knowledge-capture

知识库捕获与自适应复习系统。触发词：「记住」「记下来」「加入知识库」「这个值得记」「帮我记住」「值得记录」。将对话中的知识点整理成结构化 Markdown 笔记，写入对应分类目录，自动生成题目加入题库（question-bank.json），并更新掌握度状态文件（mastery-status.json）和复习计划。支持答题评分：用户回答复习题后，调用本 skill 评分并更新掌握度，动态调整下次复习时间。

知识库捕获 Skill（含自适应复习机制）

触发场景

场景一：捕获新知识（用户说「记住/记下来」等）

触发词：「记住」「记下来」「加入知识库」「这个值得记」「帮我记住」「值得记录」

场景二：评分更新（用户回答了复习题后）

当用户回复了复习测验的答案时，执行评分 + 更新掌握度流程。

---

知识库路径

根目录：/root/.openclaw/workspace/knowledge/

目录	适用内容
finance/	金融投资、股票、基金、技术指标、经济学
agent/	AI Agent、多 Agent 架构、OpenClaw、Skill 开发
tech/	技术知识、编程、系统架构、算法
product/	产品设计、用户研究、商业分析
misc/	其他

关键文件：

• learning/mastery-status.json — 掌握度状态
• learning/question-bank.json — 题目库
• learning/01-遗忘曲线复习计划.md — 复习时间表

---

场景一：捕获新知识

Step 1：分析内容

• 从对话中提取要记忆的知识点
• 判断分类目录
• 如果不明确，询问「你想记住刚才的哪部分？」

Step 2：生成笔记

按以下结构写笔记：

markdown

# {知识点标题} 速记卡

> 初学日期：YYYY-MM-DD

## 🎯 核心要点
（3-5条最重要的结论，用自己能复述的语言）

## 📖 详细内容
（知识点的完整解释）

## 💡 类比记忆
（用生活化类比，越具体越好）

## 📊 对比表格（如适用）

## ⚡ 一句话总结

## ❓ 自测问题
- [ ] 问题1（level 1，概念识别）
- [ ] 问题2（level 2，类比解释）
- [ ] 问题3（level 3，应用场景）

Step 3：写入文件

knowledge/{分类}/序号-标题.md

Step 4：生成题目加入题库

读取 learning/question-bank.json，为新知识点生成3-5道题，按层级：

• level 1（选择题）：概念识别，有迷惑性选项
• level 2（类比题）：用类比解释概念
• level 3（应用题）：给场景让用户判断决策
• level 4（教学题）：向外行解释（费曼技巧）

题目格式：

json

{
  "id": "{topic_prefix}_{序号}",
  "type": "choice|analogy|apply|teach",
  "level": 1,
  "concept": "概念名",
  "question": "题目",
  "options": ["A. ...", "B. ...", "C. ..."],
  "answer": "B",
  "explanation": "解析"
}

Step 5：更新掌握度状态

在 learning/mastery-status.json 中新增：

json

"{topic名称}": {
  "file": "{分类}/{文件名}",
  "learnDate": "YYYY-MM-DD",
  "reviewCount": 0,
  "lastReviewDate": null,
  "lastScore": null,
  "avgScore": null,
  "status": "new",
  "weakPoints": [],
  "masteredPoints": [],
  "nextReviewDate": "明天日期",
  "reviewHistory": []
}

Step 6：更新复习计划文档

在 learning/01-遗忘曲线复习计划.md 中新增一行，计算6个复习节点：

• 复习节点 = 学习日 + 1/2/4/7/15/30 天

Step 7：反馈用户

告知：笔记路径、题目已加入题库、明天8:00开始第一次测验

---

场景二：答题评分与掌握度更新

触发条件

用户回复了复习测验的答案（包含 Q1/Q2/Q3 的回答，或直接回答题目）。

Step 1：逐题评分（1-5分）

选择题评分：

• 答对 = 4分起步；答对且解释正确 = 5分；答错 = 1-2分

开放题评分标准：

分数	标准
5	准确、完整、能举一反三
4	正确，细节稍有遗漏
3	方向对，细节有误
2	方向错但有部分印象
1	完全想不起来

Step 2：逐题反馈

每道题给出：

• 得分
• 你的回答哪里对、哪里需要补充
• 标准答案（简洁版）
• 记忆技巧提示

Step 3：更新掌握度状态

计算本次平均分，更新 mastery-status.json：

动态调度规则：

平均分	状态变化	下次复习时间
≥ 4.5	reviewing → 拉长间隔	按艾宾浩斯正常节奏
3-4	learning → 维持	明天再来一遍
< 3	退回 learning	明天 + 后天 + 4天（强化）
某题得1分	标记 weakPoint	下次强制出此 concept 的题
连续3次平均≥4	→ mastered	退出高频复习队列

更新字段：

json

{
  "reviewCount": +1,
  "lastReviewDate": "今天",
  "lastScore": 本次平均分,
  "avgScore": 历史平均分,
  "status": "new|learning|reviewing|mastered",
  "weakPoints": ["得分<3的concept"],
  "nextReviewDate": "动态计算",
  "reviewHistory": [{"date": "今天", "score": 分数, "weakPoints": [...]}]
}

Step 4：汇总反馈

发送给用户：

text

📊 本次测验结果

{主题}：{分数}/5分  → {掌握度状态}

Q1 [{concept}]：{分数}分 ✅/⚠️
{简短点评}

Q2 [{concept}]：{分数}分 ✅/⚠️
{简短点评}

Q3 [{concept}]：{分数}分 ✅/⚠️
{简短点评}

---
{掌握度总结}
{下次复习时间}
{如有薄弱点：「{概念}还需要加强，下次会重点考察」}

---

掌握度等级

状态	含义	触发条件
new	未复习	初始状态
learning	学习中	平均分 < 4
reviewing	巩固中	平均分 ≥ 4
mastered	已掌握	连续3次平均分 ≥ 4

---

题目难度层级

Level	类型	描述	对应复习阶段
1	选择题	概念识别	第1-2次
2	类比题	用类比解释	第1-3次
3	应用题	给场景做决策	第2次起
4	教学题	向外行解释（费曼技巧）	第4次起