自动读取官方来源
围绕 AQA、Edexcel、CAIE 的官方 syllabus / specification 与 College Board AP CED 工作;无法唯一确认时先返回候选,不猜测考试局、课程或版本。
支持自动获取 AQA、Edexcel 的英国本土 GCSE、国际 IGCSE 与 A-Level 大纲,CAIE 的 Cambridge International IGCSE 与 A-Level 大纲,以及 College Board AP CED。把 Skill 链接交给你的 Agent,先完成外部生图能力预检,再确认来源体系、科目、语言和讲解风格;LLM 完成全量 HTML 审查后,才会导出可打印 PDF。其他体系不能自动获取,手动导入也可能出现未知兼容错误。
帮我生成 Mathematics 9260 复习手册,附中文专业词对照表,并导出 PDF。
它最早是为了帮一个正在转轨的孩子,把复习压力拆成能看懂、能练习、能复盘的一页页手册。
这个项目最早不是为了做一个“工具”,而是为了帮一个真实的孩子轻一点地走过转轨期。我的儿子今年要参加 International GCSE 大考;他从公办体系转到国际课程还不到一年,课堂语言几乎一下从全中文切换到全英文。知识点本身可以慢慢学,但新的语言、新的考试方式和临近大考的时间压力叠在一起,很容易让孩子觉得自己被推着走。
我用 AI 做了一个学习、复习用的 Skill:让它围绕对应课程要求,把知识点拆成能理解的结构、例题、图解和检查点。这个项目的初衷很简单:利用人工智能帮助孩子更轻松、更有掌控感地面对学业。
所以这个项目的重点不是炫技,而是把“看不懂、记不住、不会用”的复习压力,拆成孩子能读、能练、能看图理解的一页页手册。
动画展示 AQA、Edexcel、CAIE 与 College Board AP 四路官方来源,以及从首轮预检到受控 PDF 交付的完整流程。
v0.7 将同一项目升级为根目录单一权威入口的标准 Skill,并保留四路官方来源、首轮强制预检、原子级大纲拆解、逐 topic 视觉决策,以及 HTML 先审后修;Python 仍只负责下载、抽取、验证、渲染和阻断,教学判断与批准仍由宿主 LLM 完成。
围绕 AQA、Edexcel、CAIE 的官方 syllabus / specification 与 College Board AP CED 工作;无法唯一确认时先返回候选,不猜测考试局、课程或版本。
大纲分析、主编写、视觉决策和最终复查拆开执行;可以由一个宿主 LLM 分阶段完成,也可以在用户要求时交给多个 Agent。
考试本身是英文,手册正文、例题和图中文字保持英文;中文、繁中、日语等作为 30-50 个专业词对照表加入。
每个 topic 先由 Writer 判断视觉学习价值:文字足够就写明 text-ok 理由;精确图走 exact-SVG 或 Kroki;复杂信息图走外部生图并复核导入。
支持 formal、friendly、life、story、detective、adventure 等风格,同时配套 worked examples 和练习卡片。
最终交付前由 LLM 亲自检查每个 topic、例题、答案、来源锚点和每个实际渲染视觉;机器验证只是辅助证据,问题能修就重写、重渲染、再完整查看,不能修就保留 draft 状态。
当前自动获取范围是 AQA、Edexcel 的英国本土 GCSE、国际 IGCSE 与 A-Level,CAIE 的 Cambridge International IGCSE 与 A-Level,以及 College Board AP。AQA 可从官网目录发现课程;Edexcel 会按官方页面规则尝试匹配候选;CAIE 会从官方科目索引匹配候选;AP 会发现 42 门官方课程并严格选择核心 CED。其他体系不能自动获取,手动导入也可能出现未知兼容错误。
| 来源体系 | 支持课程 | 当前路线 |
|---|---|---|
| AQA | GCSE / IGCSE / A-Level | 官网目录发现 |
| Edexcel | GCSE / IGCSE / A-Level | 候选发现 + URL/PDF |
| CAIE | IGCSE / A-Level | 科目索引 + 年份确认 |
| College Board | Advanced Placement (AP) | 42 科目录 + 核心 CED |
截图来自最终数学、经济、化学手册,不是占位图。每个样例都包含知识点讲解、例题和已合并的信息图。
可直接预览、打印或交给学生复习,页面重点放在知识点、例题和图文讲解。
AI 先判断哪些内容需要图,再决定用 SVG 还是复杂信息图模型生成。
每个知识点都要能落到讲解、练习、答案检查点和最终备考复习题。
流程是:先在预检中确认是否有可调用的外部生图能力,再根据官方大纲生成知识点和例题;Writer 为每个 topic 独立判断是否需要图文结合;exact SVG 必须复核通过,复杂信息图先进入待生成队列,有可调用能力时由 Agent 自动生成和导入。
被 AI 判断为需要图的知识点,必须有图文学习单元:图/信息图、情境问题、讲解风格、答题步骤和复习检查点。
GPT Image 2.0、Qwen Image 2.0 Pro、SenseNova U1 Fast 是推荐外部选项;如果用户有对应 Skill/API,Agent 可以自动调用。没有可调用能力时,复杂图只交付配图需求清单;SVG 只用于已复核的 exact-fit 资产。
同一知识点可以用生活场景、侦探推理、闯关式讲解;生成后会清理“总之”“值得注意的是”这类模板化过渡语。
设计参考:反模板腔检查借鉴 qiaomu-novel-generator 的 anti-AI language gate 思路;SVG 复核规则采用 figure contract 的原则,先写清楚图要解释的 claim、标签、来源依据和误导风险,再决定是否批准资产。这些都是文档约束,不作为运行时依赖。
生成前选择的是术语辅助语言;手册正文、例题、标签和生图提示词保持英文,非英文支持放进专业词对照表。
中文、繁体中文、日语等支持语言只作为 30-50 个核心术语对照表加入正文前部。
考试语言是英文,所以讲解、例题、图中文字和 image prompts 都保持英文。
如果未来要显示中文知识点名称,必须来自复核词表或学科老师复核。
用户第一次使用时先回答是否有可调用的外部生图 Skill 或工具,再确认考试局、科目、年份、术语支持语言和讲解风格;LLM 按官方证据拆分学习单元,逐 topic 做视觉决策;交付前由 LLM 完整查看当前 HTML,有问题就重写、重渲染、再查看,只有通过后才导出 PDF。
先确认用户是否有可调用的外部生图 Skill、API、脚本或图片目录,再确认 AQA / Edexcel / CAIE / AP、科目、考试年份、术语表语言和讲解风格。
抓取或读取官方 syllabus / specification,保留 Markdown 结构和逐页证据,由 LLM Analyst 判断可独立考查的教学单元。
数轴、坐标轴等简单精确图只有在 LLM 标记 exact-fit 且复核后才能使用;流程、层级、关系等专业结构图走 Kroki;大量文字和场景结合的信息图走外部生成并复核导入。
最终文件需要 LLM 自己全盘复查当前 HTML:大纲覆盖、解释、每道例题与答案、术语表、每个视觉和排版都要看;记录当前 HTML 哈希并通过后,才进入 PDF 导出和 final-ready。
普通用户看 README 和项目主页;Agent 使用 Skill;开发者再看 Python 引擎、测试和验证脚本。
exam-revision-handbook/
README.md
README.zh-CN.md
docs/
PROJECT_DETAILS.md
PROJECT_OPERATIONS.md
SKILL_EXPLAINED.md
ACCURACY_POLICY.md
EXAMPLES.md
README_RESEARCH.md
SKILL.md
agents/
references/
assets/runtime/
evals/
reports/
security/
skill_atlas/
src/intl_exam_guide/
providers/oxfordaqa.py
providers/pearson.py
providers/cambridge.py
rendering/html.py
validation/checks.py