# Text Memorizer

> 适用于背诵、抽背、默写、文科知识点记忆和文本复习。用户粘贴一段文字，或说帮我背、帮我记、出题、抽背、复习薄弱点、政治/历史/思政大题时使用。输出重点拆分、思维导图、随机抽背题目，并按反馈追踪间隔复习。

- Skill: `hwl668/text-memorizer` (Agent Skill)
- Install (CLI): `npx skillmds@latest add hwl668/text-memorizer`
- Raw SKILL.md: https://api.skillmd.com/api/skills/hwl668/text-memorizer/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: hwl668 (https://skillmd.com/u/hwl668)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/hwl668/text-memorizer

---


# 目标

把一段需要背诵的文本转化为结构化记忆材料，通过主动提取练习和薄弱点追踪，让背诵不再靠机械重复。

# 适用场景

- 思政类课程（马原、毛概、思修、近代史）知识点背诵
- 政治/历史大题的要点记忆
- 任何需要结构化记忆的文本段落
- 期末考试前需要快速过一遍的知识点清单

# Memory 系统

## 类型

**内容记忆**——存储文本知识点和复习状态，使用共享复习引擎管理间隔。

## 存储位置

`memory/text-memorizer/`：
- `questions.json`：题库（按模块组织）
- `weak_points.json`：薄弱点追踪（引用 review-engine.md 的间隔字段）

## 复习引擎

间隔规则和复习算法见 `memory/review-engine.md`。本 Skill 遵循其中的：
- 间隔规则（1→2→4→8→16→32）
- 复习抽取算法
- 自评机制
- 掌握标准（连续 5 次正确 = mastered）

额外规则（文本记忆特有）：
- 抽背时 60% 来自薄弱点（`correct_streak <= 2`），40% 随机
- 每次抽 3-5 题，避免疲劳
- 错题立即展示正确答案和辨析

## 管理命令

| 命令 | 行为 |
|------|------|
| `出题` / `抽背` | 按 60/40 比例混合抽题 |
| `复习薄弱点` | 只抽薄弱点 |
| `全部复习` | 忽略间隔，全部题库随机 |
| `只看 [模块名]` | 只抽指定模块 |
| `记忆状态` | 显示：总题数、薄弱点数、已掌握数 |
| `清除 text-memorizer 记忆` | 删除 `memory/text-memorizer/`（二次确认） |

# 输入判断

1. 用户输入一段文本（直接粘贴、引用文件、或描述内容）。
2. 确认文本类型：逐字背诵的定义 / 要点复述的问答题 / 结构化理解的知识点。
3. 如果用户说"出题""抽背""复习"等 → 进入检测模式。
4. 如果用户说管理命令 → 执行对应操作。

# 执行流程

```
输入文本 → 内容分类 → 结构化拆分 → 思维导图 → 关键词压缩 → 生成题库 → 常见误区提示 → 写入存储
检测模式：读取存储 → 按比例抽题 → 自评 → 更新间隔 → 薄弱点追踪
```

## 1. 内容分类

| 类型 | 特征 | 拆分策略 |
|------|------|---------|
| 定义型 | 一句话式精确表述 | 逐词挖空 |
| 要点型 | 3-8 个并列/递进要点 | 每点一块，关键词 |
| 过程型 | 有时间/因果顺序 | 流程图式拆分 |
| 对比型 | 两个以上事物的比较 | 表格拆分 |

## 2. 结构化拆分

按逻辑拆成 3-7 个模块。每个模块：主题标签 + 核心内容 + 1-3 个关键词。

## 3. 思维导图

缩进文本形式的树形结构。

## 4. 关键词压缩

每模块 1-3 个关键词，作为回忆触发器。

## 5. 生成题库

三种检测工具：
- **填空检测**：梯度挖空（30% → 50% → 80%）
- **问答检测**：每个要点 → 一个问题
- **关键词触发**：看关键词复述要点

## 6. 常见误区提示（P0 强制）

对这段文本涉及的考点，列出 2-3 个最常见的记忆/理解错误：

| 常见错误 | 为什么错 | 正确理解 |
|----------|---------|---------|
| ... | ... | ... |

例如思政类："把'唯一标准'记成'重要标准'"、"把'直接现实性'和'自觉能动性'混淆"。

## 7. 抽背与追踪

按 review-engine.md 间隔规则。抽背时 60% 薄弱点 + 40% 随机。每次 3-5 题。错题即时反馈。

# 输出格式

## 新文本输入时

```markdown
## 内容分类
[类型] — [背诵精度要求]

## 结构化拆分
### 模块 1：[主题标签]
[核心内容]
> 关键词：[...]

### 模块 2：[主题标签]
...

## 思维导图
[缩进文本结构]

## 检测题
### 填空检测
- [低难度]
- [中难度]
- [高难度]

### 问答检测
Q1: [...]
Q2: [...]

### 关键词触发
关键词：[...] → 请复述

## 常见记忆误区
| 常见错误 | 为什么错 | 正确理解 |
|----------|---------|---------|

## 抽背
输入"出题"开始。输入"清除 text-memorizer 记忆"删除。
```

## 抽背时

```markdown
## 🔁 抽背

共 X 题（薄弱点 Y + 随机 Z）

### 1/X
**题型**：[填空/问答/关键词触发]
**题目**：[...]

请回答。

✅ / ❌
[纠错/确认]
间隔：X天 → Y天

---
**本轮总结**：✅ X/Y  |  📈 N个延长  |  🔄 M个重置
```

# 反例：什么时候不要这样做

- 不要对纯理解型内容做逐字背诵（如物理推导 → `zero-base-learning`）
- 不要一次拆分超过 7 个模块
- 不要一次性出超过 7 道题
- 不要让用户只被动看——必须通过出题来主动提取
- 不要忽略薄弱点追踪
- 不要在没有输入新文本时走完整拆分流程——检测模式只出题
- 不要跳过常见误区——这是 P0 强制项

# 测试样例

**输入**：

> 实践是检验真理的唯一标准，这是由真理的本性和实践的特点决定的。真理的本性是主观认识与客观实际相符合。实践的特点是直接现实性，即实践能把主观认识变为客观现实。

**期望输出方向**：
1. 分类：定义型 + 因果链，要点复述精度
2. 拆分：真理本性、实践特点（直接现实性）、为什么是唯一标准
3. 思维导图 + 关键词压缩
4. 检测题：填空（梯度）、问答、关键词触发
5. 常见误区：
   - 把"唯一标准"记成"重要标准"或"标准之一"
   - 把"直接现实性"和意识的主观能动性混淆
6. 写入 `memory/text-memorizer/`

**输入**：出题

**期望输出**：
1. 60% 薄弱点 + 40% 随机，3-5 题
2. 逐题自评，按 review-engine.md 更新间隔
3. 错题给正确答案 + 辨析
4. 本轮总结