Card Outline

制卡大纲方法论:从学习材料抽取最小知识单元、决策卡型、切分粒度并排优先级,产出可直接喂给 chatanki_run 的结构化大纲

helixnow d0392b0 1.8 KB Updated

File contents

制卡大纲方法论(card-outline)

本技能沉淀 content-curator 子代理的方法论,也可被主代理直接激活使用。

最小知识单元(Minimum Information Principle)

一个知识单元 = 一个可独立判定对错的事实。切分检验法:

  1. 单问单答:能用一个不含并列连词的问句问出来。
  2. 答案封闭:答案唯一或有限枚举,不是开放式论述。
  3. 出处可溯:能指到材料的具体章节/页码。

不满足任一条 → 继续拆分或放弃入卡。

卡型决策

  • Basic:术语↔定义、因果、对比差异点。定义类默认建议正反双向(term→def、def→term 各一张)。
  • Cloze:陈述句中有天然空位(公式变量、参数值、步骤名、专名)。每卡挖空组 ≤ 3;整句挖空 = 反模式。
  • 多步流程:N 步流程拆成 N 张「第 k 步是什么」或一组顺序 Cloze,禁止单卡背整表。
  • 图形/结构:标注 vlm_light / vlm_full 路由建议,交由 chatanki 管线处理,大纲层不做图像切分。

去重策略

  • 先在大纲内部去重(同义改写合并),再对工作区存量(rag_search / unified_search)标注 dup_risk
  • 去重只标注不删除:删除决策权在父代理/用户。

优先级

P0 = 材料反复强调 + 高遗忘代价(公式、参数、易混点);P1 = 常规考点;P2 = 背景/扩展。生成时建议按 P0→P1 顺序入卡,P2 由用户决定。

输出

统一使用 content-curator.md 中的「输出契约」表格结构:材料概览 → 知识点清单 → 建议 goal 文本 → 风险与遗留。

helixnow/deep-student/tree/main/docs/research/anki-ai-native/agents/skills/card-outline commit d0392b0c35

Frequently asked questions

npx skillmds@latest add helixnow/card-outline