ko-lesson

课程学习资料生成

目标

根据用户提供或当前项目中已有的课程材料，面向跨学科、跨领域、可能接触中英双语材料的学习者，生成完整、结构化、可持续学习的课程资料包，并建立边学边反馈、即时调整的学习系统，避免单向输出资料后让用户自行学习，从而提升学习效率。

ko-lesson 的产物必须能够替代原始学习材料成为用户的主要学习入口，而不是原始 PPT、OCR、教材或讲义的摘要、索引、批注、脚注或补充解释。生成的课程包必须具备完整性、连贯性和可解释性：用户即使不打开原始 PPT/OCR，也应该能在课程包中理解课程目标、概念定义、推理链条、公式来源、变量含义、图表含义、例题步骤、常见误区和考试用法。原始材料在课程包中的作用是提供来源依据、截图证据、版式校验和溯源路径，而不是要求用户回到原始材料中补完正文缺失的学习内容。

工作流程

1. 首先和用户明确学习边界，也就是用户提供的所有材料的边界，包括文档、课件、视频转写稿、网页内容、代码仓库、作业、笔记或其他课程文件。
2. 在生成文件记录前明确输出位置；如果用户没有提及，则按照 输出位置 的规则，在项目根目录下创建课程输出目录。
3. 在课程输出目录中生成所有文件的记录文件 课程材料记录.md，必须按照 文件记录模板 的格式写入，明确列出包含哪些文件，以及每个文件的内容包含了哪些内容。
   • 如果用户同时提供课件源文件、OCR 版本和截图版本，必须在 课程材料记录.md 中建立三者的对应关系；后续理解课程内容时必须同时读取 OCR 版本和截图版本，OCR 负责文字线索，截图负责版式、层级、箭头、分组、图表和空间关系校验，禁止只读 OCR 版本后直接生成课程解释。
4. 根据 课程材料记录.md 中记录的所有文件和所有内容，重新设计课程脉络，由浅入深设计课程学习顺序，避免用户一上来就学习最高难度的知识点，并按照 课程脉络设计 和 Obsidian 输出规范 的规则生成 课程脉络.md。
   • 设计课程脉络时必须把原始材料中的概念、推导、例子、图表、练习、作业、考试要求和实操流程重组成一条完整学习路径。不得只把材料拆成知识点卡片、最小记忆包、来源索引或截图清单；这些只能作为课程正文之外的复习和导航层。
5. 按照 运行模式 和 交互范式一：学习单元反馈闭环 的规则，建立 课程首页.md、学习状态.md、学习反馈记录.md、卡点与错因记录.md 的初始模板，用它们记录课程入口、当前进度、用户反馈、卡点错因和后续调整。
6. 在 学习历史 根目录生成或读取全局文件 学习者背景信息.md，必须按照 学习者背景信息模板 的格式写入；这个文件不放在具体课程目录中，不受科目影响，用于跨课程持续积累用户背景、已学内容、掌握情况和知识迁移线索。如果该文件不存在、为空、只有初始模板或有效信息不足，必须按照 首次背景沟通 的规则先和用户沟通学习背景，并将回答写入该文件；如果用户已经在对话中提供背景信息，先写入已知信息，未知字段保留为 待填写，后续生成学习资料前必须读取该文件用于因材施教。
7. 结合 课程脉络.md、学习历史/学习者背景信息.md 和课程材料，按照 课程内容模板 生成第一个课程内容文件 第01课-{学习单元名称}.md；课程内容必须以 课程脉络.md 中的学习顺序、学习单元、难度、单元知识点和前置要求为依据。如果全局背景中记录了用户已经学习过的课程、知识点或项目，必须优先用这些已学内容做类比来解释新知识，帮助用户完成知识体系迁移。第一课必须从简单的生活小现象引入，解释生活现象背后的逻辑，再引入课程内容，给出正式解释，继续深挖课程内容，最后结合实际应用，避免让用户读死书。
8. 等待用户学习第一课并通过反馈入口给出反馈；不要在没有用户反馈的情况下机械生成后续所有课程内容，除非用户明确要求一次性生成全量课程文件。
9. 收到用户反馈后，按照 交互范式一：学习单元反馈闭环 和 掌握度机制 更新 学习反馈记录.md、学习状态.md、卡点与错因记录.md 和全局 学习历史/学习者背景信息.md，判断用户对当前课程内容的掌握状态、阻塞点、学习偏好变化和可迁移的已学经验。
10. 基于用户反馈、掌握度状态、课程脉络.md、全局 学习历史/学习者背景信息.md 和课程材料，决定下一步是补讲当前课程、增加练习、降低难度、调整顺序，还是生成下一课内容文件。
11. 当需要生成下一课时，继续按照 课程内容模板 逐课生成 第02课-{学习单元名称}.md、第03课-{学习单元名称}.md 等课程内容文件；每一课都必须引用 课程脉络.md 中对应的学习单元、难度、单元知识点和前置要求，并保留反馈入口。
12. 如果用户明确要求一次性生成全量课程文件，才可以按 课程脉络.md 的学习顺序生成全部课程内容文件；即使一次性生成，也必须为每一课保留反馈入口，并在后续学习过程中根据反馈更新内容、练习和顺序。

• 全量生成模式下，每一课仍必须是可独立学习的完整课程内容文件。不得因为一次性生成而把正文压缩成“目录 + 最小记忆包 + 几段解释”，也不得把重要定义、推理步骤、公式说明、例题解析或图表解释留给用户自行回原材料查找。

13. 如果课程内容需要图片、截图、图表或示意图辅助解释，必须在课程输出目录下建立 媒体库/，把图片文件放入该目录，并按照 媒体库与图片引用规则 使用 Obsidian 兼容写法引用。

• 如果图解、课件截图、图表或页面图片中包含非中文文字，必须在图片附近提供截图内容完整翻译：对截图内所有清晰可辨识的非中文文字完整逐字翻译，一字不漏，不能只翻译标题、核心 bullet、结论性文字或自认为重要的部分，也不能只写概括性说明。公式、变量名、符号和英文术语可以保留原文，但必须补中文含义和使用语境；模糊、遮挡或无法辨识的文字必须标注 无法辨识，不能跳过不说。

14. 如果材料包含英文内容、代码、公式、案例或实验步骤，在生成对应课程内容时同步生成三层翻译、术语解释、可操作拆解和验证方法；三层翻译包括原文翻译、理解型翻译和白话式翻译，必须遵守 跨学科与双语处理 的规则。

• 如果课程材料包含英文术语、英文标题或跨语言概念，知识点卡片必须先给出标准中文名称和标准学术解释，再给记忆抓手、易错点、来源依据和截图出处。不能只写一句话解释、口诀或白话记忆点，必须让用户明确知道该英文术语对应哪个中文学术概念。
• 每个课程内容文件的 ## 最小记忆包 也必须承担术语对齐功能：如果知识点名称、英文答题短句或课程原文术语包含英文、缩写或跨语言概念，表格中必须加入 学术翻译 / 中文学术名称 列，写出该知识点对应的标准中文学术概念。最小记忆包不能只写一句话记忆和英文答题短句，否则用户无法判断正在学习的正式概念。

15. 当 课程脉络.md 中最后一节课程完成并通过反馈确认后，必须按照 期末考试模板 生成 期末考试.md、期末考试-答题卡.md 和 期末考试-详细答案.md；期末考试必须覆盖课程脉络中的所有知识点，答题卡用于用户作答，详细答案必须包含解析和来源引用，方便用户溯源。
16. 用户完成 期末考试-答题卡.md 后，AI 必须按照 期末考试批改闭环 批改并生成 期末考试-批改记录.md；如果发现错误、部分正确、不确定或薄弱点，必须生成下一套巩固卷。期末考试本身视为第1套综合卷，因此第一轮巩固命名为 期末考试-巩固卷-第2套.md、期末考试-巩固卷-第2套-答题卡.md 和 期末考试-巩固卷-第2套-批改记录.md，后续继续递增套数并循环巩固，直到错误知识点被修复。
17. 生成或更新课程内容后，检查章节是否完整、术语是否一致、练习是否覆盖关键知识点，检查每个学习单元是否保留反馈入口，检查 课程首页.md、学习状态.md、卡点与错因记录.md 和知识点卡片是否同步更新，检查所有 Markdown 产物是否使用 Obsidian 友好的双链引用，并检查课程图片是否放入 媒体库/ 且被正确引用。

运行模式

ko-lesson 同时使用两个互相独立的模式维度：生成节奏模式 和 课程颗粒度模式。生成节奏决定一次生成多少课；课程颗粒度决定每一课容纳多少核心知识点以及是否使用故事化讲解。判断模式时必须分别判断，不能把“一次性生成”误解为允许一课塞入多个独立知识点，也不能把“一课一知识点”或“故事模式”误解为必须只生成第一课。

生成节奏模式

默认使用 逐课反馈模式：

• 先生成 课程脉络.md、课程首页.md、学习状态.md、学习反馈记录.md、卡点与错因记录.md 和第一课内容。
• 用户学习第一课后给出反馈。
• AI 根据反馈更新状态、背景、错因和掌握度，再决定补讲、练习、调整顺序或生成下一课。
• 不要在没有用户反馈的情况下机械生成后续全部课程内容。

只有当用户明确要求“一次性生成全部课程内容”“全量生成所有课程文件”或同等含义时，才使用 全量生成模式：

• 按 课程脉络.md 的学习顺序生成全部课程内容文件。
• 即使一次性生成，也必须为每一课保留反馈入口、Obsidian 双链和来源依据。
• 后续学习过程中仍按反馈更新 学习状态.md、学习反馈记录.md、卡点与错因记录.md 和全局 学习历史/学习者背景信息.md。

课程颗粒度模式

课程颗粒度模式 是三选一模式：默认模式、一课一知识点模式、故事模式。同一个课程包只能记录一种课程颗粒度模式；后续续写、修复和审计必须延续该模式，除非用户明确要求转换。

默认使用 默认模式：

• 按重新设计后的学习单元组织课程。
• 一课可以包含多个强相关、强依赖、必须合在一起才能讲清楚的知识点。
• 禁止为了贴合原教材章节或课件页，把多个可以独立学习的概念堆进同一课。

只有当用户明确要求“一课一知识点”“每节课只有一个知识点”“把知识点掰开揉碎讲”“细粒度讲解”“拆细讲每个知识点”或同等含义时，才使用 一课一知识点模式：

• 除 期末考试 和综合复习类文件外，每个课程内容文件只讲一个核心知识点。
• 前置知识、辅助概念和后续关联可以被简短引用，但不能在同一课中展开成第二个核心知识点。
• 如果某个辅助概念需要正式定义、完整例题、公式推导、图表解释、课后练习或考试识别，它必须拆成独立下一课。
• 用户同时要求“一次性生成完整学习资料”和“一课一知识点”时，使用 全量生成模式 + 一课一知识点模式：一次性生成全部课程文件，但每个课程文件仍只能围绕一个核心知识点展开。

只有当用户明确要求“故事模式”“每个知识点讲一个故事”“像小岛经济学一样讲”“故事化讲解”“用故事理解知识点”或同等含义时，才使用 故事模式：

• 故事模式 是第三种互斥的课程颗粒度模式，不是叠加在 默认模式 或 一课一知识点模式 上的附加风格。
• 除 期末考试 和综合复习类文件外，每个课程内容文件只讲一个核心知识点，并且每个核心知识点都必须配一个完整教学故事。
• 用户同时要求“一课一知识点”和“故事模式”时，使用 故事模式，因为故事模式已经内置每课一个核心知识点。
• 用户同时要求“一次性生成完整学习资料”和“故事模式”时，使用 全量生成模式 + 故事模式：一次性生成全部课程文件，但每个课程文件仍只能围绕一个核心知识点和一个教学故事展开。
• 故事模式借鉴的是“用故事承载抽象知识”的教学方法。不得复述、改写、套用或延展《小岛经济学》的具体情节、角色、表达或可识别桥段。

输出结构

默认生成以下内容：

• 课程总览
• 学习路线
• 重新设计的课程脉络
• 课程首页
• 学习状态
• 学习反馈记录
• 卡点与错因记录
• 全局学习者背景信息
• 第一课内容
• 中英术语与翻译
• 知识点卡片
• 媒体库
• 媒体库索引
• 章节学习资料
• 核心概念表
• 重点难点清单
• 练习题与答案
• 期末考试
• 期末考试答题卡
• 期末考试详细答案
• 期末考试批改记录
• 期末考试巩固卷
• 期末考试巩固卷答题卡
• 期末考试巩固卷批改记录
• 后续学习建议

输出位置

• 如果用户明确指定输出位置，使用用户指定的位置。
• 如果用户没有指定输出位置，默认使用当前项目根目录下的 学习历史 文件夹。
• 在 学习历史 下新建课程输出目录，目录名称必须使用 {课程名称}-{日期} 格式。
• 日期格式必须为 YYYYMMDDHHMM，例如 202606011530。
• 如果无法从材料或用户请求中明确课程名称，使用简短、可读、与课程主题相关的名称。
• 学习者背景信息.md 必须放在 学习历史 根目录下，作为跨课程全局文件，不放入具体课程输出目录。
• 后续课程内容都必须写入该课程输出目录下面，包括 课程首页.md、课程材料记录.md、课程脉络.md、学习状态.md、学习反馈记录.md、卡点与错因记录.md、知识点/、媒体库/ 和所有学习资料文件。
• 当课程需要图片、截图、图表或示意图时，必须在课程输出目录下创建 媒体库/，图片文件和 媒体库索引.md 都放入该目录。
• 课程输出目录中的资料必须读取并引用 学习历史/学习者背景信息.md，用于个性化讲解和练习设计。

文件记录模板

课程材料记录.md 必须使用以下中文 Markdown 模板：

# 课程材料记录

## 学习边界

- 课程名称：
- 材料来源：
- 纳入范围：
- 排除范围：
- 边界确认状态：
- 课程颗粒度模式：默认模式 / 一课一知识点模式 / 故事模式

## 文件汇总

| 序号 | 文件路径 | 文件类型 | 主要内容 | 课程作用 | 备注 |
| --- | --- | --- | --- | --- | --- |
| 1 |  |  |  |  |  |

## 文件详细记录

### 1. 文件路径

- 文件类型：
- 内容摘要：
- 关键主题：
- 关联章节：
- 重要术语：
- 练习或作业：
- 代码、公式、案例或实验：
- OCR 与截图对应关系：
- 版式和空间信息：
- 可直接引用的原始截图：
- 缺失或不明确的部分：

填写要求：

• 文件路径 使用用户提供或当前项目中的实际路径。
• 主要内容 用 1 到 3 句话说明文件包含的核心内容。
• 课程作用 标注该文件在课程中的作用，例如主教材、课件、转写稿、作业、案例、代码或补充资料。
• 纳入范围 写入本次学习资料生成会覆盖的材料范围。
• 排除范围 写入明确不纳入本次生成的材料范围；如果没有，写 无。
• 边界确认状态 写入边界确认状态，例如 用户已确认、根据提供文件推断 或 等待用户确认。
• 课程颗粒度模式 必须写明本次使用 默认模式、一课一知识点模式 还是 故事模式；如果用户没有明确要求细粒度拆课或故事化讲解，写 默认模式。
• 后续续写、修复和审计必须读取并延续 课程颗粒度模式；已有课程包没有该字段时按 默认模式 处理，除非用户明确要求转换模式。
• 如果同一份课件存在源文件、OCR 版本和截图版本，必须在 OCR 与截图对应关系 中记录它们的对应关系，例如 OCR 文件、截图目录、页码或截图编号；版式和空间信息 记录 OCR 无法可靠表达的箭头、层级、并列关系、图表位置和页面分组；可直接引用的原始截图 记录后续可以导入 媒体库/ 的原始截图路径。

课程脉络设计

课程脉络.md 必须基于 课程材料记录.md 中记录的全部文件内容生成，不要只沿用原材料顺序。设计课程脉络时必须遵守以下规则：

• 先安排基础概念、背景知识、核心术语和必要前置知识。
• 再安排中等难度的主线知识、典型案例、常见任务和基础练习。
• 最后安排高难度主题、复杂案例、综合项目、开放问题或进阶练习。
• 对每个学习单元标注难度等级，使用 入门、进阶 或 高级。
• 每一节课都必须包含学习单元名称，以及该单元内的所有知识点。
• 所有知识点必须使用 Obsidian 双链引用，格式为 [[知识点名称]]。
• 对每个学习单元写明依赖关系，说明学习该单元前应该先掌握哪些内容。
• 如果原材料的章节顺序不适合初学者，必须重新排序，并说明调整理由。
• 不要把最高难度知识点放在学习路线开头，除非它只是作为背景概览出现。
• 必须按照 课程材料记录.md 中记录的 课程颗粒度模式 设计课程脉络。
• 默认模式 下，单元知识点 可以包含多个强相关、强依赖、必须合讲才能形成完整理解的知识点，但不能为了迁就原章节而把多个可独立学习的概念塞进同一课。
• 一课一知识点模式 下，除 期末考试、综合复习、巩固卷等综合性文件外，学习顺序 表中每一行的 单元知识点 必须只有一个 [[知识点]]；单元知识点总览 中的 所有知识点 也只能列出这一个核心知识点。
• 一课一知识点模式 下，如果原材料同一章或同一页同时包含多个知识点，必须按理解依赖拆成多课。例如 随机试验、样本空间、随机事件、事件运算、概率、古典概型 不能合成一课，应该拆为 第01课-随机试验、第02课-样本空间、第03课-随机事件、第04课-事件运算、第05课-概率、第06课-古典概型 等独立课程文件。
• 故事模式 下，除 期末考试、综合复习、巩固卷等综合性文件外，学习顺序 表中每一行的 单元知识点 也必须只有一个 [[知识点]]；每个学习单元还必须设计一个服务该知识点的 故事线索。
• 故事模式 下，故事线索 必须写清本课故事的场景、冲突或任务，且只能服务当前唯一核心知识点；不得为了剧情自然顺手合并多个新知识点。

课程脉络.md 必须使用以下中文 Markdown 模板，并使用 Obsidian 双链引用记录知识点：

# 课程脉络

课程颗粒度模式：默认模式 / 一课一知识点模式 / 故事模式

## 学习顺序

| 顺序 | 课程文件 | 学习单元 | 难度 | 单元知识点 | 故事线索 | 来源文件 | 前置要求 | 排序理由 |
| --- | --- | --- | --- | --- | --- | --- | --- | --- |
| 1 | [[第01课-学习单元名称]] | 学习单元名称 | 入门 | [[知识点一]] | 默认模式和一课一知识点模式写“不适用”；故事模式写本课故事场景、冲突或任务 |  |  |  |
| 期末 | [[期末考试]] | 全部知识点综合检验 | 综合 | 全部课程知识点 | 不适用 | [[课程脉络]] | 完成所有课程 | 覆盖全课并检验迁移能力 |

## 单元知识点总览

### [[第01课-学习单元名称]]

- 单元名称：
- 难度：
- 所有知识点：[[知识点一]]
- 故事线索：默认模式和一课一知识点模式写“不适用”；故事模式写本课故事场景、冲突或任务
- 前置知识：[[前置知识点一]]
- 后续关联：[[后续知识点一]]

## 期末考试范围

- 覆盖课程脉络中的所有学习单元。
- 覆盖课程脉络中的所有知识点。
- 考试文件：[[期末考试]]
- 答题卡：[[期末考试-答题卡]]
- 详细答案：[[期末考试-详细答案]]
- 批改记录：[[期末考试-批改记录]]

Obsidian 输出规范

用户会在 Obsidian 中查看所有产出，因此所有 Markdown 文件必须尽量使用 Obsidian 友好的写法。

规则：

• 关键知识点、课程文件、术语、学习单元、练习、项目、前置知识和后续关联都优先使用双链引用，格式为 [[名称]]。
• 同一个知识点在所有文件中使用同一个双链名称，避免同义词造成链接分裂。
• 课程文件之间互相引用时使用双链，例如 [[课程脉络]]、[[学习反馈记录]]、[[第01课-学习单元名称]]。
• 课程文件名和双链名称要保持一致，避免 Obsidian 链接失效。
• 不要把整句长文本放进双链，只给稳定概念、文件名或知识点加双链。
• 如果需要显示别名，可以使用 Obsidian 别名格式 [[知识点名称|显示名称]]。
• 每个课程内容文件开头应引用 [[课程脉络]]，并在本课知识点处链接相关概念。
• 练习、快速检查和反馈入口优先使用 Obsidian callout，例如 [!question]、[!todo]、[!example]、[!note]。
• 如果材料包含英文术语，术语表中的英文术语和中文译名都可以用双链连接到同一知识点，例如 [[Gradient Descent|梯度下降]]。
• 课程资料中的所有数学公式、统计公式、回归方程、假设检验表达式和推导式必须使用 Markdown/Obsidian 可渲染的 LaTeX 数学语法：短公式使用行内公式 $...$，独立展示或多行推导使用行间公式 $...$。公式必须能在 Obsidian/Markdown 数学渲染器中正确显示，不能只是形式上被 $ 包裹。不得把公式写成普通纯文本、反引号代码、代码块、HTML 公式、\(...\) 或 \[...\] 形式；代码块只用于真正需要执行或展示的代码，不用于公式。
• 容易渲染异常的公式必须使用标准 LaTeX 写法：下标使用花括号，例如 $Y_{it}$，不要写 $Y_it$；希腊字母使用 LaTeX 命令，例如 $\beta_1$、$\varepsilon_i$，不要写 $beta_1$ 或 $epsilon_i$；多项回归写为 $Y_i=\beta_0+\beta_1X_{1i}+\beta_2X_{2i}+\varepsilon_i$。

媒体库与图片引用规则

当课程需要图片、截图、图表或示意图辅助解释时，必须遵守以下规则：

• 每个课程输出目录下固定使用 媒体库/ 作为本课程的图片和媒体附件目录。
• 图片文件必须放在当前课程输出目录的 媒体库/ 下，不要散落在课程根目录、知识点目录或其他课程目录。
• 图片文件名必须简短、稳定、可读，优先使用 {课程序号}-{知识点名称}-{用途}.{扩展名}，例如 第01课-梯度下降-损失曲线.png。
• Markdown 中嵌入图片时使用 Obsidian 兼容语法：![[媒体库/文件名.png]]。
• 如果需要控制显示宽度，使用 Obsidian 尺寸语法：![[媒体库/文件名.png|600]]。
• 如果需要在正文中引用但不嵌入图片，使用普通双链：[[媒体库/文件名.png]]。
• 每张图片附近必须写清楚它解释的知识点、读图顺序和结论，不要只插图不解释。
• 如果图片、截图、图表或示意图中包含非中文文字，必须在图片附近增加 截图内容翻译 或同等小节，并对截图中所有清晰可辨识的非中文文字完整逐字翻译，一字不漏；翻译范围包括标题、副标题、小标题、正文段落、每一个项目符号、图表标签、轴标题、图例、表头、注释、页眉页脚、括号说明、例子文本和结论性文字。不能只翻译重点，不能只翻译标题或部分 bullet，不能用“截图核心意思是……”这类概括替代完整翻译。
• 截图翻译必须使用稳定结构，优先按 截图内容逐字翻译、术语/变量说明、读图顺序、空间关系解释 组织；如果截图内容较多，必须按截图中的视觉顺序逐项给出完整中文译文，不能压缩成三四句总结。OCR、视觉识别、内部识别和截图原文转写可以作为内部工作步骤，用于确保不漏翻；最终学习资料不要求展示 OCR 转写，默认不在最终课程文件中完整展示英文原文转写列表，避免冗余。公式、变量名、符号和关键英文术语可以在中文翻译中保留原文，但必须补中文含义和使用语境；模糊、遮挡或无法辨识的文字只需在对应位置标注 无法辨识，不要强行 OCR 猜测。
• 截图翻译不是摘要，也不是 OCR 原文展示。完整逐字中文翻译优先于理解型解释和白话解释；白话解释、术语解释、读图顺序和空间关系说明只能作为完整翻译之后的补充层，不能替代逐字翻译。截图翻译还必须服务于读图理解：在完整翻译后说明每一组文字、箭头、图表元素或空间分组在课程概念中的作用。
• AI 生成或绘制的示意图必须在说明中标注为 AI补充；来自材料截图或原始图表的图片必须在 来源依据 或 媒体库索引.md 中标注来源文件和来源位置。
• 如果用户提供课件截图版本、幻灯片页面图片或从课件源文件导出的原始页面截图，必须优先把对应原始截图导入 媒体库/ 并在课程内容中引用；不得用 OCR 文本、AI 示意图或重新绘制图替代原始课件截图。
• 当某个知识点来自具体课件页面时，必须在该知识点的课程内容附近插入对应原始课件截图作为出处，并说明该截图如何支持文字解释、图表关系、箭头指向、分组层级或空间位置判断。
• 课程输出目录下必须生成 媒体库/媒体库索引.md，记录每个媒体文件的用途、来源、关联课程文件和 Obsidian 引用写法。

媒体库/媒体库索引.md 必须使用以下中文 Markdown 模板：

# 媒体库索引

关联课程：[[课程首页]]

| 媒体文件 | 类型 | 解释对象 | 来源 | 关联课程文件 | Obsidian 引用 |
| --- | --- | --- | --- | --- | --- |
| [[媒体库/文件名.png]] | 图片 / 截图 / 图表 / 示意图 | [[知识点名称]] | 来源文件与位置 / AI补充 | [[第01课-学习单元名称]] | ![[媒体库/文件名.png]] |

来源依据规则

• 来自用户材料的内容必须在课程文件的 来源依据 中标注来源文件、来源位置和使用方式。
• 如果同一内容同时有 OCR 文本和课件截图，来源依据 必须同时列出 OCR 文件和原始截图；使用方式应区分 OCR 文本参考、原始课件截图校验、原始课件截图出处 等，不得只写 OCR 来源。
• AI 生成的生活类比、练习题、应用场景、解释或补充内容必须标注为 AI补充。
• 如果材料没有覆盖某个内容，必须明确写明 材料未直接覆盖，以下为 AI 补充解释。
• 不要把 AI 补充解释伪装成材料原文。

课程首页模板

课程首页.md 是用户在 Obsidian 中进入本课程的入口文件，必须放在课程输出目录根部。

# 课程首页

## 当前进度

- 当前课程文件：
- 当前学习单元：
- 当前状态：
- 下一步动作：

## 核心文件

- [[课程脉络]]
- [[学习状态]]
- [[学习反馈记录]]
- [[卡点与错因记录]]
- [[课程材料记录]]

## 课程列表

- [[第01课-学习单元名称]]

## 知识点地图

- [[知识点一]]
- [[知识点二]]

## 最近反馈

- 最近学习时间：
- 用户最后反馈：
- AI 判断：

学习状态模板

学习状态.md 用于快速恢复学习现场，必须放在课程输出目录根部。

# 学习状态

## 当前进度

- 当前课程：
- 当前学习单元：
- 当前课程文件：
- 当前状态：未开始 / 学习中 / 需要补讲 / 已掌握 / 暂停
- 下一步动作：

## 课程状态表

| 课程文件 | 学习单元 | 状态 | 掌握程度 | 最近反馈 | 下一步 |
| --- | --- | --- | --- | --- | --- |
| [[第01课-学习单元名称]] |  |  |  |  |  |

## 最近一次学习上下文

- 最近学习时间：
- 用户最后反馈：
- AI 判断：
- 下一次继续时应该从哪里开始：

掌握度机制

每个课程文件、学习单元和核心知识点都必须维护掌握度。掌握度用于决定下一步是否继续推进、补讲、加练或回到前置知识。

掌握度等级：

未接触
能听懂
能复述
能做题
能应用
能迁移

推进规则：

• 未接触：从生活现象、人话解释和前置知识开始。
• 能听懂：要求用户用自己的话复述，不要直接进入难题。
• 能复述：提供基础练习和快速检查。
• 能做题：连接实际应用和变式练习。
• 能应用：引导用户总结可迁移经验。
• 能迁移：把该知识写入全局 学习历史/学习者背景信息.md 的 知识迁移类比库。

卡点与错因记录模板

卡点与错因记录.md 用于记录用户反复卡住的位置和错因类型，必须放在课程输出目录根部。

# 卡点与错因记录

| 时间 | 课程 | 知识点 | 卡点描述 | 错因类型 | 修复方式 | 是否复发 |
| --- | --- | --- | --- | --- | --- | --- |
|  |  | [[知识点名称]] |  |  |  |  |

## 错因类型

- 前置知识缺失
- 术语不理解
- 公式不会用
- 只会背不会解释
- 会看不会做
- 英文题干看不懂
- 概念混淆
- 应用场景不清楚

知识点卡片模板

每个核心知识点都必须生成独立 Obsidian 卡片，放在课程输出目录的 知识点/ 文件夹中。文件名必须和双链名称一致，例如 知识点/知识点名称.md 对应 [[知识点名称]]。

知识点卡片必须承担“术语对齐”和“学术解释”的作用。尤其当知识点名称是英文、缩写或课程原文术语时，卡片顶部必须先给出标准中文名称、正式学术解释、本课程中的对应关系和考试识别方式，帮助用户完成英文术语与中文学术概念的一一映射。不得只给一句话解释、记忆口诀或易错点；这些内容只能放在标准学术解释之后作为辅助记忆。

# 知识点名称

## 标准学术解释

- 中文名称：
- 学术解释：
- 本课程对应关系：
- 考试识别方式：

## 一句话解释

## 正式定义

## 生活类比

## 所属课程

- [[第01课-学习单元名称]]

## 前置知识

- [[前置知识点]]

## 相关知识

- [[相关知识点]]

## 常见误区

## 实际应用

## 用户掌握记录

- 当前掌握程度：
- 最近一次反馈：
- 可迁移经验：

期末考试模板

当 课程脉络.md 中最后一节课程完成并通过反馈确认后，必须生成 期末考试.md、期末考试-答题卡.md 和 期末考试-详细答案.md。

期末考试规则：

• 必须覆盖 课程脉络.md 中所有学习单元和所有知识点。
• 题目必须使用 Obsidian 双链引用关联知识点，例如 [[知识点名称]]。
• 期末考试题目主要以单选题、多选题、概念解释题和 case study 综合应用题为主。
• 单选题用于检查基础概念、关键定义和常见误区；多选题用于检查知识点之间的关系、条件边界和易混点；概念解释题用于检查用户能否用自己的话解释核心概念；case study 综合应用题用于检查真实场景中的分析、迁移和决策能力。
• 如果课程包含英文材料，考试中必须包含必要的英文术语、英文题干或英文材料理解题，并提供中文辅助说明。
• 不要只考记忆题，必须包含实际应用和知识迁移题。
• 期末考试.md 只放题目和考试说明，不直接显示答案。
• 期末考试-答题卡.md 必须为每道题提供用户作答区。
• 详细答案必须包含答案、解析、对应知识点、来源引用和可回看文件。

期末考试.md 必须使用以下中文 Markdown 模板：

# 期末考试

关联脉络：[[课程脉络]]
答题卡：[[期末考试-答题卡]]
详细答案：[[期末考试-详细答案]]

## 考试范围

- 覆盖课程：
- 覆盖知识点：
- 建议完成时间：

## 一、单选题

### 题 1

- 考查知识点：[[知识点名称]]
- 题型：单选题
- 题目：
- A.
- B.
- C.
- D.

## 二、多选题

### 题 2

- 考查知识点：[[知识点一]]、[[知识点二]]
- 题型：多选题
- 题目：
- A.
- B.
- C.
- D.

## 三、概念解释题

### 题 3

- 考查知识点：[[知识点名称]]
- 题型：概念解释题
- 题目：

## 四、Case Study 综合应用题

### 题 4

- 考查知识点：[[知识点一]]、[[知识点二]]、[[知识点三]]
- 题型：case study 综合应用题
- 案例材料：
- 题目：

期末考试-答题卡.md 必须使用以下中文 Markdown 模板：

# 期末考试-答题卡

关联考试：[[期末考试]]
详细答案：[[期末考试-详细答案]]
批改记录：[[期末考试-批改记录]]

## 作答说明

- 请在每题的“我的答案”下方作答。
- 不确定的地方可以写出来，方便后续批改和巩固。

## 答题区

### 题 1

- 考查知识点：[[知识点名称]]
- 题型：单选题
- 我的答案：
- 我不确定的地方：

### 题 2

- 考查知识点：[[知识点一]]、[[知识点二]]
- 题型：多选题
- 我的答案：
- 我不确定的地方：

### 题 3

- 考查知识点：[[知识点名称]]
- 题型：概念解释题
- 我的答案：
- 我不确定的地方：

### 题 4

- 考查知识点：[[知识点一]]、[[知识点二]]、[[知识点三]]
- 题型：case study 综合应用题
- 我的答案：
- 我不确定的地方：

期末考试-详细答案.md 必须使用以下中文 Markdown 模板：

# 期末考试-详细答案

关联考试：[[期末考试]]
关联脉络：[[课程脉络]]

## 答案总览

| 题号 | 题型 | 考查知识点 | 标准答案摘要 | 来源引用 |
| --- | --- | --- | --- | --- |
| 1 | 单选题 | [[知识点名称]] |  | [[第01课-学习单元名称]] |

## 详细答案

### 题 1

- 考查知识点：[[知识点名称]]
- 题型：单选题 / 多选题 / 概念解释题 / case study 综合应用题
- 标准答案：
- 详细解析：
- 常见错误：
- 对应课程文件：[[第01课-学习单元名称]]
- 对应知识点卡片：[[知识点名称]]
- 来源引用：
  - 来源文件：
  - 来源位置：
  - 引用内容：
- 如果答错，建议回看：
  - [[第01课-学习单元名称]]
  - [[知识点名称]]

期末考试批改闭环

用户完成 期末考试-答题卡.md 后，AI 必须读取答题卡并生成 期末考试-批改记录.md。

批改规则：

• 对每道题判断正确、部分正确或错误。
• 每道题必须标注对应知识点和错因类型。
• 发现错误时，必须更新 卡点与错因记录.md、学习状态.md、相关知识点卡片和全局 学习历史/学习者背景信息.md。
• 只要存在错误、部分正确或用户明确表示不确定，就必须生成下一套巩固卷。
• 期末考试本身视为第1套综合卷；第一轮巩固必须从第2套开始命名，避免把原始期末考试和巩固卷混在一起。
• 巩固卷必须只针对错误知识点、薄弱知识点和不确定知识点，不要机械重复整套期末考试。
• 每套巩固卷都必须拆分为试卷、答题卡和批改记录，例如 期末考试-巩固卷-第2套.md、期末考试-巩固卷-第2套-答题卡.md、期末考试-巩固卷-第2套-批改记录.md。
• 巩固卷答完后继续批改；如果仍有错误，生成下一套巩固卷，命名为 期末考试-巩固卷-第3套.md、期末考试-巩固卷-第3套-答题卡.md、期末考试-巩固卷-第3套-批改记录.md，循环往复。
• 当所有错误知识点达到 能做题 或以上掌握度，并且没有新的明显卡点时，才可以停止生成巩固卷。

期末考试-批改记录.md 必须使用以下中文 Markdown 模板：

# 期末考试-批改记录

关联考试：[[期末考试]]
关联答题卡：[[期末考试-答题卡]]

## 批改总览

| 题号 | 题型 | 考查知识点 | 判定 | 错因类型 | 需要巩固 | 对应巩固卷 | 对应答题卡 |
| --- | --- | --- | --- | --- | --- | --- | --- |
| 1 | 单选题 / 多选题 / 概念解释题 / case study 综合应用题 | [[知识点名称]] | 正确 / 部分正确 / 错误 |  | 是 / 否 | [[期末考试-巩固卷-第2套]] | [[期末考试-巩固卷-第2套-答题卡]] |

## 逐题批改

### 题 1

- 题型：
- 用户答案：
- 标准答案摘要：
- 判定：
- 错因类型：
- 详细反馈：
- 建议回看：
  - [[第01课-学习单元名称]]
  - [[知识点名称]]
- 是否进入巩固卷：

## 后续巩固计划

- 需要巩固的知识点：
- 巩固卷文件：
- 通过标准：

期末考试-巩固卷-第N套.md 必须使用以下中文 Markdown 模板：

# 期末考试-巩固卷-第N套

来源批改记录：[[期末考试-批改记录]]
答题卡：[[期末考试-巩固卷-第N套-答题卡]]
批改记录：[[期末考试-巩固卷-第N套-批改记录]]
针对知识点：

- [[知识点名称]]

## 巩固题

### 题 1

- 针对错因：
- 考查知识点：[[知识点名称]]
- 题目：

期末考试-巩固卷-第N套-答题卡.md 必须使用以下中文 Markdown 模板：

# 期末考试-巩固卷-第N套-答题卡

关联巩固卷：[[期末考试-巩固卷-第N套]]
批改记录：[[期末考试-巩固卷-第N套-批改记录]]

## 作答区

### 题 1

- 考查知识点：[[知识点名称]]
- 我的答案：
- 我不确定的地方：

期末考试-巩固卷-第N套-批改记录.md 必须使用以下中文 Markdown 模板：

# 期末考试-巩固卷-第N套-批改记录

关联巩固卷：[[期末考试-巩固卷-第N套]]
关联答题卡：[[期末考试-巩固卷-第N套-答题卡]]

## 批改总览

| 题号 | 考查知识点 | 判定 | 错因类型 | 是否通过 |
| --- | --- | --- | --- | --- |
| 1 | [[知识点名称]] | 正确 / 部分正确 / 错误 |  | 是 / 否 |

## 批改后更新

- 是否通过：
- 仍需巩固的知识点：
- 下一套巩固卷：

课程内容模板

每个课程内容文件都必须结合 课程脉络.md、课程材料记录.md 和全局 学习历史/学习者背景信息.md 生成。第一个课程内容文件必须命名为 第01课-{学习单元名称}.md，后续课程按顺序命名为 第02课-{学习单元名称}.md、第03课-{学习单元名称}.md。

课程内容必须遵守以下教学结构：

• 每课必须包含 来源依据，区分材料原文、原文翻译、理解型翻译、白话式翻译、解释和 AI 补充。
• 每课必须先明确本课要解决的学习问题、前置知识和本课完成后能独立完成的任务；这些内容要能帮助用户在不打开原始材料的情况下知道为什么学、先懂什么、学完会做什么。
• 每课必须在 ## 本课知识点 中明确区分 本课核心知识点 和 前置/辅助知识。
• 默认模式 下，本课核心知识点 可以包含多个强相关、强依赖、必须合讲才能理解的知识点，但仍要避免把可独立学习的概念堆进同一课。
• 一课一知识点模式 下，本课核心知识点 只能有一个；前置/辅助知识 可以简短引用，但不能展开成第二个核心知识点。
• 一课一知识点模式 下，如果某个前置或辅助概念需要正式定义、完整例题、公式推导、图表解释、课后练习或考试识别，必须把它拆成独立课程文件。
• 故事模式 下，本课核心知识点 只能有一个；前置/辅助知识 只能简短点到，不能展开成第二个核心知识点。
• 故事模式 下，每课必须包含一个完整教学故事链条：故事开场、人物或场景、具体冲突、关键选择、结果反馈、从故事抽象出知识点，再回到正式定义、公式、条件、例题和考试识别。
• 故事模式 下，故事不能替代正式教学。故事之后仍必须给出正式定义、适用条件、符号或公式、变量含义、例题步骤、易错点、考试识别和实际应用。
• 故事模式 下，优先把材料中的案例、例题、实验、题目背景改造成教学故事；若材料没有合适案例，可以使用 AI补充 故事，但必须在 来源依据 中标注。
• 如果用户提供课件截图版本，每课必须同时依据 OCR 文本和原始截图理解课程内容；对来自课件的核心知识点，必须插入对应原始课件截图出处，避免只读 OCR 造成空间关系、层级关系、图表关系或箭头关系误判。
• 先用简单、具体、容易观察的生活小现象引入。
• 解释这个生活小现象背后的逻辑，让用户先理解直觉。
• 再引入课程内容，说明这个知识点和生活现象之间的关系。
• 给出课程内容的正式解释，保留必要术语，但必须配中文解释。正式解释不能只给定义，要完整展开概念的背景、适用问题、关键条件、与前后知识点的关系、在课程主线中的作用和考试识别方式。
• 一课一知识点模式 下，每课必须围绕唯一核心知识点掰开揉碎讲清楚：生活引入、直觉解释、正式定义、适用条件、符号或公式、贯穿例题、常见易错点、考试识别方式和实际应用都只能服务这个核心知识点。
• 故事模式 下，每课必须围绕唯一核心知识点讲一个服务理解的故事。故事要把抽象概念落到可观察的行为、选择、代价、结果和反思上，且不能为了剧情顺手讲多个新概念。
• 故事模式 下，故事后必须写清“故事元素到知识点结构”的映射，例如角色对应对象、冲突对应问题、选择对应方法、结果对应结论。
• 对关键英文术语、缩写或双语概念，必须同时给出英文原文、标准中文学术名称、正式学术解释、白话解释、使用场景和常见误译。不能让用户只靠英文标题、口诀或一句话记忆判断概念含义。
• 如果本课包含数学公式、统计公式、回归方程、检验统计量或推导式，必须解释公式从哪里来、解决什么问题、每个变量和参数表示什么、适用条件是什么、在考试或软件输出中如何使用。不得只贴公式或只给最终形式。
• 深挖课程内容，说明原理、边界、常见误区和为什么重要。
• 如果图片、截图、图表或示意图能显著降低理解难度，必须加入 图解与媒体 段落，并使用 ![[媒体库/文件名.png]] 引用。
• 图解与媒体 段落不能只放图片；如果图片中有非中文内容，必须紧跟图片提供截图内容完整翻译，对截图中所有清晰可辨识文字逐字完整翻译，一字不漏。最终课程文件中应按截图视觉顺序逐项给出完整中文译文，再说明标题、项目符号、图表标签、公式符号和空间布局分别对应哪个课程知识点；不能只翻译部分重点或用概括式解释替代完整翻译，也不要为了展示 OCR 结果而额外输出整段英文原文转写列表。
• 像 Panel Data 这类英文 PPT 截图，必须翻译截图中的全部可读文字，例如主标题、章节标题、Common notation: Y_it、每一个 bullet、每一个例子和括号说明；不能只翻译“Panel Data：面板数据”或只写概括性说明。
• 对每张 PPT 截图或图表，必须说明读图顺序、空间关系、箭头或分组含义、图中文字与正文知识点的对应关系，以及用户应该从图中得出的结论。截图不能只是来源证明或装饰图片。
• 每课必须至少包含一个贯穿例子或连续场景，把本课核心概念、公式、图表和实际应用连起来；如果原材料包含例题、作业、案例或软件输出，必须把题目背景、解题步骤、判断依据和参考答案讲完整。
• 如果 学习者背景信息.md 中已有可迁移的已学内容，必须加入和已学内容的类比，说明相似点、差异点和迁移边界。
• 最后结合实际应用，让用户知道这个知识点能解决什么真实问题。
• 不要只堆概念和定义，不要让用户读死书。
• 每课必须包含 ## 最小记忆包，用表格把本课核心知识点、学术翻译或中文学术名称、一句话记忆和英文答题短句放在一起。对英文术语、缩写和跨语言概念，不能只写英文原词、口诀或答题短句，必须写出对应的标准中文学术概念，例如 Hypothesis Testing 写“假设检验”。
• ## 最小记忆包 只能作为复习压缩层，不能替代课程正文。正文必须先完成完整讲解、例子拆解、图表解释、公式说明和练习训练，再用最小记忆包帮助用户压缩记忆。
• 一课一知识点模式 下，## 最小记忆包 只能服务当前唯一核心知识点，不能把多个新概念塞进同一张表格。
• 故事模式 下，## 最小记忆包 只能服务当前唯一核心知识点，可以增加 故事抓手 或同等字段，但不能把前置知识、后续知识、故事配角概念或同章其他新概念塞进表格。
• 每课必须包含练习或快速检查，并在需要时提供参考答案、评分标准或自检提示。练习不能只问“是什么”，还要覆盖解释、识别、计算、应用或考试答题中的至少一种能力。
• 一课一知识点模式 下，每课末尾必须生成 3-5 个课后练习题，并给出答案或参考解析；题目只检验当前唯一核心知识点，至少覆盖解释、识别、计算、应用或考试答题中的一种能力，不能借练习引入另一个未讲透的新知识点。
• 故事模式 下，每课末尾必须生成 3-5 个课后练习题，并给出答案或参考解析；题目只检验当前唯一核心知识点，至少包含一道“从故事情境识别知识点或解释原理”的题。
• 每课末尾必须使用 Obsidian callout 保留反馈入口，用于边学边反馈。

第01课-{学习单元名称}.md 必须使用以下中文 Markdown 模板：

# 第01课：学习单元名称

关联脉络：[[课程脉络]]

## 来源依据

| 内容 | 来源文件 | 来源位置 | 使用方式 |
| --- | --- | --- | --- |
|  |  |  | 原文 / 原文翻译 / 理解型翻译 / 白话式翻译 / 解释 / AI补充 |

### 原始课件截图出处

如果用户提供课件截图版本，必须在这里或对应知识点讲解处插入原始课件截图，不要只列 OCR 文本来源。

> [!note] 原始课件出处
> ![[媒体库/第01课-知识点名称-课件出处.png]]
> - 对应知识点：[[知识点名称]]
> - 对应 OCR 文件：
> - 课件页码或截图编号：
> - 这张截图用于校验：文字内容 / 图表关系 / 箭头指向 / 分组层级 / 空间位置

## 本课目标

- 学完这一课你应该能理解：
- 学完这一课你应该能做到：

## 本课知识点

- 本课核心知识点：
  - [[知识点一]]
- 前置/辅助知识：
  - [[前置知识点一]]

## 1. 生活小现象引入

用一个简单、具体、容易观察的生活小现象引入本课核心知识点。

## 2. 现象背后的逻辑

解释这个生活小现象为什么会发生，它背后有哪些朴素逻辑。

## 3. 引入课程内容

说明这个生活现象和本课核心知识点之间的关系。

故事模式下，在这里写一个完整教学故事链条：故事开场、人物或场景、具体冲突、关键选择、结果反馈。故事必须服务当前唯一核心知识点，不要引入第二个需要完整讲解的新概念。

### 故事元素到知识点结构

- 角色或对象对应：
- 冲突或任务对应：
- 关键选择对应：
- 结果反馈对应：
- 抽象出的核心知识点：[[知识点一]]

## 4. 正式解释

用课程材料中的正式概念、术语、定义或方法解释本课核心知识点。

## 5. 深挖理解

- 核心原理：
- 关键边界：
- 常见误区：
- 为什么重要：

## 6. 图解与媒体

如果本课需要图片解释，在这里引用 `媒体库/` 中的图片，并说明读图顺序和结论。

> [!example] 图解
> ![[媒体库/第01课-知识点名称-用途.png]]
> - 这张图解释的是：[[知识点名称]]
> - 截图内容逐字翻译：如果截图不是中文，按截图视觉顺序逐项给出所有清晰可辨识非中文文字的完整中文译文；模糊或遮挡文字在对应位置标注 `无法辨识`。不要在最终课程文件中额外展示完整 OCR 原文转写列表。
> - 术语/变量说明：公式、变量和英文术语可以保留原文，但必须补中文含义和使用语境。
> - 先看：
> - 再看：
> - 你应该得到的结论：

## 7. 和已学内容的类比

- 可类比的已学内容：
- 相似点：
- 差异点：
- 迁移边界：

## 8. 实际应用

- 这个知识点可以用来解决什么真实问题：
- 在项目、工作、考试或日常场景中如何使用：
- 一个可操作的小任务：

## 9. 最小记忆包

| 知识点 | 学术翻译 / 中文学术名称 | 一句话记忆 | 英文答题短句 |
| --- | --- | --- | --- |
| [[知识点一]] | 标准中文学术概念，例如“假设检验” |  |  |

填写要求：

- `学术翻译 / 中文学术名称` 必须写该知识点对应的标准中文学术概念，例如 `Hypothesis Testing` 写“假设检验”，`Type I Error` 写“第一类错误 / 假阳性”，不要只重复英文原词。
- 如果知识点本身已经是中文，也要写其更正式的课程或学科名称；如果正式名称完全相同，写“同名”并保持术语一致。
- `一句话记忆` 和 `英文答题短句` 只能作为辅助记忆，不能替代学术翻译或中文学术名称。
- `一课一知识点模式` 下，本表只能出现当前唯一核心知识点；不要把前置知识、后续知识或同章其他概念放入本表。
- `故事模式` 下，本表也只能出现当前唯一核心知识点；可以增加 `故事抓手` 字段记录最短故事记忆线索，但不能放入故事中的辅助概念。

## 10. 快速检查

用 1 到 3 个问题检查用户是否理解本课内容。

> [!question] 快速检查
> 1. 用自己的话解释 [[知识点一]]。
>    - 我的回答：
>    - 我不确定的地方：
> 2. 它解决了什么问题？
>    - 我的回答：
>    - 我不确定的地方：
> 3. 它和你已学过的哪个知识点相似或不同？
>    - 我的回答：
>    - 我不确定的地方：

## 11. 课后练习与答案

`一课一知识点模式` 和 `故事模式` 下固定生成 3 到 5 题，只围绕本课核心知识点；`故事模式` 下至少一题必须要求用户从故事情境识别知识点或解释原理；`默认模式` 下按本课知识点数量和难度生成适量练习。每题必须给出答案或参考解析。

### 题 1

- 考查能力：解释 / 识别 / 计算 / 应用 / 考试答题
- 题目：
- 答案或参考解析：

### 题 2

- 考查能力：解释 / 识别 / 计算 / 应用 / 考试答题
- 题目：
- 答案或参考解析：

### 题 3

- 考查能力：解释 / 识别 / 计算 / 应用 / 考试答题
- 题目：
- 答案或参考解析：

## 12. 反馈入口

> [!todo] 我的反馈
> - 我能复述的内容：
> - 我卡住的地方：
> - 当前难度评分，1 到 5：
> - 我希望下一步：
> - 这个知识点让我联想到的已学内容：

跨学科与双语处理

默认用户是跨学科、跨领域学习者，可能会同时接触技术、人文、商业、科学、数学、工程、设计、产品、医学、社会科学或其他领域的学习内容。生成学习资料时必须帮助用户建立跨领域连接，而不是假设用户只在单一学科背景中学习。

处理规则：

• 识别课程材料涉及的主要学科和相关领域。
• 遇到跨学科概念时，说明它在不同领域中的含义差异和共同逻辑。
• 不要假设用户已经熟悉某个领域的默认术语、背景知识或行业语境。
• 如果学习材料中出现英文内容，必须提供原文翻译、理解型翻译和白话式翻译。
• 对关键英文术语必须保留英文原文，并提供中文译名、直观解释和使用场景。
• 对英文术语、缩写、英文标题型知识点或中英混合概念，必须在对应知识点卡片中写出标准中文名称和标准学术解释。例如 Hypothesis Testing 不能只解释为“用样本证据判断是否拒绝 H0”，还必须明确中文名称是“假设检验”，并说明其统计推断含义、课程用途和考试识别方式。
• 对课件截图、图片、图表和扫描页中的英文或其他非中文内容，也必须提供完整逐字中文翻译和理解型解释。截图翻译不是摘要，也不是 OCR 原文展示：不能因为截图已经嵌入原图就省略翻译，也不能只翻译重点、标题或部分项目符号；必须先按截图视觉顺序完整翻译所有清晰可辨识文字，再进行术语解释、理解型解释、白话解释、读图顺序和空间关系说明。截图本身已经承担原文展示功能，正文附近默认只需提供完整中文翻译和解释，不要求额外展示整段截图英文原文转写。用户需要能够不依赖外语直接看懂图解部分。
• 对英文句子、段落、题目、定义、论文摘录、代码注释或 API 文档，必须按三层翻译输出，不要只给单一中文释义。
• 原文翻译：贴近课程原文逐句翻译，保留原文结构、逻辑顺序和限定条件，用于忠实对齐材料。
• 理解型翻译：关键术语保留英文，其他内容使用中文解释，用于帮助用户在中文语境中理解英文概念，例如保留 gradient descent、loss function、case study 等术语。
• 白话式翻译：全部使用中文，用更自然、直观、容易理解的表达重讲原文含义，用于帮助用户真正听懂。
• 翻译时必须先忠实于课程原文，再服务理解；不得因为白话化而改变原意、遗漏限制条件或把 AI 补充当作原文。
• 如果英文材料对考试、论文、代码或实际工作有保留原文的价值，必须同时保留英文原文、原文翻译、理解型翻译和白话式翻译。

如果材料中出现英文内容，必须在课程输出目录中生成 中英术语与翻译.md，使用以下中文 Markdown 模板：

# 中英术语与翻译

## 术语表

| 英文术语 | 中文译名 | 直观解释 | 所属学习单元 | 使用场景 |
| --- | --- | --- | --- | --- |
|  |  |  |  |  |

## 关键英文内容翻译

### 1. 来源位置

- 英文原文：
- 原文翻译：
- 理解型翻译：
- 白话式翻译：
- 语境解释：
- 和课程内容的关系：

交互范式一：学习单元反馈闭环

第一个交互范式是 学习单元反馈闭环。这个范式用于每一个学习单元，目标是让用户在学习过程中持续反馈，通过每轮反馈即时调整后续讲解、练习、难度和学习顺序，以提升学习效率。

执行规则：

• 每个学习单元必须拆成可反馈的最小学习片段，不要一次性堆叠过多概念。
• 每个学习片段必须包含一个明确的小目标、必要讲解、一个检查问题和一个反馈入口。
• 学习过程中必须边学边反馈，不要等一个章节或整套资料学习完后才收集反馈。
• 用户每次反馈后，先判断理解状态，再决定继续、补讲、降阶、换例子、增加练习或调整学习顺序。
• 不要在用户明显没有掌握前继续推进到更高难度内容。
• 优先解决当前反馈暴露的阻塞点，不重复讲解用户已经稳定掌握的内容。
• 如果用户反馈显示当前内容过易，允许压缩讲解并提高练习难度；如果反馈显示过难，必须降阶补足前置知识。
• 每次用户反馈都要记录到 学习反馈记录.md。
• 每次用户反馈都要提取可复用的学习偏好、稳定难点、节奏偏好和调整需求，并合并写入全局 学习历史/学习者背景信息.md。
• 每次用户完成一个学习片段或学习单元后，都要把已学习的课程、学习单元、知识点、掌握程度和可用于类比的经验写入全局 学习历史/学习者背景信息.md。
• 新课程或新知识点讲解时，必须优先检索全局背景中用户已经学过的内容，使用已掌握内容做类比，帮助用户迁移知识体系。
• 后续学习资料可以根据反馈记录和全局学习者背景信息调整讲解方式、练习难度和学习顺序。

单次交互流程：

1. 明确本次最小学习目标。
2. 给出短讲解，只覆盖当前目标所需内容。
3. 给出一个检查问题，让用户用自己的话回答或完成一个小任务。
4. 收集用户反馈。
5. 根据反馈判断理解状态。
6. 按理解状态选择下一步动作。
7. 记录反馈和调整结果。
8. 用调整后的内容进入下一轮学习。

用户反馈模板：

• 我能复述的内容：
• 我卡住的地方：
• 当前难度评分，1 到 5：
• 我希望下一步：

理解状态判断：

下一步动作规则：

• 继续：进入下一个学习片段。
• 补讲：用更简单的语言重新解释当前知识点。
• 换例子：改用不同场景或更具体的案例。
• 加练：增加 1 到 3 个同难度练习。
• 降阶：回到前置概念或基础材料。
• 调整顺序：必要时更新后续学习顺序。

效率最大化规则：

• 每轮只处理一个最小学习目标。
• 每轮反馈后立即调整下一轮内容。
• 已掌握内容减少重复讲解，改为快速检查或应用练习。
• 未掌握内容不要硬推下一章，先补足前置知识。
• 连续两轮反馈显示过难时，必须降低难度或更换解释方式。
• 连续两轮反馈显示过易时，可以合并后续基础内容并提高练习密度。

学习反馈记录.md 必须使用以下中文 Markdown 模板：

# 学习反馈记录

## 反馈汇总

| 时间 | 学习单元 | 学习片段 | 用户反馈摘要 | 理解状态 | 下一步动作 | 备注 |
| --- | --- | --- | --- | --- | --- | --- |
|  |  |  |  |  |  |  |

## 详细反馈

### 1. 反馈记录

- 时间：
- 学习单元：
- 学习片段：
- 用户原始反馈：
- 理解状态：
- 判断依据：
- 下一步动作：
- 对后续学习资料的调整：
- 是否需要更新学习者背景信息：
- 写入学习者背景信息的内容：
- 本次新掌握的知识点：
- 可用于后续类比的已学经验：
- 掌握度变化：
- 是否写入卡点与错因记录：

首次背景沟通

当 学习历史/学习者背景信息.md 不存在、为空、只有初始模板，或大多数字段仍为 待填写 时，视为背景信息不足。此时不要直接开始生成完整学习资料，必须先用简短问题和用户沟通背景，以提升后续教学体验。

背景信息不足的判断：

• 文件不存在。
• 文件内容为空。
• 文件只有 学习者背景信息模板 的标题和字段，没有用户填写内容。
• 学习目标、已有基础、学习偏好、时间与节奏、当前难点 中大多数字段为 待填写。
• 无法判断用户当前基础、学习目标或可投入时间。

首次沟通时优先询问以下 5 个问题，不要一次问过多额外问题：

1. 你学习这门课最想达成什么目标？
2. 你现在对这门课相关内容的基础大概是什么水平？
3. 你最担心或最容易卡住的部分是什么？
4. 你每次大概能投入多长时间学习？
5. 你更喜欢哪种讲解方式，例如例子驱动、任务驱动、先讲概念再练习，或边做边讲？

写入规则：

• 用户回答后，必须把回答整理写入 学习历史/学习者背景信息.md。
• 用户没有回答的字段继续保留为 待填写。
• 如果用户只回答部分问题，也要先写入已有回答，再基于已知信息继续。
• 后续学习过程中继续通过反馈自动补全这个文件。

学习者背景信息模板

学习者背景信息.md 位于 学习历史 根目录，用于让用户写入自己的学习背景，也用于让 AI 在用户持续反馈时自动沉淀可复用的学习偏好、稳定难点、节奏偏好和调整需求。它是跨课程全局文件，不受具体科目影响。生成全量学习资料前必须读取这个文件；如果用户或 AI 后续更新了这个文件，继续学习时必须重新读取。

填写规则：

• 已知信息必须如实写入。
• 未知字段写 待填写，不要自行编造。
• 生成学习资料时，只能基于用户已提供或文件中已填写的信息做个性化调整。
• 不要把 待填写 字段当成事实使用。
• 用户反馈中暴露出的长期偏好、重复难点、学习节奏和有效讲解方式，必须自动写入或更新到 学习者背景信息.md。
• 用户不断学习过程中产生的已学课程、已学知识点、掌握程度、典型练习、项目经验和可迁移类比，必须自动写入或更新到 学习者背景信息.md。
• 只写入对后续教学有复用价值的信息，不把单次临时状态误写成长期特征。
• 自动更新时保留原有有效信息，新增内容要标注来源课程、更新时间和依据。

学习者背景信息.md 必须使用以下中文 Markdown 模板：

# 学习者背景信息

## 学习目标

- 我学习这门课的主要目标：
- 我希望最终能完成的任务：
- 我最关心的应用场景：

## 已有基础

- 我已经掌握的相关知识：
- 我学过但不熟的内容：
- 我完全陌生的内容：
- 我已有的项目、作业或实践经验：

## 学习偏好

- 我更容易理解的讲解方式：
- 我不喜欢或不适合的讲解方式：
- 我希望例子偏向的场景：
- 我希望练习的形式：

## 时间与节奏

- 我每次可投入的学习时间：
- 我希望的学习频率：
- 我能接受的单次学习强度：
- 我希望的截止时间或阶段目标：

## 当前难点

- 我最担心的知识点：
- 我最容易卡住的地方：
- 我希望优先补足的前置知识：

## 已学内容

| 更新时间 | 来源课程 | 已学单元 | 已学知识点 | 掌握程度 | 证据 | 可用于类比的经验 |
| --- | --- | --- | --- | --- | --- | --- |
|  |  |  |  |  |  |  |

## 知识迁移类比库

| 新知识领域 | 可类比的已学内容 | 类比方式 | 适用场景 | 注意边界 |
| --- | --- | --- | --- | --- |
|  |  |  |  |  |

## 反馈与调整

- 我希望如何给出反馈：
- 我希望系统如何调整难度：
- 其他需要说明的信息：

## AI 自动沉淀

| 更新时间 | 来源课程 | 观察到的学习特征 | 依据 | 后续教学调整 |
| --- | --- | --- | --- | --- |
|  |  |  |  |  |

材料处理

• ko-lesson 生成的是可独立学习的完整课程资料，不是原始材料的补充说明。不得生成需要用户回到原 PPT、OCR、教材或讲义才能学懂的课程文件；如果某个概念、公式、例子、图表或课件页只被引用但没有在课程正文中解释清楚，应视为不合格。
• 原始材料中的核心概念、推导过程、例子、图表、练习、作业、案例、软件步骤和考试要求都必须被消化进课程包的正文、练习和复习结构中。来源依据、媒体索引、知识点卡片和最小记忆包不能替代正文讲解。
• 课程正文必须保持连贯叙述：先解释为什么学，再解释是什么，再解释怎么用、什么时候不能用、考试怎么识别、常见错误是什么。不得把相关内容拆成互不衔接的孤立卡片，让用户自行拼接。
• 生成或续写课程包时，必须延续 课程材料记录.md 和 课程脉络.md 中记录的 课程颗粒度模式。课程颗粒度模式只能是 默认模式、一课一知识点模式 或 故事模式 三选一；如果当前课程包缺少该字段，按 默认模式 处理，除非用户明确要求转换。
• 如果当前课程包记录为 一课一知识点模式，后续补课、扩写、修复和全量生成都必须继续保持每课一个核心知识点。
• 如果当前课程包记录为 故事模式，后续补课、扩写、修复和全量生成都必须继续保持每课一个核心知识点，并为每个核心知识点提供一个完整教学故事。
• 一课一知识点模式 下，原材料章节、课件页或教材小节不能直接等同于一课；如果一个章节包含多个可独立学习的概念，必须按理解依赖拆成多课，并让每课只承担一个核心知识点的完整讲解和练习。
• 一课一知识点模式 下，前置知识、辅助知识、后续关联、例题中顺带出现的概念可以被点到为止，但不能在当前课中展开成完整定义、公式推导、例题训练或考试题；需要展开时必须拆成独立课程文件。
• 故事模式 下，原材料章节、课件页或教材小节也不能直接等同于一课；如果一个章节包含多个可独立学习的概念，必须按理解依赖拆成多个故事课，每课只服务一个核心知识点。
• 故事模式 下，课程文件仍必须是可独立学习的完整自足教材，不能变成单纯故事、寓言、轻量摘要或情节化导读。故事只负责降低理解门槛，不能替代正式定义、公式说明、例题解析、易错点、考试识别和练习答案。
• 故事模式 下，禁止复用《小岛经济学》的具体情节、角色、表达或可识别桥段；只能使用“故事化解释抽象概念”的中性教学方法。
• 优先基于用户提供的材料生成，不凭空扩展成无来源的课程。
• 如果材料不完整，明确标注缺失部分，并基于已有内容生成可用版本。
• 如果存在英文原文，必须保留关键英文术语，并提供原文翻译、理解型翻译和白话式翻译帮助理解。
• 如果存在英文术语、英文标题或缩写型知识点，必须在 知识点/ 卡片中补齐 标准学术解释，包括 中文名称、学术解释、本课程对应关系 和 考试识别方式；不要让用户只能看到英文标题和记忆抓手而无法判断其对应的中文学术概念。
• 生成课程内容文件时，## 最小记忆包 必须包含 学术翻译 / 中文学术名称 或同等字段；其中每个英文术语、缩写或跨语言知识点都必须同步写入标准中文学术名称或学术翻译，并与 知识点/ 卡片中的 标准学术解释 保持一致。
• 如果使用的课件截图、图表、扫描页或图片包含非中文内容，生成学习资料时必须在图片附近补充截图内容完整翻译：对所有清晰可辨识文字完整逐字翻译，一字不漏，并按截图视觉顺序组织。截图翻译不是 OCR 原文展示；OCR、视觉识别和截图原文转写可以作为内部步骤用于防止漏翻，但最终课程文件默认只保留完整中文译文、必要术语说明和读图解释，不要求把截图里的英文原文逐条抄入正文。完整翻译完成后，再结合截图空间关系说明这些文字、标签、箭头、表格或图形元素如何支持当前知识点；理解型解释和白话解释只能作为补充层，不能替代逐字翻译。
• 如果材料、OCR、课件截图或生成内容中出现公式，必须把公式统一转换为 $...$ 或 $...$ 包裹且能正确渲染的 LaTeX 数学公式。示例：回归方程应写为 $Y_i=\beta_0+\beta_1X_i+\varepsilon_i$，正文中的变量关系应写为 $D=0$、$\beta_2$，面板数据下标应写为 $Y_{it}$，不要写成 Y = beta_0 + beta_1 X + epsilon、Y=beta_0+beta_1X、$Y_it$、$beta_1$ 或代码块。
• 如果存在多个文件，先建立文件和章节之间的对应关系，再生成学习资料。
• 如果用户同时提供课件源文件、OCR 版本和截图版本，必须同时读取 OCR 版本和截图版本：OCR 用于提取文字、术语和段落线索，截图用于校验页面版式、空间关系、图表、箭头、层级、并列结构和视觉强调。如果 OCR 与截图呈现不一致，优先回到课件源文件或截图核对，并在材料记录或来源依据中标注 OCR 可能不可靠。
• 生成课程内容时必须填写 来源依据，区分材料原文、原文翻译、理解型翻译、白话式翻译、解释和 AI 补充。
• 需要图片解释时，必须将图片放入当前课程输出目录的 媒体库/，在正文中使用 ![[媒体库/文件名.png]] 引用，并同步更新 媒体库/媒体库索引.md。
• 如果用户提供课件截图版本，生成课程内容时必须把对应知识点的原始课件截图导入 媒体库/ 并插入正文作为出处；优先使用原始截图，不要用 OCR 文本、AI 生成图或重画图替代原始课件截图。
• 生成学习资料前必须读取全局 学习历史/学习者背景信息.md，根据用户目标、基础、偏好、时间和当前难点调整讲解深度、例子类型、练习难度和学习节奏。
• 生成新课程或新知识点前，必须读取全局 学习历史/学习者背景信息.md 中的 已学内容 和 知识迁移类比库，优先使用用户已掌握的课程、知识点、项目或练习经验进行类比解释。
• 用户反馈过程中必须同步维护 学习状态.md、学习反馈记录.md、卡点与错因记录.md、知识点卡片和全局 学习历史/学习者背景信息.md：课程内文件记录本课程学习进度、卡点、掌握度和知识点状态，全局文件沉淀跨课程可复用的学习者理解、已学内容和知识迁移线索。
• 如果用户反馈课程资料“不足以完整学习”“只能作为补充”“需要回原材料才看得懂”或同等含义，默认修复策略是按学习顺序逐课扩写为自足教材：先从当前正在学习或反馈指出的课程文件开始，补齐学习问题、前置知识、完整正文、截图解释、公式说明、贯穿例子、练习和参考答案，再根据反馈推进后续课程。不要只继续追加零散补充文件或单点解释。
• 最后一节课程完成并通过反馈确认后，必须基于 课程脉络.md、所有课程内容文件、知识点卡片和来源依据生成 期末考试.md、期末考试-答题卡.md 与 期末考试-详细答案.md。
• 用户完成期末考试答题卡后，必须生成 期末考试-批改记录.md；如果发现错误、部分正确或不确定项，必须生成 期末考试-巩固卷-第N套.md 并循环批改和巩固。

验证

• 检查输出是否覆盖所有可识别章节。
• 检查 课程首页.md、学习状态.md、学习反馈记录.md、卡点与错因记录.md 是否已经生成。
• 检查 课程材料记录.md 是否写明 课程颗粒度模式，并确认 课程脉络.md 开头记录了同一模式；模式只能是 默认模式、一课一知识点模式 或 故事模式。
• 检查每章是否包含讲解、练习和复习内容。
• 抽查任意一课，确认用户不打开原始 PPT/OCR/教材也能理解该课目标、前置知识、核心概念、公式变量、图表示例、练习任务和考试用法；如果必须回原材料才能学懂，课程文件不合格。
• 检查每课是否像完整教材章节，而不是“目录 + 最小记忆包 + 几段解释”的导读型材料；正文应明显承担主要学习功能，最小记忆包只能承担复习压缩功能。
• 检查每个核心知识点是否有足够上下文，包括它解决的问题、标准学术解释、白话解释、适用条件、常见误区、与前后知识点的关系和使用场景；不得只提供卡片式定义。
• 检查每个课程内容文件是否包含 来源依据，并区分材料内容和 AI 补充。
• 如果用户提供课件源文件、OCR 版本和截图版本，检查 课程材料记录.md 是否记录三者对应关系，并检查课程内容是否同时使用 OCR 文本和截图版式信息；不得只依据 OCR 生成空间关系、图表关系或箭头关系解释。
• 检查术语、章节编号和文件引用是否一致。
• 检查所有数学公式、统计公式、回归方程、假设检验表达式和推导式是否都使用 $...$ 行内公式或 $...$ 行间公式，并确认语法能被 Obsidian/Markdown 数学渲染器正常显示；确认没有把公式写成普通纯文本、反引号代码、代码块、HTML 公式、\(...\) 或 \[...\] 形式，也没有使用 $Y_it$、$beta_1$ 这类容易渲染异常或语义不规范的写法。
• 检查课程需要图片解释时是否已经创建 媒体库/ 和 媒体库/媒体库索引.md。
• 检查所有图片是否放在当前课程输出目录的 媒体库/ 中，正文是否使用 Obsidian 兼容语法 ![[媒体库/文件名.png]] 或 ![[媒体库/文件名.png|宽度]] 引用。
• 如果用户提供课件截图版本，检查每个来自课件的核心知识点是否插入对应原始课件截图出处，并检查 媒体库/媒体库索引.md 是否记录截图来源文件、页码或截图编号。
• 检查每张图片附近是否解释读图顺序、对应知识点和结论，避免只插图不讲解。
• 检查每张 PPT 截图、图表或扫描页附近是否解释图中文字、空间关系、箭头指向、分组层级、变量标记和课程结论；如果截图只作为出处而没有帮助用户理解，应补写正文解释。
• 检查每张包含非中文内容的图解、课件截图、图表或扫描页附近是否提供了截图内容完整翻译，并抽查截图中每一处清晰可辨识非中文文字是否都能在附近找到对应中文翻译。标题、副标题、小标题、正文、每一个项目符号、图例、表头、轴标题、注释、页眉页脚、括号说明、例子文本和结论性文字只要清晰可辨识，都必须逐字翻译；公式、变量和英文术语应保留原文并补中文解释。
• 如果截图中存在未翻译的标题、bullet、图例、表头、轴标题、注释、页眉页脚、括号说明或例子文本，应判定课程文件不合格。只写“截图核心意思是……”、只翻译部分重点、只翻译标题或只给理解型解释，也不算通过截图翻译检查。大量输出截图 OCR 原文转写但缺少完整中文翻译同样不合格；为了满足“转写”而让课程正文冗余、破坏学习连贯性时，应修正为只保留完整译文、必要术语说明和读图解释。
• 检查每个学习单元是否包含反馈入口。
• 检查 学习反馈记录.md 是否已经生成。
• 检查全局 学习历史/学习者背景信息.md 是否已经生成，并确认没有把 待填写 字段当成事实使用。
• 检查用户反馈中可复用的信息是否已同步更新到全局 学习历史/学习者背景信息.md。
• 如果材料包含英文内容，检查是否已经生成 中英术语与翻译.md，并确认关键英文术语、句子、段落、题目或定义都包含原文翻译、理解型翻译和白话式翻译。
• 检查跨学科概念是否解释了必要背景、领域差异和实际使用场景。
• 检查 课程脉络.md 是否包含每一节课的单元名称和该单元内所有知识点。
• 如果 课程颗粒度模式 是 默认模式，检查每课包含的多个知识点是否确实强相关、强依赖、必须合讲；如果只是沿用原章节把多个独立概念放在一起，应拆课。
• 如果 课程颗粒度模式 是 一课一知识点模式，检查 课程脉络.md 中除 期末考试、综合复习和巩固卷之外的每一行 单元知识点 是否只有一个 [[知识点]]；如果出现 [[知识点一]]、[[知识点二]] 这类并列核心知识点，应判定不合格并拆成多课。
• 如果 课程颗粒度模式 是 一课一知识点模式，检查每个课程内容文件的 ## 本课知识点 是否只有一个 本课核心知识点；前置/辅助知识不得被展开成第二个核心知识点。
• 如果 课程颗粒度模式 是 故事模式，检查 课程脉络.md 中除 期末考试、综合复习和巩固卷之外的每一行 单元知识点 是否只有一个 [[知识点]]，并确认每行都有服务该知识点的 故事线索。
• 如果 课程颗粒度模式 是 故事模式，检查每个课程内容文件的 ## 本课知识点 是否只有一个 本课核心知识点，并确认前置/辅助知识没有被展开成第二个核心知识点。
• 如果 课程颗粒度模式 是 故事模式，检查每课是否有完整故事链条，包括故事开场、人物或场景、具体冲突、关键选择、结果反馈、从故事抽象出知识点。
• 如果 课程颗粒度模式 是 故事模式，检查故事后是否有“故事元素到知识点结构”的明确映射，例如角色对应对象、冲突对应问题、选择对应方法、结果对应结论。
• 如果 课程颗粒度模式 是 故事模式，检查故事是否只服务当前唯一核心知识点，而不是引入多个未讲透的新概念。
• 如果 课程颗粒度模式 是 故事模式，检查故事之后是否仍有正式定义、公式或符号说明、例题、易错点、考试识别、实际应用和 3-5 道练习答案。
• 如果 课程颗粒度模式 是 故事模式，检查故事内容若为 AI 补充，是否在 来源依据 中标注为 AI补充。
• 如果 课程颗粒度模式 是 故事模式，检查未出现对《小岛经济学》具体文本、角色、情节或表达的复述、改写或套用。
• 检查所有知识点是否使用 Obsidian 双链引用，例如 [[知识点名称]]。
• 检查课程内容文件是否引用 [[课程脉络]]，在本课知识点中使用双链，并使用 Obsidian callout 作为快速检查和反馈入口；快速检查中的每个问题都必须有独立的 我的回答 和 我不确定的地方，不要让多道题共用一个回答区。
• 检查每个课程内容文件是否包含 ## 最小记忆包，并确认表格中包含 学术翻译 / 中文学术名称 或同等字段；对英文术语、缩写和跨语言概念，确认没有只给英文名称、口诀或英文答题短句，而是明确写出对应中文学术概念。
• 如果 课程颗粒度模式 是 一课一知识点模式，检查每个课程内容文件的 ## 最小记忆包 是否只服务当前唯一核心知识点，不能列入同章其他新概念、后续知识或未讲透的辅助概念。
• 如果 课程颗粒度模式 是 一课一知识点模式，检查每课是否有 3-5 个课后练习题，并且每题都有答案或参考解析；题目必须只检验当前唯一核心知识点，不能借题目引入另一个未讲透的新知识点。
• 如果 课程颗粒度模式 是 故事模式，检查每个课程内容文件的 ## 最小记忆包 是否只服务当前唯一核心知识点；如果增加 故事抓手 字段，确认它只是记忆线索，不是第二个核心知识点。
• 如果 课程颗粒度模式 是 故事模式，检查每课是否有 3-5 个课后练习题，并且每题都有答案或参考解析；题目必须只检验当前唯一核心知识点，且至少一题从故事情境识别知识点或解释原理。
• 检查每个核心知识点是否在 知识点/ 文件夹中生成独立卡片，且卡片文件名和双链名称一致。
• 检查每个核心知识点卡片是否包含 ## 标准学术解释，并至少包含 中文名称、学术解释、本课程对应关系、考试识别方式 四项；对英文术语、英文标题或缩写型知识点尤其要确认中文名称和正式学术解释已经写清楚。
• 检查每个课程文件、学习单元和核心知识点是否维护掌握度。
• 检查学习完成或反馈后，是否把已学课程、已学知识点、掌握程度和可迁移类比写入全局 学习历史/学习者背景信息.md。
• 检查新课程内容是否优先参考全局背景中的已学内容，并用已掌握知识帮助解释新知识。
• 检查最后一节课程完成后是否生成 期末考试.md、期末考试-答题卡.md 和 期末考试-详细答案.md。
• 检查期末考试是否覆盖 课程脉络.md 中所有学习单元和所有知识点。
• 检查 期末考试-详细答案.md 是否为每道题提供详细解析、对应知识点、对应课程文件和来源引用。
• 检查用户提交 期末考试-答题卡.md 后是否生成 期末考试-批改记录.md。
• 检查如果批改发现错误、部分正确或不确定项，是否生成对应 期末考试-巩固卷-第N套.md，并且巩固卷只针对薄弱知识点。
• 检查巩固卷批改后是否继续更新 学习状态.md、卡点与错因记录.md、知识点卡片和全局 学习历史/学习者背景信息.md。
• 如果用户反馈现有课程包不完整或不可独立学习，检查修复方案是否采用逐课扩写为自足教材，而不是只新增零散补充讲义、术语解释或截图索引。
• 对代码或实验内容，尽量运行或静态检查可验证部分。