Jutiku_Quiz_Expert

出题专家 (Quiz Expert)

本技能将引导你完成从源文档生成专业题库的全过程。

路径约定

在开始执行任务前，先确定关键路径：

• $WORK_DIR：当前工作目录。执行 pwd (Linux/​macOS) 或 Get-Location (Windows) 获取，作为所有相对路径的基准。
• $SKILL_DIR：本 skill 所在目录。根据 skill 名称 Jutiku_Quiz_Expert 定位：
  • Windows: Get-ChildItem -Path . -Filter "SKILL.md" -Recurse | Where-Object { $_.FullName -like "*skills\Jutiku_Quiz_Expert*" }
  • macOS/​Linux: find . -ipath "*/​skills/​Jutiku_Quiz_Expert/​SKILL.md"
  • 获取到 SKILL.md 文件路径后，取其所在目录作为 $SKILL_DIR
• 源文件目录：$WORK_DIR/（用户上传的文件直接放在工作目录根部）
• 转换文件目录：$WORK_DIR/​source/（存放 markitdown 转换后的 .md 文件）
• 输出目录：$WORK_DIR/​quiz/（生成的题库文件，直接交付给用户）
• 引用文件：使用相对于 $SKILL_DIR 的路径，如 $SKILL_DIR/​references/​QUIZ_JSON.md

路径结构示意：

$WORK_DIR/                       # 当前工作目录
├── 2023年度报告.pdf             # 用户源文件
├── source/                      # 转换后的 markdown 文件
│   └── 2023年度报告.md
├── quiz/                        # 输出目录（直接交付）
│   └── 2024-01-29_100000.json  # 或 .md（根据用户指定）
└── temp/                        # 存放其他临时处理文件

$SKILL_DIR/                      # skill 所在目录
├── SKILL.md             # skill 文件，即本文件
└── references/
    ├── QUIZ_JSON.md
    └── QUIZ_MARKDOWN.md

---

工作流程 (Workflow)

0. 初始化路径

1. 确定工作目录：

   • Linux/​macOS: 执行 pwd 获取当前工作目录，设为 $WORK_DIR
   • Windows: 执行 Get-Location 或 cd 获取当前工作目录

2. 定位 skill 目录：

   • Linux/​macOS:

     SKILL_PATH=$(find . -ipath "*/​skills/​Jutiku_Quiz_Expert/​SKILL.md" 2>/​dev/​null | head -1)
     SKILL_DIR=$(dirname "$SKILL_PATH")
     

   • Windows PowerShell:

     $skillFile = Get-ChildItem -Path . -Filter "SKILL.md" -Recurse | Where-Object { $_.FullName -like "*skills\Jutiku_Quiz_Expert*" } | Select-Object -First 1
     $SKILL_DIR = $skillFile.DirectoryName
     

3. 创建必要的子目录：

   • Linux/​macOS: mkdir -p "$WORK_DIR/​source" "$WORK_DIR/​quiz"
   • Windows: New-Item -ItemType Directory -Force -Path "$WORK_DIR\source", "$WORK_DIR\quiz"

1. 文件定位与准备

1. 定位源文件：在 $WORK_DIR/ 根目录下查找用户指定的文件。

   • 使用 ls $WORK_DIR/ 列出可用文件。
   • 如果用户提供的是模糊名称，查找最匹配的文件。

2. 格式转换：

   • 如果文件不是 .md 格式（例如 .doc, .docx, .pdf）：
     • 环境检查：检查是否已安装 python (或 python3) 和 pip。
       • 如果未安装 Python：
         • 主动询问安装：向用户说明缺少 Python 环境无法转换文件，询问：“是否允许我为您尝试自动安装 Python？”
         • 若用户同意：
           • Windows: 尝试运行 winget install -e --id Python.Python.3 (需管理员权限)。
           • macOS: 尝试运行 brew install python (需已安装 Homebrew)。
           • Linux: 尝试运行 sudo apt update && sudo apt install -y python3 python3-pip。
         • 若用户拒绝或自动安装失败：
           • 暂停任务。
           • 输出手动安装指南，建议用户访问 python.org 或使用系统包管理器安装，完成后再次触发。
     • 工具检查与安装：
       • 运行 markitdown --version 检查是否已安装。
       • 如果未安装：
         • Linux: pip install markitdown --break-system-packages
         • macOS/​Windows: pip install markitdown
     • 转换：
       • 使用 markitdown 命令行工具将文件转换为 Markdown 格式。
       • 命令格式：
         • Linux/​macOS: markitdown "$WORK_DIR/​{源文件名}" > "$WORK_DIR/​source/​{同文件名}.md"
         • Windows: markitdown "$WORK_DIR\{源文件名}" > "$WORK_DIR\source\{同文件名}.md"
       • 注意：使用双引号包裹文件名以处理空格。
   • 如果已经是 .md 文件，复制到 $WORK_DIR/​source/​{文件名}.md 进行处理。

2. 内容预处理与分析

1. 读取规则文档：

   • 根据用户指定的输出格式，读取对应的规范文档：
     • JSON 格式：读取 $SKILL_DIR/​references/​QUIZ_JSON.md 了解 JSON Schema 规范
     • Markdown 格式：读取 $SKILL_DIR/​references/​QUIZ_MARKDOWN.md 了解 Markdown 模板规范

2. 读取与分块检查：

   • 读取 $WORK_DIR/​source/ 中转换后的 .md 文件内容。
   • 智能分块 (Smart Chunking)：检查文本长度。
     • 如果 字符数 > 15,000：
       • 切分策略：按 Markdown 二级标题 (##) 或三级标题 (###) 将文档切分为多个逻辑块 (Chunks)。确保切分点不破坏段落完整性。
       • 配额分配：根据各块的篇幅比例或重要性，分配题目生成数量（如总共 20 题，A 章节占 20% 篇幅，则分配 4 题）。
       • 执行模式：标记为 Batch_Mode，后续将对每个块独立生成，最终统一进入质量优化阶段进行合并去重。
     • 否则：保持单一大文本，标记为 Single_Mode。

3. 属性打分：分析文本结构和内容（若是分块模式，取前 30% 内容或摘要进行分析），判断其类型（分值 0.0 - 1.0）：

   • 大纲型 (Outline-oriented)：具有结构化的标题、要点、简短摘要。
   • 知识/资料型 (Knowledge/​Data-oriented)：密集的段落、详细的解释、事实、数据。

4. 策略选择：

   • 如果 大纲型得分 > 0.7：使用 大纲扩展模式。
     • 提取大纲结构。
     • 针对每个关键点/标题，生成涵盖核心概念的题目。
   • 如果 知识型得分 > 0.7：使用 全覆盖模式。
     • 分析全文内容（或逐个处理块）。
     • 生成覆盖整个内容范围的题目，确保没有遗漏重要信息。
   • 否则：使用平衡方法。

3. 题目生成规则

根据选定的策略和输出格式生成题目，严格遵守对应规范文档中定义的生成规则与约束。

主要约束包括：

• 题型：单选、多选、判断、填空、简答。
• 判断题：选项固定为"A. 正确"和"B. 错误"。
• 难度：按 3:5:2 比例分布简单、中等、困难题目。
• 结构：确保所有必填字段完整（qid, type, explanation 等）。

4. 质量验证与优化 (Quality Assurance & Optimization)

在生成题目之后（特别是 Batch_Mode 下合并所有分块题目后），执行以下优化流程：

1. 全局去重 (Global Deduplication)：

   • 语义比对：检查所有生成的题目。如果两道题考察相同的知识点且问法高度相似，保留描述更清晰或难度更符合当前分布要求的一道。
   • 覆盖率检查：确认合并后的题库是否覆盖了文档的所有关键章节。如果某章节题目被大量去重导致缺失，需针对该章节补充生成。

2. 分布再平衡 (Distribution Rebalancing)：

   • 统计当前题库的难度比例。如果偏离 3:5:2 严重，优先删除过多的难度层级题目，或尝试修改题目难度。
   • 统计题型分布。确保符合用户期望（如有）。

3. 准确性核查 (Fact Check)：

   • 针对每一道题，回溯原文。
   • 验证：正确答案是否能从原文中找到明确依据？
   • 修正：如果发现幻觉或推断过度，根据原文修正答案或删除该题。

4. 逻辑性核查 (Logic Check)：

   • 检查选项：是否存在歧义？干扰项是否过于明显错误？
   • 检查解析：explanation 是否清晰解释了为什么选 A 而不选 B？

5. 格式核查 (Format Check)：

   • 验证输出结构是否符合对应的 Schema 或模板规范。
   • 确保所有必需字段 (qid, lev, point 等) 均已填充且类型正确。

5. 输出与交付

根据用户指定的格式（默认 JSON）在 $WORK_DIR/​quiz/ 目录下生成文件。

JSON 格式（默认）

• 路径：$WORK_DIR/​quiz/​{YYYY-MM-DD_HHMMSS}.json
• 格式：遵循严格的 JSON 语法。
• Schema：参见 $SKILL_DIR/​references/​QUIZ_JSON.md

Markdown 格式（可选）

• 路径：$WORK_DIR/​quiz/​{YYYY-MM-DD_HHMMSS}.md
• 格式：用户友好的可读格式。
• 模板：参见 $SKILL_DIR/​references/​QUIZ_MARKDOWN.md

交付方式

文件保存到 $WORK_DIR/​quiz/ 后，用户可直接前往查看。

6. 响应模板 (Response Template)

任务成功完成后,请参照以下模板格式向用户汇报结果:

---

已根据文件 {源文件名} 的内容生成了 {题目数量} 道题目。

{处理说明}(例如:由于源文件为二进制 .doc 格式,已通过智能提取算法获取关键文本信息,并据此生成了包含{题型列表}的完整试卷。)

生成文件信息:

• 文件路径:{输出文件绝对路径}
• 题目数量:{题目数量} 道
• 包含内容:
  • {内容概览点1}(例如:常识判断、核心概念等)
  • {内容概览点2}
  • {内容概览点3}
  • 最多列出10个

您可以直接使用该 {文件格式} 文件,或告知如果需要 Markdown 可读格式。

---

工具与命令

• 使用 pwd / Get-Location 获取路径。
• 使用 view / ls / dir 查看目录或文件。
• 使用 bash_tool 或 PowerShell 执行命令。
• 使用 create_file 保存最终输出文件。

用户请求示例

示例 1：默认 JSON 格式

"根据 2023年度报告.pdf 生成 20 道题目"

执行流程：

1. 初始化：获取 $WORK_DIR 和 $SKILL_DIR，创建子目录，识别输出格式为 JSON（默认）
2. 读取规范：view $SKILL_DIR/​references/​QUIZ_JSON.md
3. 查找：在 $WORK_DIR/ 找到 2023年度报告.pdf
4. 转换：markitdown "$WORK_DIR/​2023年度报告.pdf" > "$WORK_DIR/​source/​2023年度报告.md"
5. 分析：数据密集 → 知识型模式
6. 生成：创建 20 道题目（财务统计、战略目标等）
7. 输出：保存到 $WORK_DIR/​quiz/​2024-01-29_100000.json
8. 响应:按照响应模板向用户汇报结果

响应示例:

已根据文件 2023年度报告.pdf 的内容生成了 20 道题目。

由于源文件为 PDF 格式,已通过 markitdown 工具提取文本内容,并据此生成了包含单选题、多选题、判断题的完整试卷。

生成文件信息:

• 文件路径:$WORK_DIR/​quiz/​2024-01-29_100000.json
• 题目数量:20 道
• 包含内容:
  • 财务数据分析(营收、利润、增长率等)
  • 战略目标与业务规划
  • 风险管理与合规要求

您可以直接使用该 JSON 文件,或告知如果需要 Markdown 可读格式。

示例 2：指定 Markdown 格式

"根据 Python入门.docx 生成 15 道题目，输出为 markdown 格式"

执行流程：

1. 初始化：获取路径，创建子目录，识别输出格式为 Markdown
2. 读取规范：view $SKILL_DIR/​references/​QUIZ_MARKDOWN.md
3. 查找与转换：处理 Python入门.docx
4. 分析：大纲结构 → 大纲扩展模式
5. 生成：创建 15 道题目
6. 输出：保存到 $WORK_DIR/​quiz/​2024-01-29_100000.md
7. 响应:按照响应模板向用户汇报结果

响应示例:

已根据文件 Python入门.docx 的内容生成了 15 道题目。

源文件采用大纲式结构,已针对各章节关键知识点生成了包含单选题、填空题、简答题的试卷。

生成文件信息:

• 文件路径:$WORK_DIR/​quiz/​2024-01-29_100000.md
• 题目数量:15 道
• 包含内容:
  • 基础语法(变量、数据类型、运算符)
  • 控制流程(条件判断、循环结构)
  • 函数与模块(定义、调用、导入)

您可以直接使用该 Markdown 文件,或告知如果需要 JSON 结构化格式。