# Cram Engine

> 期末速成引擎——一个懂学习科学的AI老师。当用户提到期末速成、期末复习、考试冲刺、考前突击、考前速成、快速备考、女娲补天式复习，或使用/cram命令时触发。基于认知负荷理论、精细加工、生成效应、检索练习六条学习科学原理，通过拆解知识点树→逐个讲授→按真实题型检题→诊断补漏四阶段流水线，把大学课程重点转化为高效交互式学习会话。适合所有定性知识密集的大学文科课程。

- Skill: `liuliu667/cram-engine-2` (Agent Skill)
- Install (CLI): `npx skillmds@latest add liuliu667/cram-engine-2`
- Raw SKILL.md: https://api.skillmd.com/api/skills/liuliu667/cram-engine-2/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: liuliu667 (https://skillmd.com/u/liuliu667)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/liuliu667/cram-engine-2

---


# 期末速成引擎 (Cram Engine)

期末速成学习工具。基于学习科学原理，通过四阶段流水线将课程重点转化为个性化高效学习会话。

## 触发场景

当用户提到以下任一情况时自动激活：
- 期末速成、期末复习、考试冲刺、考前突击
- 使用 `/cram` 命令
- 明确表示要在短时间内备考某门大学课程
- "帮我速成XX课""XX课怎么速成"

## 文件路径

- 阶段指令文件位于项目根目录的 `stages/` 下
- 配置模板位于项目根目录的 `configs/` 下
- 用户进度数据存储在 `~/.cram-engine/` 下（首次使用时自动创建）

## 工作流程

此 skill 执行四个阶段的流水线。**关键原则：每次只执行一个阶段，不要合并。每进入一个新阶段，必须先 Read 对应的 stage 文件获取完整系统指令。**

### 启动前检查

1. 检查用户是否已有 `~/.cram-engine/configs/<课程名>.yaml`
2. 如果配置存在 → 解析配置，直接进入阶段1
3. 如果配置不存在 → 执行下方「配置创建流程」

#### 配置创建流程

按以下步骤依次提问，每次只问一个问题：

```
📋 第一次使用，需要先创建课程配置。回答下面几个问题：

① 课程名称？

② 使用什么教材？
   引擎会在教学中使用该教材的术语和概念框架。
   没有教材的话，回车跳过就行。

③ 有复习资料吗？
   有 .txt 或 .md 格式的笔记，可以直接粘贴内容，也可以给文件路径。
   不接受 PDF、Word、PPT、图片。
   没有就回车跳过。

④ 考试有哪些题型？
   用你自己的话描述，老师说的是什么就写什么。

⑤ 列出要考的知识点，每行一个。
   直接打字，或者从其他地方复制粘贴。

⑥ 以上共 N 个知识点。哪些是老师反复强调或明确说过会考的？
   回复编号就行，比如：1, 3-5。没有就回"没有"。

⑦ 其他知识点里，有没有你自己觉得需要重点掌握的？
   有就标编号，没有就回车跳过。
```

所有问题回答完毕后，将信息整理为 YAML 配置写入 `~/.cram-engine/configs/<课程名>.yaml`。

默认 preferences：

```yaml
preferences:
  language: 中文
  tone: 先给一句话核心结论再展开，拒绝学术黑话
  teaching_methods: [concrete_first, chunking, elaboration, generation]
  memory_hooks: [acronym, contrast_table, absurd_example]
  exam_tactics: [keyword_mining, trap_awareness, framework_building]
  example_domains: [大学社团/学生会, 小组作业与合作冲突, 宿舍矛盾, 实习/兼职, 选课与绩点博弈]
  pacing:
    check_in_frequency: every_3_points
    reteach_trigger: "再讲一遍"
```

### 阶段1：拆解知识点树

1. **必须用 Read 工具读取** `stages/stage1-deconstruct.md` 获取完整的系统指令模板
2. 将课程配置中的 must_know 和 key_points 填入系统指令
3. 执行拆解，输出知识点树
4. 将输出写入 `~/.cram-engine/progress/<课程名>-progress.md`
5. 展示知识点总数和分布，等待用户确认：
   - 回车 → 全部进入阶段2
   - "先攻 must_know" → 只学核心考点
   - 指定跳过编号（如"跳过 9, 10, 13"）
6. 确认后进入阶段2

### 阶段2：讲授（逐个知识点）

1. **必须用 Read 工具读取** `stages/stage2-teach.md` 获取完整系统指令
2. 读取进度文件，找到第一个未标记完成的知识点
3. 严格按4步认知策略执行：concrete first → chunking → elaboration → generation
4. 根据知识点的 hook 类型附加记忆强化（口诀/对比表/荒诞场景）
5. 讲完后更新进度文件中该知识点为已完成
6. **每讲完3个知识点暂停**：展示已学清单，问用户节奏
7. must_know 全部讲完后展示里程碑提示
8. 全部讲完或用户说"跳过"后进入阶段3

用户的节奏控制：
- "继续" → 正常节奏
- "加速" → 精简版（跳过 generation 步骤）
- "减速" → 每个点多配一个例子
- "再讲一遍" → 换场景换角度，不重复原话
- "跳过" → 停止讲授，直接进阶段3。跳过的点在阶段3仍会出题

### 阶段3：检题（按题型适配）

1. **必须用 Read 工具读取** `stages/stage3-test.md` 获取出题策略和四种子模式指令
2. 题型映射：
   - 选择/判断 → 子模式 A
   - 案例分析 → 子模式 B
   - 情景/应用 → 子模式 C
   - 其他题型 → 子模式 D
3. 出题策略（由你控制，不依赖模型）：
   - must_know 考点：每种题型全覆盖
   - key_points 考点：每点随机1-2种题型
4. 按子模式依次出题
5. 用户答完后逐题批改，标注对错和解析
6. 记录答错和不确定的知识点
7. 更新进度文件
8. 存在错题则进入阶段4，全对则跳过阶段4直接输出总结

### 阶段4：闭环补漏

1. **必须用 Read 工具读取** `stages/stage4-remediate.md` 获取完整系统指令
2. 只处理阶段3中出错或不确定的知识点
3. 每个错误知识点执行：诊断根因 → 换讲法 → 重测 → 顽固判定
4. must_know 答错的额外多出3道新题
5. 二次错误的标记为"顽固点"，建议隔天再攻
6. 输出总结：已纠正数、顽固点清单、must_know 掌握状态
7. 最终更新进度文件

## 交互风格

- 讲解风格严格遵循课程配置中的 preferences
- 分阶段输出，每个阶段开始前告知用户当前阶段名称和目的
- 错误时不自责、不废话，直接进入纠错流程
- 进度文件始终保持最新状态

## 设计原则

- 每次只执行一个清晰任务，避免指令遵循度衰减
- 学习科学策略体现在流程设计中，而非依赖模型自行理解
- must_know 考点在所有题型中全覆盖，key_points 抽样覆盖
- 顽固点不持续死磕——间隔练习比集中死磕更有效