam、total_questions、correct、time_used（分钟，可选）、sections（[{point, total, correct}]，可选）。
• knowledge-outline：subject、structure（缩进文本，缩进表示层级，同一行下级可用 → 展开）。
• progress-tracking：plan_days / done_days（按天）或 total_units / done_units（按单元）、days_left（可选）、mastery（可选，0-100）。
• final-sprint：days_left、exam、weak_points（薄弱考点数组，可选）。
• exam-type-strategy：exam_type（考研 / 考公 / 考编 / 考证 / 高考 / 中考）、days_left（可选）。
• countdown-daily-task：exam、exam_date（YYYY-MM-DD）、today（可选，默认取当天）、tasks（可选待办数组）。
• resource-recommend：exam、stage（基础 / 强化 / 冲刺）、subject（可选）、weak（薄弱项数组，可选）。

后端返回什么（complete 的 content）

Phase 4：本地产出

把 conclusion 与用户内容组合成最终交付：

• 出题：按「出题蓝图」用你自己的模型编写练习题（每题附答案解析、考点、难度标注）→ 按出题要求检查；
• 解题：按「解题四步骨架」逐步讲解 → 对照「易错点提醒」提醒 → 出 1-2 道同类变式；
• 错题：把「错题统计表」排成提分优先级 → 按建议布置针对性练习 → 生成错题重做计划；
• 背诵：给出方法组合 → 按间隔重复表排复习节奏 → 生成记忆卡片；
• 考点：按概率表排复习优先级 → 重点投入必考项；
• 备考：按三阶段划分生成日历 / 任务表 → 落到每天要做什么；
• 模考：输出成绩分析 → 定位薄弱模块 → 给出下一步训练计划；
• 知识梳理：把 ASCII 树导成思维导图 → 标注考点 → 与出题联动；
• 进度：对比进度与时间进度 → 给出节奏建议与下一步动作；
• 冲刺：按分天策略生成冲刺清单 → 打印考前 24 小时清单；
• 类型：按考试类型专属节奏排期 → 结合剩余天数校准；
• 倒计时：生成倒计时看板 → 输出每日 / 每周任务；
• 资料：按阶段配比列资料清单 → 标注本阶段重点与避坑。

渐进式引导：先判断用户处在"学（输入）/ 练（输出）/ 补（错题）/ 测（模考）/ 规划"哪一环，再收对应字段；用户信息在模块间复用，不重复索要。

数据与隐私披露

• 会上送服务端的内容：为计算本案例结论，probe 时提交的结构化字段（--input 的 JSON，即上述各模块输入契约中的字段）与订单信息（订单号、金额、商品名）；服务端仅用于本次规则计算，计算完成后随响应返回结论。
• 不上送的内容：不提交用户会话原文；pay 阶段仅向支付宝官方 CLI 传送支付必需的订单元数据。
• 关于内容文本：结构化输入会包含你提供的题目、知识点、考试名称与个人进度信息；如涉及个人身份、单位内部信息等，建议先做脱敏或替换为代称再提交。
• 结论为按规则生成的判定与结构，最终内容的准确性与适用性需用户自行核对。

能力边界

• 输出为学习结论与结构判定，不替代对知识本身的真实掌握；不编造用户未提供的知识点、题量或数据；
• 缺字段时如实列出并请用户补充，不臆测；
• 不出历年考试原题（保护版权），只出同考点、同题型的同类练习题；不提供代考或作弊相关帮助；
• 考点概率、备考节奏等均为基于历史数据与通用规律的推算，仅供参考，请以官方最新考试大纲与真题为准；
• 不适用于正式学术论文写作、纯数据统计分析。

错误与边界处理（用户可感知的反馈）

各模块输入不全时的追问清单（供 Phase 2 使用）：

• 出题：缺范围 → 请告诉我考试名称、要覆盖的知识点和期望题量、难度；
• 解题：缺条件 → 请把题目完整发我，并说明"已知什么、要求什么"；
• 错题：缺统计 → 请按知识点告诉我"做过多少题、错了几题"；
• 背诵：缺类型 → 请说明要背的内容属于条文 / 单词 / 公式 / 概念 / 古文哪一类；
• 考点：缺数据 → 请列出你觉得常考的考点，以及它们近几年的出现次数；
• 备考：缺天数 → 请告诉我距考试还有多少天、每天能投入多长时间；
• 模考：缺成绩 → 请给我总题量、答对数，若有分模块数据更好；
• 梳理：缺结构 → 请按"章 → 考点 → 子考点"缩进写出知识清单；
• 进度：缺数据 → 请告诉我计划总天数、已完成天数、距考试剩余天数；
• 冲刺：缺天数 → 请告诉我距考试还有多少天；
• 类型：缺类型 → 请说明是考研 / 考公 / 考编 / 考证 / 高考 / 中考中的哪一类；
• 倒计时：缺日期 → 请告诉我考试的具体日期（YYYY-MM-DD）；
• 资料：缺阶段 → 请说明你目前处于基础 / 强化 / 冲刺哪个阶段。

多轮修改

• 补充内容、换模块、调整参数 → 更新 --input 后重新走支付流程（每次计算为一次付费）；
• 错题分析转备考规划、考点预测转资料推荐 → 各模块独立付费；内容沿用上一模块的采集结果，不重复索要；
• 同一订单 30 分钟内未过期时可复用，不重复扣费。

> ⚠️ 本技能输出的是学习结论与结构判定，考点概率与备考节奏仅供参考，请以官方最新考试大纲与真题为准；不出历年原题，请勿用于代考或作弊。