【免费下载链接】learn-from-materialsTurn PDFs, books and papers into interactive learning webpages将复杂材料转化为可追溯、可测验、可做笔记的学习网页项目地址https://gitcode.com/gh_mirrors/le/learn-from-materials点击查看免费下载你有没有过这种经历书看完了、PDF 刷完了一闭眼却什么都答不上来开源项目learn-from-materials将 PDF、书籍和论文转化为可追溯、可测验的学习网页它的动态自检配合原题优先机制让 AI 逐题考你——材料里自带习题就先考原题没有才动态生成新题且每道题的判分和解析都标注材料出处。本文带你完整拆解这套机制它为什么不在页面上放固定题库、AI 如何决定出哪道题、错题又如何变成你的专属复测卷。动态自检是什么考点蓝图而不是预生成题目传统学习工具喜欢把题目一次性铺在页面上但 learn-from-materials 的“学习自检”模块刻意不做这件事。页面只记录一份自检考点蓝图assessment.focusAreas每个考点包含四要素要素说明考点名称从材料关键知识点穷尽列出不设数量上限所属单元绑定到具体内容单元能力层级记忆、解释、应用、迁移四层真实出处精确到文件、页码或幻灯片发起自检时页面提供“综合全部 / 指定章节或单元 / 自定义要求”三种范围还能选择题量、难度和能力重点。点击复制后得到的是一条结构化口令粘贴回 AI 对话即可开始逐题测验。静态页面不预生成题目还有一个实际好处题库可以随材料里的习题自动更新而页面保持干净。这一要求还被写进了质量门禁——自检考点蓝图缺失时静态校验脚本会直接报错拦截见 scripts/verify_static.py。原题优先路由AI如何决定出原题还是新题这是整个机制最有意思的部分。AI 出题前会静默读取知识库里的question-bank.json然后按四档路由决定出什么题材料中的题库状态AI 的行为✅ 范围内有完整可用原题优先出原题保留题干、选项与官方答案可打乱题序和选项序同步答案映射 原题数量不足先用完不重复的原题再按同一知识点补充生成题⚠️ 只有零散、残缺题目混合路由绝不使用残缺或无法可靠判分的题目❌ 没有题库依据自检考点蓝图动态生成注意“静默”二字整个过程不会向你展示识别结论、置信度或“原题/混合/生成”模式名称AI 开头就直接出第 1 题。规则完整定义在 references/question-bank-routing.md。逐题交互同样有严格约束一次只出一题等待你回答后才判分绝不提前泄露答案判分依据分两类材料明确给出答案的按官方答案判分official仅能依据正文推导的按事实判分且解析中必须如实写“依据正文推导”不得冒充题库官方答案material-derived动态调难根据你的回答实时调整后续题目难度。路由细则还可对照 references/content-contract.md 中的学习自检规则。看不见的题库question-bank.json 里有什么每次建立知识库都会自动生成一份主题.learnkb/question-bank.json作为出题路由的“弹药库”。它有几个反直觉的设计detection只有三档none未检测到、partial零散/不完整、complete完整题库或成套练习confidence表示识别置信度不是答案正确率——别拿它当正确率看识别很克制只有出现可验证的题目结构题干选项、连续试题编号、答案表、解析区、明确的“练习/真题”标题才算题库正文的编号列表、目录、检查清单和普通思考提示都不行宁缺毋滥题干残缺、答案无法核验的题目保留索引但标记usable: false不会硬凑无可靠题库证据时直接输出空数组不强行识别不设题目数量上限也不抽样——读到的题库要全量索引只去除完全重复题。仓库里这份 examples/rsi-methodology.learnkb/question-bank.json 就是“未检测到题库”时的真实记录detection: none、空问题数组干脆利落。错题本与变式复测AI如何记住你的错测验不是考完就散场。结束时 AI 会输出三样东西总评、薄弱知识点、标准错题 JSON用KLA_MISTAKES_JSON标记包裹方便页面提取。把这段记录粘贴回学习页错题就写入了本地错题本结构定义见 references/content-contract.md。错题本的复测设计很讲究支持搜索、按掌握状态筛选、修改状态、删除复制变式复测口令时只提供题目、知识点、单元与出处不提前暴露正确答案复测默认生成变式题而不是照搬原题——避免背题式“假掌握”只有你明确要求重做原题时才复用原题错题、笔记都只保存在当前浏览器的本地存储无账号、无云同步支持 JSON 备份/导入。页面 UI 的完整实现可以在 templates/base.html 看到范围切换、题量/难度/能力重点控件以及口令拼装逻辑。三步上手让AI开始逐题考你第 1 步把 Skill 装进你的 Agent需要 Agent 能读文件、跑本地 Python并识别SKILL.mdgit clone https://gitcode.com/gh_mirrors/le/learn-from-materials.git ~/.claude/skills/learn-from-materials第 2 步在对话中一句指令即可例如“请用 learn-from-materials 系统学习这本 PDF并生成可追溯知识库和学习网页”。产出是一个.learnkb/知识库加一份离线学习 HTML。第 3 步打开页面 → 切到“学习自检”模块 → 选范围、题量、难度 → 复制口令 → 粘贴回对话AI 就开始逐题考你。 模型选择建议来自 SKILL.md基础记忆题和短材料通用模型即可胜任长书、多材料交叉、专业论文和复杂开放题建议长上下文、高推理能力模型——模型弱时不放宽材料边界而是缩小单次范围分批完成。写在最后learn-from-materials 的自检机制本质上回答了一个问题“考你”这件事凭什么可信答案藏在三个细节里——原题优先保证考题来自材料本身、静默路由让过程不打扰你、错题变式复测防止背题式通过。它不替你总结“学会了”而是让 AI 一题一题地验证。想深入协议细节推荐阅读 references/question-bank-routing.md出题路由、references/answer-protocol.md小巴回答协议与 references/content-contract.md内容契约与错题 JSON 结构以及 examples/features-zh.md 中的学习自检示例。赞分享【免费下载链接】learn-from-materialsTurn PDFs, books and papers into interactive learning webpages将复杂材料转化为可追溯、可测验、可做笔记的学习网页项目地址https://gitcode.com/gh_mirrors/le/learn-from-materials点击查看免费下载相关推荐从book-to-skill到Agent Skills规范learn-from-materials开源渊源与生态详解从book to skill到Agent Skills规范learn from materials开源渊源与生态详解 learn from materials系统学习的质量门禁完全清单learn-from-materials 的行动规则账本、原文标题索引与反向覆盖系统学习的质量门禁完全清单learn from materials 的行动规则账本、原文标题索引与反向覆盖 learn from materials 能把书籍6大模块、3套主题与小巴引导learn-from-materials学习页首次使用全解读6大模块、3套主题与小巴引导learn from materials学习页首次使用全解读 如果你把一本 PDF、电子书或论文丢给 AI只得到一堆零散摘要创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
