exam-prep
Skill3 starsChanged 20 days agoApache-2.0View on GitHub
把講義、投影片、課本、手寫筆記照片、考古題(可上傳或給 Google Drive 連結)重新組織成排版精美的複習 PDF:學習講義、重點整理、題型解題卡、Cornell 回憶筆記、分層講義、練習題與驗算過的解答、公式小抄,附概念地圖與圖表。使用者提到期中考、期末考、小考、複習、整理重點、整理教材、做講義、出練習題、考古題、study guide、exam prep、cheat sheet,或丟了課堂資料想學懂或準備考試時使用。
- Installs packages
9 other projects use a version of this.
Adopted by
Most recently taken up by
- Noam-Marom/academic-studentstheir own version, first seen Nov 8, 2026
- liknenS/language-learning-skillstheir own version, first seen Oct 25, 2026
- MichaelPrutkow/anki-for-claudetheir own version, first seen Oct 17, 2026
- Slava-code/college-kbtheir own version, first seen Oct 15, 2026
- MichaelPrutkow/anki-mcp-servertheir own version, first seen Oct 13, 2026
- Aysuda-j/claude-skillstheir own version, first seen Sep 24, 2026
Other versions9 projects use a version of this.
Word for word · 0
None found.
Edited · 0
None found.
Wrote their own version · 9
- IssacW228/student-llm-wiki★ 173same name
- Noam-Marom/academic-students★ 7same name
- Candlest/exam-prep-skill★ 4same name
- MichaelPrutkow/anki-for-claude★ 3same name
- MichaelPrutkow/anki-mcp-server★ 3same name
- Runtime-3rr0r/canvas-scanner★ 2same name
- Aysuda-j/claude-skills★ 1same name
- liknenS/language-learning-skills★ 0same name
- Slava-code/college-kb★ 0same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repository16 other files it gives its agents.
- CLAUDE.mdCLAUDE.md
- clarifySkill
- code-reviewSkill
- debugSkill
- designSkill
- fresh-eyesSkill
- music-studioSkill
- nutshellSkill
- planSkill
- repo-mapSkill
- shipSkill
- simplifySkill
- specSkill
- tddSkill
- verifySkill
- writing-skillsSkill
The file
Files
Exam Prep — 學習講義與考試複習包產生器
把使用者的學習資料重新組織成「印出來就能讀、寫、對答案」的 PDF。特色不是照章節重寫教材,而是:先做概念分析(前置依賴、出處、考古題頻率),再依需求重組知識;每份整理文件都有概念地圖、能畫圖的就畫圖;數字全部用程式驗算。
可產出的文件
| 文件 | kind | 檔名 | 用途 |
| 章節講義(詳盡) | handout | <科目>_學習講義.pdf | 第一次學、沒聽懂時從頭讀 |
| 章節重點(精簡) | notes | <科目>_重點整理.pdf | 學過了,考前回顧 |
| 題型解題卡 | patterns | <科目>_題型解題卡.pdf | 依考試題型重組:辨識 → SOP → 範例 → 陷阱 |
| Cornell 回憶筆記 | cornell | <科目>_回憶筆記.pdf | 遮住右欄自我測驗 |
| 分層講義 | layered | <科目>_分層講義.pdf | 30 秒/5 分鐘/完整三層 |
| 練習題 | practice | <科目>_練習題.pdf | 題目卡,含題型、難度、作答空白 |
| 解答本 | answers | <科目>_解答.pdf | 與練習題分開,計算題標「✓ 已驗算」 |
| 公式小抄 | cheatsheet | <科目>_公式小抄.pdf | 雙欄高密度,一頁看完 |
前五種是「整理文件」,可複選、每種一份 PDF,共用同一份概念分析所以彼此一致。整理文件與小抄以繁體中文為主,術語第一次出現時中英並列,例如「特徵值 (eigenvalue)」;練習題語言由使用者選。
工作流程
<skill-dir> 指這份 SKILL.md 所在的資料夾,scripts/、references/ 都相對於它。
0. 環境(第一次使用,或出現缺套件、無法連網、沒有寫入權限的錯誤時)
python <skill-dir>/scripts/setup.py --check # 只檢查,不安裝,離線也能跑有缺的就執行 python <skill-dir>/scripts/setup.py 安裝(需要網路)。有沙箱的代理環境(例如 Codex 預設不能連網、不能寫入工作資料夾以外的地方)要請使用者核准在沙箱外執行,或請使用者自己在終端機跑一次。poppler、Node.js 無法自動安裝,照檢查結果的提示請使用者安裝。
1. 讀資料:只讀一次,整理成 materials.md
照 references/reading-inputs.md 做:先跑 scripts/ingest.py,它會抽出所有文字、只挑出真正需要看圖的頁面拼成低解析度的總覽圖,再寫一份標好出處的 materials.md。之後所有步驟只用 materials.md 和 concepts.md,不再回頭讀原始 PDF 或圖片,也不要逐頁轉圖片來看。
- 能派出子代理的環境,資料超過約 30 頁或要看的總覽圖超過 8 張時,把這一步交給子代理,只拿回
materials.md的路徑與摘要(做法見 reading-inputs.md 第 3 節);不能派就自己做 - 資料在 Google Drive(貼了
drive.google.com/docs.google.com連結,或說「在我雲端的某資料夾」):用 Google Drive 連接器,見 reading-inputs.md 的 Drive 一節 - 先讀完再問問題,因為「範圍」的選項應該是資料裡真的有的章節
- 例外:整本課本(ingest 報告標「整本書」,預設超過 150 頁)不會抽全文,只給目錄。先用目錄裡的章名問範圍(第 2 步第 1 題),再用
"課本.pdf:起-迄"只讀選定的章節;講義、考古題照常先讀完。整本書通常是講義的參考書,範圍可依講義已涵蓋的章節推薦
2. 詢問使用者
有提問工具(例如 AskUserQuestion)就用選項卡,每輪最多 4 題;沒有就用一段文字列出問題。使用者已經講清楚的項目跳過,只問和這次產出有關的,超過 4 題就分到下一輪。說「整理教材」「做成講義」「從頭整理」=已選章節講義;說「題型」「解題技巧」=已選題型解題卡。
第一輪
- 範圍 — 資料中的實際章節名(可複選)+「全部」
- 整理方式(可複選)— 章節式(講義或重點)/題型解題卡/Cornell 回憶筆記/分層講義;說明欄各用一句話寫適合誰。有考古題時推薦題型解題卡
- 其他文件(可複選)— 練習題+解答/公式小抄/都不需要
- 主題 — 現代筆記風
modern(推薦)/教科書風textbook/精簡小抄風cheatsheet(只套用在公式小抄,其他文件選它時改用教科書風)
第二輪(只問相關的) 5. 章節式詳細程度(選了章節式)— 詳盡學習講義/精簡重點整理/兩份都要 6. 考古題用法(有考古題,可複選)— 標出常考/練習題模仿考古題/逐題詳解考古題 7. 題型與題數(要練習題)— 例如「混合 15 題(推薦)」「選擇是非為主 20 題」「計算+證明為主 10 題」;證明、計算只給理工科 8. 難度與考試日期 — 基礎/混合(推薦)/挑戰;日期用 Other 填或選「不確定」 9. 練習題語言(要練習題)— 跟考古題一樣(有考古題時推薦,說明欄寫出考古題實際語言)/中文/英文/中英對照。沒有考古題時第一個選項改成「和講義相同」 10. 題目附圖(要練習題,且科目的題目常要看圖作答:電路、電子、數位邏輯、力學、幾何、圖論、資料結構,或考古題有附圖的題目)— 需要圖的題目都畫圖(推薦;電路圖、結構圖用程式畫,圖上數值和題目、解答一致)/只出文字就能說清楚的題目(看圖分析的題型會變少)
沒人可問時的預設:範圍全部;整理方式=章節重點,有考古題再加題型解題卡(明顯是要學懂教材時改為學習講義);另加練習題+解答;modern;混合 12–15 題;難度 4:4:2;考古題兩種用法都做;練習題語言跟考古題(沒有就中文);需要圖的題目都畫圖。回覆開頭一句話說明用了哪些預設。
考試日期:≤ 3 天 → 重點精簡、優先常考,建議加小抄或分層講義;選了學習講義照做,但提醒「時間緊可先讀重點」。≥ 14 天 → 可多寫推導與延伸。
3. 概念分析(不可省略)
從 materials.md 整理出 concepts.md:每個概念的類型、前置概念、出處、考古題次數、考試題型。格式見 references/organize-styles.md 第 1 節。它決定講解順序(前置在前)、概念地圖、{{前置: …}} 徽章、常考標記與解題卡分組,以及每個概念要畫什麼圖(有形狀、分布、流程、空間關係的就畫)。寫完文件後對照它逐項檢查有沒有漏。
4. 寫整理文件
先讀 references/markdown-format.md(所有語法),再只讀這次要產出的整理方式:references/styles/ 裡的 handout.md(章節講義)、notes.md(章節重點)、patterns.md(題型解題卡)、cornell.md(Cornell)、layered.md(分層講義)。
每份整理文件都要有:
- 概念地圖:第一個
##前一張全範圍總圖,每章開頭一張章節圖(organize-styles 第 2 節) - 圖表:用
scripts/figures.py產生 SVG 放進:::fig,統計科目尤其要多;見references/figures.md - 來源規則:以使用者資料為主;資料以外的補充一律放
:::extra或加{{補充}} - 標題不手動編號;多份文件用同樣的符號與例子
5. 練習題與解答
見 references/question-design.md。題目依「重要性 × 常考程度」分配;有解題卡時每種題型至少一題並標出題型;不和講義例題、自我檢測、解題卡範例重複;兩份文件題號一致;計算與證明題加 space=N;解答先寫思路再算。
題目要看圖才能作答時(「如圖」「下列電路」),圖放在題目卡裡,畫法見 question-design.md 的「需要圖的題目」。畫不出來就改寫成文字能說清楚的題目,不要留下沒有圖的「如圖」。
6. 驗算(不可省略)
pip install --break-system-packages -q sympy numpy scipy matplotlib 2>/dev/null用 scripts/verify_helpers.py(check、is_eigvec、summary)寫一份 verify.py,流程見 references/verification.md。每個有確定答案的題目都重算,不符就修正解答或題目;通過標 ✓ 已驗算,證明與申論標 無法程式驗算;選擇題確認恰好一個選項正確;電路題用 figures.solve_circuit 直接解題目附的電路圖,不另外手寫方程式。整理文件裡的數字也要驗:例題結果、圖上標的數值、考古題配分統計。
7. 渲染
node <skill-dir>/scripts/render.mjs patterns.md 線性代數_題型解題卡.pdf --theme modern公式小抄一律 --theme cheatsheet,其他文件用使用者選的主題(選了 cheatsheet 則用 textbook)。缺少的 npm 套件與 Chromium 會自動安裝;環境已有全域安裝時先設 NODE_PATH。出現 mermaid error 代表某張圖語法錯誤(常見:節點文字含未加引號的括號、用了 LaTeX)。出現 figure missing(題目提到圖,卡片裡卻沒有圖)或 image not found(圖檔路徑錯)要修好再交付。--html out.html 可保留中間 HTML 除錯。
8. 檢查排版,再交付
python <skill-dir>/scripts/preview.py out/線性代數_題型解題卡.pdf # 整份縮圖總覽(每張最多 12 頁)
python <skill-dir>/scripts/preview.py out/線性代數_題型解題卡.pdf --page 5 # 只放大有問題的頁先看總覽找版面問題,只放大看起來有問題的頁;不要逐頁轉圖片看,文字內容在 Markdown 裡校對。常見問題:公式顯示成紅色原始碼(KaTeX 不支援,改寫);概念地圖擠成一長條或文字被截(減少節點、換 TD/LR、拆成兩張);圖表標籤重疊;表格或公式超出頁寬(拆開或用 aligned);幾乎空白的頁(卡片或圖太高,調整或拆開)。
交付 PDF 時用一兩句話說明涵蓋範圍、每份頁數或題數、有幾題無法程式驗算、materials.md 裡「不確定的地方」有哪些需要使用者確認。把檔案交給使用者(有傳檔工具就用,沒有就告訴使用者檔案路徑),不要在對話中重述文件內容。
檔案
scripts/ingest.py讀資料與挑出需要看圖的頁scripts/render.mjsMarkdown → PDFscripts/preview.py排版總覽scripts/figures.py教學圖表與電路圖scripts/verify_helpers.py驗算工具scripts/setup.py檢查與安裝執行環境references/reading-inputs.md讀資料、materials.md、子代理、Google Drivereferences/markdown-format.md撰寫語法(寫 Markdown 前必讀)references/organize-styles.md概念分析與概念地圖(共同基礎)references/styles/*.md五種整理方式各自的寫法references/figures.md圖表references/question-design.md出題與語言references/verification.md驗算
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

