一个把 17 年真题装进教案的考研 408 AI 良师 Skill——讲原理、辨易错、出真题、追弱项
An AI mentor for China's CS postgraduate entrance exam (408) — adaptive, persistent, cross-subject.
考研 408 统考四科——数据结构、计算机组成原理、操作系统、计算机网络——每一科都厚得像砖头，知识点之间还互相勾连（虚拟内存横跨 OS 和计组，Cache 和页面置换同源）。刷题能查漏，但查完缺的那块"为什么"谁来补？
408-mentor 是一个学习导师 Skill，当你在对话中提出 408 相关问题时自动触发。它不直接甩答案，而是像一位经验丰富的辅导老师那样：
- 先用一句话让你抓住本质，再分层展开原理
- 每讲完一个点出一道选择题检验——优先从 17 年真题库里检索，答错就领你走完纠错闭环
- 记住你的水平和做题轨迹，换一个对话窗口也不忘
- 涉及跨科的知识点，主动提示"这里还牵连着哪一科"
💡 它做良师，不做搜题器。它讲的是"为什么这样、怎么考、坑在哪"，而不是"选 C 因为 ABCD"。
| 📜 真题驱动 | 🎚️ 因材施教 | 🔗 跨科联结 |
|---|---|---|
| 2009–2025 共 17 年真题+答案 PDF 全量入库，构建 799 题倒排索引（年份/题号/题型/科目/知识点/页码/题干原文），按知识点精准检索后裁剪为单题截图（避免整页暴露邻题），官方解析按需从答案 PDF 懒提取。 | 三信号分层判定水平（初学/复习/冲刺），回答结构、易错数量、出题难度随水平自适应；做题记录沉淀为跨会话画像，弱项自动追踪并在后续回答中主动提醒。 | 术语索引解决跨科歧义（TLB 到底是 OS 还是计组的？），跨科图谱在讲完主科后给出具体到章节的拓展链接；冲刺模式识别六大跨科综合题高发联结点并主动出综合题。 |
一个真正的良师和一个搜索引擎的区别在于三件事：记得住学生、调得动教法、看得见全局。408-mentor 的全部设计都围绕这三点展开。
| 设计支柱 | 搜索引擎的做法 | 408-mentor 的做法 |
|---|---|---|
| 记得住你 | 每次从零开始 | 跨会话学习画像：水平标签 + 做题记录持久化到 .408-mentor/profile.json，下次打开对话不用重新自我介绍 |
| 调得动教法 | 千人一面 | 三信号分层自适应：自声明设标签、措辞做温和修正、做题表现做即时教学调节（换讲法 + 降深度 + 降题难度） |
| 看得见全局 | 孤立知识点 | 跨科知识图谱：虚拟内存讲到一半，主动提示"这里还牵连计组的 TLB"，由你决定是否追问 |
这三支柱不是口号，每一个都落到了具体的文件和脚本上——见下方核心机制。
每轮回答不是一次性倒完所有内容，而是按层次展开。核心骨架必出，细节层追问才出——避免信息轰炸，尊重学生的认知节奏。
🎯 一句话直觉 ← 生活类比，一句话抓住本质（适配水平） 必出
📚 原理深讲 ← 核心概念/机制/数据结构，按水平调深度 必出
├─ 🔬 细节展开 ← 底层/源码级/硬件级 追问才出
├─ 💻 代码/图示 ← DS 出 C 代码、CO 出 ASCII 图 追问才出
├─ ⚠️ 易错辨析 ← 真实考试中学生的典型误区 必出
├─ 📝 考点定位 ← 考纲位置 + 考查频率 + 命题角度 必出
└─ ✍️ 来道题试试 ← 真题优先，四选项逐一解析 必出
模板定义在 references/answer-template.md，并附"骨架不是枷锁"声明——形式服务于教学效果。
水平判断不是一条腿走路，而是三条信号各司其职：
| 信号 | 作用域 | 用途 | 写入 JSON |
|---|---|---|---|
| ① 用户自声明 | 整体水平标签 | 最高优先级，"第一次接触"→ 初学 | update-level --reason user_declared |
| ② 问题措辞推断 | 温和修正标签 | 与当前标签严重不符时上调/下调 | update-level --reason phrasing_* |
| ③ 做题表现 | 当前知识点闭环 | 连错 2 题 → 三管齐下（换讲法 + 降深度 + 降题难度） | 不写标签，仅做局部调节 |
关键洞察：做题表现样本太小，不能用来给用户打"你是初学者"的标签——但足以在当前这个知识点的教学闭环内做即时调节。这是真实老师做的事：不会因一道题就重新定义学生，但会因一道错题换个讲法。
学习画像通过 scripts/profile-manager.js 持久化到当前工作目录的 .408-mentor/profile.json：
flowchart LR
A[会话首次触发] --> B{profile.json 存在?}
B -- 否 --> C[静默 init + 告知用户]
B -- 是 --> D[读取 level 作为初始水平]
C --> E[缓存上下文]
D --> E
E --> F[正常答疑 + 出题]
F --> G{做题完成}
G --> H[update-question 实时写 JSON]
G --> I{水平标签变化?}
I -- 是 --> J[update-level 写 JSON + 审计轨迹]
I -- 否 --> K[继续]
J --> K
H --> K
K --> L[下次新会话从 JSON 读初始水平]
画像结构（profile-manager.js 管理，原子写入避免损坏）：
| 字段 | 用途 |
|---|---|
level |
当前水平（beginner / review / sprint），会话初始值 |
levelHistory |
水平变更审计轨迹，记录每次变更原因 |
stats |
做题统计，按章节聚合正确率 |
questionLog |
做题明细日志 |
weakTopics |
自动维护——update-question 按最近做题表现动态识别薄弱 topic（入列/出列全自动） |
很多 408 考点是跨科的，强行只讲一科是失职，全跨是灌水。408-mentor 采用主科详讲 + 关联科拓展链接策略：
[主科视角详细展开]
↓
┌─────────────────────────────────────┐
│ 🔗 拓展链接 │
│ 这也涉及 计算机组成原理 │
│ ❮ 存储系统 - TLB 快表 ❯ │
│ → 想了解 TLB 在硬件层面如何加速？ │
│ 可以追问！ │
└─────────────────────────────────────┘
跨科联结点定义在 references/cross-subject-graph.md，覆盖 25+ 联结点，含 7 个考研综合题高频跨科套路。
答错题不是终点，而是教学的起点：
① 鼓励 "这个选项很典型，很多同学会选它"
② 指出错因 "选项 B 描述的是分段机制，不是分页机制"
③ 重讲推理 重新梳理正确的推导链条
④ 变式题 同一知识点换角度再出一道
⑤ 易错汇总 关联考试中最常见的 2-3 个踩坑点，提前帮学生避雷
出题源不是"随便编一道"，而是真题优先，无匹配则自出。17 年真题（2009-2025）已预构建为倒排索引：799 道题、1947 个知识点词条，每条含年份、题号、题型、科目、章节、知识点标签与原文页码。
flowchart TB
Q[知识点讲完，出题环节] --> S[检索 exam-index.json<br/>倒排索引：知识点 → 年份+题号]
S -->|命中真题| M[展示真题元信息<br/>年份 + 题号 + 题型]
S -->|无匹配 / 匹配质量差| G[Skill 自出题<br/>补位琐碎知识点与未考过的角度]
M --> P[question_clip 渲染单题<br/>公式 / 图表保留原貌]
P --> A[用户作答]
G --> A
A --> E1[Skill 自写解析<br/>四选项逐一分析]
E1 --> E2{要看官方解析吗?}
E2 -->|用户确认| E3[PDF-Craft 从答案 PDF<br/>按年份+题号提取对应解析]
E2 -->|不需要| E4[继续]
E3 --> E4
三条设计取舍：
- 优先近 6 年（2020-2025）：命题风格更接近当前考试，老题作补位
- 单题裁剪而非整页：
question_clip.py shot <年> <题号>自动读取索引中的clip（每题预计算的裁剪框），渲染为单题 PNG；避免整页截图导致邻题题干/选项剧透。 - 官方解析按需提取：先让学生看 Skill 自写的教学化解析，想看官方原文时再从答案 PDF 懒提取——不预先灌满上下文
📄 官方解析提取命令（点击展开）
用户作答并确认想看官方解析后运行（--text_fallback 每次都带上——2019/2021/2024/2025 的答案 PDF 是扫描件无文本层，缺参会直接报错；有文本层的年份该参数自动不生效）：
python scripts/pdfcraft/pdfcraft.py chat_pdf --input data/answers/<2010-2019|2020-2025>/<年份>-answer.pdf --question "<题干关键词>" --text_fallback references/exam-archive/extracted-text/<年份>-answer.txt
选择题答案速查表在答案 PDF 首页，综合题有【答案要点】详解。
真题索引是一次性资产：exam-pdf-loader.js 负责确定性部分（PDF 文本提取、按题号分割），知识点标注由 LLM 逐题分析后写入 exam-index.json，此后运行时 LLM 只读不建。文本提取刻意绕开 PDF-Craft 的通用 extract_text——自研 extract_exam_text.py 用 PyMuPDF 直提以绕过真题 PDF 的 CID 字体编码问题，提取失败自动 fallback OCR。
flowchart TB
subgraph 触发层
U[用户自然语言提问<br/>可选带 ds/co/os/net 标签]
end
subgraph 识别层
KI[408-keyword-index.md<br/>跨科术语去歧义]
CG[cross-subject-graph.md<br/>跨科联结点检查]
PM[profile-manager.js<br/>读取学习画像]
end
subgraph 教学层
AT[answer-template.md<br/>渐进式展开模板]
CM[common-mistakes-archive.md<br/>高频易错点档案]
SO[408-syllabus-outline.md<br/>考纲锚点]
end
subgraph 真题层
EI[exam-index.json<br/>倒排索引 799 题 / 1947 词条]
PC[pdfcraft 引擎<br/>chat_pdf 答案提取]
DP[data/exams + data/answers<br/>17 年真题与答案 PDF]
end
subgraph 持久层
PJ[.408-mentor/profile.json<br/>跨会话学习画像]
end
U --> KI
U --> PM
KI --> AT
PM --> AT
CG --> AT
AT --> CM
AT --> SO
AT -->|出题时检索| EI
EI --> PC
PC --> DP
AT -->|做题后| PM
PM --> PJ
- 🎯 渐进式展开回答 — 🎯直觉 → 📚原理 →
⚠️ 易错 → 📝考点 → ✍️出题五层必出，细节与代码图示追问时才展开（references/answer-template.md） - 🎚️ 三水平自适应 — 初学（类比+前置知识）/ 复习（完整推理链）/ 冲刺（考点直击+真题变式）三档教学策略
- 📝 真题出题闭环 —
search检索 799 题索引 →question_clip shot单题裁剪截图 → 自写四选项解析 →chat_pdf按需提取官方解析 - 🖼️ 单题裁剪截图 — 命中真题后裁剪为单题 PNG，避免整页暴露邻题，公式图表原貌保留（
question_clip.py） - 🔍 扫描件 OCR 兜底 — 2019/2021/2024/2025 四份扫描版答案 PDF 经 300dpi OCR 入库，检索自动回退（
extract_exam_text.py） - 🧠 跨会话学习画像 —
.408-mentor/profile.json记录水平标签与逐题对错，会话重置不丢档案（profile-manager.js） - 📌 弱项自动追踪 — 滑动窗口规则（近 10 题同一知识点 ≥3 答且正确率 <50%）自动标记弱项，回答开头主动加重辨析
- 🩹 纠错四步法 + ⑤易错汇总 — 鼓励 → 指错因 → 重讲推理 → 变式题，再汇总该考点 2-3 个真实踩坑点（
common-mistakes-archive.md） - 🔗 跨科拓展与综合题 — 跨科图谱尾部挂"拓展链接"；冲刺模式命中"虚拟内存+Cache+TLB"等联结点时主动推荐跨科大题（
cross-subject-hub.json） - 📚 王道/天勤风格术语 — 术语首现中英全称标注，数据结构一律 C 语言/类 C 伪代码，与 408 真题一致
- 🛠️ pdfcraft PDF 引擎 — 49 命令纯 Python PDF 工具箱（提取/编辑/转换/OCR/表单/安全），独立 venv 一键初始化
| 组件 | 版本 | 说明 |
|---|---|---|
| Claude Code / Codex / Cursor / OpenClaw / Gemini CLI 等，任选其一 | 任意支持 Skill 的版本 | Skill 运行环境 |
| Node.js | 18+ | profile-manager.js / exam-pdf-loader.js 依赖 |
| Python | 3.8+ | PDF 处理引擎依赖（仅首次初始化） |
打开你正在用的 agent，直接告诉它：
帮我安装这个 skill：https://github.com/WeatherCore/408
真题截图出题与官方解析提取依赖 PDF 处理引擎，首次使用前初始化一次：
cd 408-mentor/scripts/pdfcraft
setup.bat
索引数据（
exam-index.json）已随仓库提供，开箱即用；只有想从零重建索引和新增真题 PDF 时才需要这一步。
直接用自然语言提问，不需要任何命令前缀：
讲一下虚拟内存的工作原理
[os] 页面置换算法有哪些？
我第一次接触，完全不懂 Cache 是什么
TCP 和 UDP 的区别
首次在某个工作目录使用时，Skill 会自动创建 .408-mentor/profile.json 并告知你。
Skill 会自动识别问题属于哪个科目。想手动限定视角时，在问题前加标签：
| 标签 | 科目 |
|---|---|
[ds] |
数据结构 |
[co] |
计算机组成原理 |
[os] |
操作系统 |
[net] |
计算机网络 |
通过说法让 Skill 知道你的水平：
| 你想表达 | 可以这样说 |
|---|---|
| 🟢 零基础 | "第一次接触"、"完全看不懂"、"我是零基础" |
| 🟡 复习中 | "之前学过但忘了"、"帮忙梳理一下" |
| 🔴 冲刺中 | "考点是什么"、"高频命题角度"、"来道难题" |
| 操作 | 说法 |
|---|---|
| 重置话题 | "弄明白了"、"谢谢"、"换话题"、"下一个" |
| 清除学习记录 | "重置画像"、"清除我的学习记录" |
📁 进阶用法：分科档案（点击展开）
408 通常是"学完一门再下一门"。Skill 把画像存到当前工作目录的 .408-mentor/profile.json。为四科各开一个工作目录，就能天然隔离每科的画像和做题记录：
考研复习/
├── 数据结构/ ← 在这里问 DS 问题，画像记录 DS 进度
├── 计组/ ← 在这里问 CO 问题，画像记录 CO 进度
├── 操作系统/ ← 在这里问 OS 问题，画像记录 OS 进度
└── 网络/ ← 在这里问 NET 问题，画像记录 NET 进度
每个目录的画像独立：水平标签、做题统计、未来扩展的薄弱点追踪都互不干扰。
.gitignore 提醒： 如果工作目录是 git 仓库，记得把 .408-mentor/ 加入 .gitignore。
🔧 profile-manager.js 命令参考（点击展开）
| 命令 | 用途 |
|---|---|
node scripts/profile-manager.js read |
读取画像（不存在返回 null） |
node scripts/profile-manager.js init --subject <ds|co|os|net> --level <beginner|review|sprint> |
初始化空画像 |
node scripts/profile-manager.js update-question --chapter <章节> --topic <主题> --correct <true|false> --difficulty <easy|medium|hard> |
追加做题记录并更新统计 |
node scripts/profile-manager.js update-level --level <beginner|review|sprint> --reason <user_declared|phrasing_escalation|phrasing_downgrade> |
更新水平标签（写审计轨迹） |
node scripts/profile-manager.js reset |
清空画像（删除文件） |
📄 重建真题索引（点击展开）
索引已随仓库提供，通常无需重建。更换/新增真题 PDF 后，按以下流程重建：
| 步骤 | 命令 | 说明 |
|---|---|---|
| 1 | node scripts/exam-pdf-loader.js extract-all |
批处理所有年份 PDF 文本提取 |
| 2 | node scripts/exam-pdf-loader.js split <年份> |
按题号分割指定年份文本 |
| 3 | LLM 逐题标注知识点 | 标注结果写入 exam-index.json |
| 4 | node scripts/exam-pdf-loader.js backfill --force |
将 split 产物的 examPage/rawText 回填进索引 |
| 5 | python scripts/question_clip.py build |
预计算每题裁剪框存入索引 clip 字段 |
| 查询 | node scripts/exam-pdf-loader.js search <关键词> |
搜索索引中的题目 |
| 统计 | node scripts/exam-pdf-loader.js stats |
查看题库统计 |
文本提取由 scripts/extract_exam_text.py 完成：PyMuPDF 直提绕过真题 PDF 的 CID 字体编码问题，失败自动 fallback OCR（需 pytesseract）。
408/ ← 仓库根目录
├── README.md ← 本文件
├── Description.md ← 中英双版项目名片
├── LICENSE ← MIT
│
├── 408-mentor/ ← Skill 本体
│ ├── SKILL.md ← 核心定义（触发规则、工作流、决策树、约束）
│ │
│ ├── references/ ← 教学知识库 + 真题档案
│ │ ├── 408-syllabus-outline.md ← 四科完整考纲大纲（162 行）
│ │ ├── 408-keyword-index.md ← 术语→科目映射表（200+ 术语，聚焦跨科去歧义）
│ │ ├── cross-subject-graph.md ← 跨科知识联结点图谱（25+ 联结点）
│ │ ├── common-mistakes-archive.md ← 四科高频易错点档案（60+ 易错点）
│ │ ├── answer-template.md ← 渐进式回答模板 + 水平适配规则
│ │ └── exam-archive/ ← 真题索引档案
│ │ ├── exam-index.json ← 倒排索引（799 题 / 1947 知识点词条 / 单题裁剪框 clip）
│ │ ├── extracted-text/ ← 17 年真题+答案的提取文本（34 份）
│ │ └── test-images/ ← question_clip 单题裁剪示例图
│ │
│ ├── scripts/ ← 工具脚本
│ │ ├── profile-manager.js ← 学习画像 JSON 读写（read/init/update/reset）
│ │ ├── build-keyword-index.js ← 术语索引构建/覆盖率检查
│ │ ├── exam-pdf-loader.js ← 真题批量索引构建（extract-all/split/backfill/list/stats/search）
│ │ ├── extract_exam_text.py ← 真题文本提取（PyMuPDF 直提 + OCR fallback）
│ │ ├── question_clip.py ← 单题裁剪截图（build 预计算裁剪框 / shot 渲染单题）
│ │ └── pdfcraft/ ← PDF 处理引擎（从 PDF-Craft 提取）
│ │ ├── pdfcraft.py ← CLI 入口，49 个命令
│ │ ├── pdfkit/ ← 内置命令包
│ │ └── setup.bat ← 初始化 Python venv（首次使用前运行）
│ │
│ ├── data/ ← 真题数据
│ │ ├── exams/ ← 17 年真题 PDF（2009-2025）
│ │ │ ├── 2010-2019/ ← 2009-2019 真题 PDF
│ │ │ └── 2020-2025/ ← 2020-2025 真题 PDF
│ │ └── answers/ ← 17 年答案 PDF（2009-2025-answer）
│ │ ├── 2010-2019/ ← 2009-2019 答案 PDF
│ │ └── 2020-2025/ ← 2020-2025 答案 PDF
│ │
│ └── examples/
│ └── example-dialogs.md ← 7 个完整对话示例（覆盖三水平 × 四科目 + 真题官方解析流程）
逐文件深度导读见各文件内部注释，核心设计逻辑见 SKILL.md。
| 亮点 | 机制 | 落点文件 |
|---|---|---|
| 三信号分层自适应 | 自声明设标签 / 措辞温和修正 / 做题表现局部调节，不做跨知识点水平推断 | SKILL.md Decision Tree |
| 跨会话画像持久化 | 原子写入（临时文件 + rename）+ 审计轨迹 + 章节级做题统计 | scripts/profile-manager.js |
| 真题倒排索引 | 799 题 / 1947 知识点词条，索引一次构建运行时只读，检索零运行时成本 | references/exam-archive/exam-index.json |
| 单题裁剪截图 | question_clip.py 按题号定位并裁剪，避免邻题剧透，综合大题亦能完整呈现 |
scripts/question_clip.py |
| 官方解析懒提取 | 作答后先给自写解析，用户确认才从答案 PDF 提取，不预灌上下文 | SKILL.md 真题出题流程 |
| CID 字体绕过 | PyMuPDF 直提真题文本，绕开通用 extract_text 的 CID 编码问题，失败 fallback OCR | scripts/extract_exam_text.py |
| 分科档案隔离 | 工作目录即画像边界，用户开四个目录天然分科，零配置 | .408-mentor/profile.json |
| 渐进式展开 | 核心骨架必出 + 细节层追问才出，配"骨架不是枷锁"弹性声明 | references/answer-template.md |
| 跨科去歧义索引 | 200+ 术语表，仅在跨科歧义时强制查表，单科术语 LLM 直接判断 | references/408-keyword-index.md |
| 纠错四步法 + ⑤ | 鼓励 → 指错 → 重讲 → 变式 → 易错汇总，连错自动三管齐下 | SKILL.md + references/common-mistakes-archive.md |
| 四科特色教法 | DS→C 代码、CO→ASCII 图、OS→状态机、NET→协议流，一科一风格 | SKILL.md 四科专属教学特色表 |
🎚️ 三信号分层机制（点击展开）
三条信号作用域不同、优先级明确，避免"一锤定音"式误判：
| 信号 | 作用域 | 优先级 | 规则 |
|---|---|---|---|
| ① 用户自声明 | 设定/覆盖水平标签 | 最高 | "第一次接触"→beginner；"之前学过忘了"→review；"考前冲刺"→sprint |
| ② 问题措辞推断 | 温和修正水平 | 中 | 自报初学但提问专业 → 温和上调（反之亦然） |
| ③ 做题表现 | 即时教学调节，不改标签 | 局部 | 连错同知识点 2 题 → 换讲法 + 降深度 + 降题难度（三管齐下），仅在当前知识点闭环内生效 |
水平标签变更一律通过 update-level --reason user_declared|phrasing_escalation|phrasing_downgrade 写入画像，可追溯每次变更原因（levelHistory）。
📌 弱项判定与画像字段（点击展开）
- 弱项规则（
profile-manager.js滑动窗口）：最近 10 条同一 topic 记录中，答题数 ≥3 且正确率 <50% → 进入weakTopics；正确率回升自动出列 - 防污染：
--correct非规范值（如True）直接报错拒绝，绝不静默记为答错 - 防丢更新：并发写入经文件锁串行化（冒烟测试含 5 路并发用例）
- 隐私：
.408-mentor/已在.gitignore，学习数据不会被误提交；说"重置画像"即删除
📚 四科专属教学风格（点击展开）
| 科目 | 教学手段 | 回答特色 |
|---|---|---|
| 数据结构 | C 代码段 + 时空复杂度对比 | 分析代码执行过程，对比结构优劣 |
| 计算机组成原理 | ASCII 结构图 + 数据通路推演 | 字符画展示硬件结构，逐步推演信号流动 |
| 操作系统 | 状态机思维 + PV 操作推演 | 状态转换图描述进程，逐步推演同步互斥 |
| 计算机网络 | 分层递进 + 协议流程推演 | 逐层分析，展示协议交互与报文格式 |
- 渐进式展开回答结构
- 三信号分层自适应
- 跨会话学习画像（水平标签 + 做题记录持久化）
- 分科档案隔离（工作目录天然分科）
- 跨科知识联动
- 纠错四步法 + ⑤ 易错汇总
- 真题资料就位（17 年真题 + 答案 PDF 已导入
data/，PDF-Craft 引擎已集成） - 真题索引构建（倒排索引已建成：799 题 / 1947 知识点词条，支持按知识点检索真题出题）
- 单题裁剪截图（798/799 题已预计算裁剪框，避免整页暴露邻题）
- 官方解析按页直达（按题号定位答案页，替代关键词检索）
Fork → Branch → PR，欢迎贡献易错点档案、跨科联结点与工具链改进！
📜 本项目基于 MIT License 开源 · 仓库地址：WeatherCore/408
如果这个项目帮到了你的 408 备考，欢迎点一个 ⭐ 让更多考研人看到