⚡️ 静默执行协议

[SYSTEM CRITICAL — 最优先执行]

1. Do not ask for confirmation to proceed.
2. One wait point only. Phase 1 发出确认消息后等待用户一次回复，Phase 2 零等待。
3. If data is missing, use the defined defaults.

考试类型不确定 → 静默填"通用考试"。未提供分数 → 静默填"及格线以上"。日期模糊 → 按规则换算。

1. All errors are Log & Continue. 不暴露给用户，不终止流程。
2. User correction is final. 直接接受，覆盖写入，不重新分析。

Skill：exam-sprint-pipeline

1. 触发条件

用户消息包含以下任意词，且知识库文件数 ≥ 1：

备考 | 冲刺 | 考试 | 复习 | 考前

不触发：纯闲聊 / 知识库为空（发上传提示后终止）/ 记忆有效画像（last_updated ≤ 30天，走记忆复用）

2. 执行总流程

━━━ PHASE 1：学情感知（含唯一等待点）━━━

Step 1   检查记忆 → 判断是否有有效画像
Step 2   读取知识库内容：调用 knowledge-base 技能的 note_retrieve 接口检索天禧知识库
Step 3   对照 {baseDir}/references/exam-types.md 推断考试类型 + 置信度
Step 4   选择话术模板 → 生成确认消息
Step 5   发送确认消息 ◀ 唯一合法等待点
Step 6   解析用户回复 → 提取考试类型 / 日期 / 目标分数
Step 7   换算日期为 YYYY-MM-DD
Step 8   写入记忆

━━━ PHASE 2：考点提取（全自动，零等待）━━━

Step 9   根据 exam_type 生成三维查询集
Step 10  RAG 查询 Round 1："{exam_type} 重点 必考 高频考点 老师强调"
Step 11  RAG 查询 Round 2："错题 错误 做错 薄弱 失分 扣分 不会"
Step 12  RAG 查询 Round 3："{exam_type} 真题 历年 考过 模拟题"
Step 13  聚合去重 → 提取考点列表
Step 14  计算 source_weight（参考来源优先级表）
Step 15  标注 is_weak_point
Step 16  Web 搜索："{exam_type} 官方考纲 考点分布 {current_year}"
Step 17  合并权重 → 计算 importance
Step 18  写入 .exam-session/knowledge_map.json
Step 19  发送 Markdown 摘要
Step 20  触发 exam-mindmap-generator

3. 考试类型推断

详细规则见 {baseDir}/references/exam-types.md。

核心逻辑：

• 命中特征 ≥ 3 → 置信度高（≥ 0.8），使用模板A
• 命中特征 1-2 → 置信度中，使用模板A
• 命中特征 0 → 静默填"通用考试"，使用模板B

4. 确认消息模板

[模板A] 能判断考试类型时使用（命中特征 ≥ 1）

看了你的资料，像是在备战 {exam_type}～考试是哪天？目标冲多少分？

[模板B] 无法判断考试类型时使用（命中特征 = 0）

看了你上传的内容，先告诉我：考试是哪天？目标冲多少分？

[模板C] 记忆复用

上次你说在备战 {exam_type}，{exam_date} 考试，目标 {target_score}～直接按这个帮你继续？

5. 用户回复解析

日期换算（基准：系统当前日期）：

分数解析：

6. 来源优先级（source_weight 基础分）

7. 权重合并

syllabus_verified = true  → importance = source_weight × 0.4 + syllabus_weight × 0.6
syllabus_verified = false → importance = source_weight × 0.5 + syllabus_weight × 0.5

8. knowledge_map.json 输出格式

写入路径：.exam-session/knowledge_map.json（相对工作目录，不存在则创建）

{
  "knowledge_map": {
    "exam_type": "string",
    "exam_date": "YYYY-MM-DD",
    "days_remaining": "integer",
    "target_score": "string",
    "target_score_unit": "string",
    "generated_at": "YYYY-MM-DD",
    "total_points": "integer",
    "weak_points_count": "integer",
    "web_search_used": "boolean",
    "fallback_mode": "boolean",
    "points": [
      {
        "id": "kp_001",
        "name": "string",
        "category": "string",
        "importance": 0.88,
        "source_weight": 0.85,
        "syllabus_weight": 0.90,
        "user_mastery": 0.2,
        "is_weak_point": true,
        "syllabus_verified": true,
        "evidence": ["string"],
        "coverage_gap": false
      }
    ]
  }
}

9. Phase 2 完成后的 Markdown 摘要

## 📚 考点分析完成

共识别 **{total_points}** 个考点，其中薄弱点 **{weak_points_count}** 个。

### 高优先级考点（importance ≥ 0.8）
- {考点名} ⚠️ 薄弱
- {考点名}

### ⚠️ 知识库未覆盖考点（建议补充资料）
- {考点名}（仅在 coverage_gap=true 时显示）

---

发送摘要后，必须在同一轮对话中、不停顿、不等待用户任何回复，立即从 Step 1 开始执行 exam-mindmap-generator 技能的完整流程。

[CRITICAL] 禁止在摘要发送后停止。禁止输出"我已触发…"等过渡语。禁止等待用户说"继续"。摘要是过程信息，不是终点。

10. 决策树

用户触发
    │
    ├─ 知识库为空 → "我需要先看看你的资料，把课件或笔记传一下吧" → 终止
    │
    ├─ 记忆有效（≤30天）
    │       └─ 发模板C → 用户确认 → 跳至 Phase 2
    │                  → 用户否认 → 清除画像 → 重走完整流程
    │
    └─ 无有效画像
            └─ 读知识库 → 推断考试类型
                    ├─ 命中特征 ≥ 1 → 模板A
                    └─ 命中特征 = 0 → 静默填"通用考试" → 模板B
                                    → ◀ 等待用户回复
                                    → 解析 → 写记忆
                                    → Phase 2（全自动）
                                    → 写 knowledge_map.json
                                    → 摘要 → 触发 exam-mindmap-generator

exam_type = "通用考试" 时：
  维度1查询词去掉 exam_type 前缀
  Web 搜索跳过

11. 错误处理

12. Anti-Patterns（严禁）

❌ Phase 1 写入后询问"是否开始分析知识库？"
❌ Phase 2 中途输出"我找到了N个考点，是否继续提取？"
❌ 分步问询（三轮问答收集考试类型/日期/分数）
❌ Web 搜索失败后报错终止
❌ 输出 knowledge_map.json 的原始内容给用户
❌ 向用户提及置信度数值或判断依据（如"我有80%把握判断为…"）

13. 验证矩阵