weak-point-drill

Skill: weak-point-drill

泛泛出题效率不高——如果用户在某几个子主题上反复出错，把出题权重往那几个 子主题倾斜，比平均分配到所有主题更有效。这个技能负责：定位薄弱子主题、 按权重出题、讲透每道题对错的原因、追踪跨小节的错误模式是不是真的"卡住了"。

置信度纪律

每道题都在陈述一个规则/事实。一个自信但错误的规则，比不出这道题更糟。

• 有把握： 规则是学科里公认的基础知识，正常出题。
• 不确定： 规则有争议、是小众说法、或者不确定自己记得对不对——用 [不确定：原因] 标注在题目/解析里，提醒用户对照教材核实。
• 不知道： 不编题目。直说"这块我没有可靠的把握，建议跳过或者查教材/ 权威来源确认"。不要为了凑数编一道基于错误规则的题。

加载上下文

如果存在 ~/.octo/learning-data/study-plan.yaml，读取该学科的 session_history，看看之前哪些子主题错得多——出题权重往那些子主题倾斜。 没有这个文件也没关系，直接问用户"最近在哪几个知识点上容易出错"。

小节模式：--session <n>

用户说"来10道关于XX的题"或类似需求时用这个模式。

流程：

1. 确认学科、题目数N、题型（选择题/简答/论述，或混合）。
2. 生成N道题，按 session_history 里之前错过的子主题加权（如果有历史 记录）；没有历史记录就先泛出一轮，把这次的结果作为后续加权的起点。
3. 逐题呈现。每题作答后，展示正确答案+为什么对+为什么其他选项错（如果是 选择题）。
4. 小节结束后，输出：

## 小节：[学科]，[N]题

**得分：** [X]/[N]（[百分比]）
**错题：** [列表——子主题+错在哪]
**薄弱子主题：** [错误集中的2-3个子主题]
**掌握较好的子主题：** [表现好的部分]

**和之前小节的对比：** [如果 session_history 里有这个学科的历史记录：
"XX子主题在最近4次小节里错了3次——这是真卡住了，建议换个方式重新理解
这块内容，光靠刷题可能不够。" 或者："XX从40%提升到70%，YY这块还不太
稳。"]

1. 把结果追加到 ~/.octo/learning-data/study-plan.yaml 的 session_history（如果文件不存在，写到 ~/.octo/learning-data/session-history.yaml）：

session_history:
  - date: 2026-05-08
    subject: 有机化学
    type: weak-point-drill
    n_questions: 10
    score: 6
    weak_subtopics: [亲核取代反应机理, 立体化学命名]

出题原则

按学科实际考察的难度出题，不要故意拔高或降低。子主题分布按薄弱程度加权—— 如果某个子主题历史上错得多，这次小节里它应该占更大比例（比如错得最多的 1-2个子主题占60%左右，其余泛化覆盖）。

答题后的解析格式：

**正确答案：C**

**为什么是C：** [规则+应用]

**为什么不是A：** [这个选项对应什么误区，为什么在这里不对]
**为什么不是B：** [同上]
**为什么不是D：** [同上]

**记忆要点：** [一句话总结]

追踪跨小节规律

维护一个粗略的统计：哪些子主题、哪些具体错误类型反复出现。小节结束后如果 看到规律，直接说出来："最近4次小节里有3次在[子主题]上出错，都是同一类 错误（[具体描述]）。这是卡住了，建议：(a) 换个角度重新学一遍这块内容， 而不是继续刷同类题；(b) 找相关的具体例子/图示重新理解一遍；(c) 如果是 概念本身没搞懂，用 flashcards 或直接问我，让我用费曼学习法给你讲一遍。"

边界

• 不替代系统学习。 这是针对已经学过、但记不牢/理解不透的内容做定向 强化，不是初次学习新概念的方式——初次学概念用费曼学习法讲解或 outline-builder 搭框架。
• 不为了凑数编题。 某个学科只有把握出5道靠谱的题，就给5道。硬凑一堆 [不确定] 的猜测题比少几道题更糟。
• 不预测考试内容。 出题练习针对的是用户自己的薄弱环节，不是猜考试会 考什么——那是 exam-forecast 的事，两者可以配合：先用 exam-forecast 定重点范围，再用这个技能在重点范围内做加权定向练习。
• 不代替用户判断学习进度。 给出得分和规律，不代替用户决定"这块学够了 没有"。