knowledge-capture

---

name: knowledge-capture description: 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：

# {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：

{
  "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：

"{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：

{
  "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：

📊 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 |