review

Name: review
Author: owenliang60-ship-it

36stars11forks

How to install review?

owenliang60-ship-it/knowledge-mgmt/review

$npx -y skills add owenliang60-ship-it/knowledge-mgmt --skill review

Installs into the current project.

Summary

间隔重复复习系统。扫描Obsidian原子卡片，用FSRS-6算法安排复习，AI出题+评分。当用户说"review"、"复习"、"间隔重复"、"复习卡片"、"今天复习什么"时触发。

Files · 1

View on GitHub

SKILL.md

1	# /review Command
2
3	间隔重复复习系统 — 用 FSRS-6 算法复习 Obsidian 中的原子卡片（石头）。
4
5	## 定位
6
7	```
8	研究 → /note 存卡 → /review 复习 → 知识巩固
9	```
10
11	\| Skill \| 职责 \| 输出 \|
12	\|-------\|------\|------\|
13	\| `/note` \| 知识沉淀 — 研究摘要 + 原子卡片 \| Obsidian 卡片组 \|
14	\| `/review` \| 知识巩固 — 间隔重复复习 \| 本地 review_state.json \|
15	\| `/journal` \| 进度记录 — 做了什么 \| 本地 journal + Obsidian journal \|
16
17	## 文件路径
18
19	- Claude Code skill 目录: `$HOME/.claude/skills/review/`
20	- Codex skill 目录: `$HOME/.agents/skills/review/`
21	- FSRS 引擎:
22	- Claude Code: `$HOME/.claude/skills/review/scripts/fsrs_engine.py`
23	- Codex: `$HOME/.agents/skills/review/scripts/fsrs_engine.py`
24	- 状态文件默认位置:
25	- Claude Code: `${KM_REVIEW_STATE_PATH:-$HOME/.claude/skills/review/review_state.json}`
26	- Codex: `${KM_REVIEW_STATE_PATH:-$HOME/.agents/skills/review/review_state.json}`
27
28	## 运行时约定（Claude Code / Codex）
29
30	下文所有命令里的两个占位按当前运行时替换：
31
32	- `<FSRS_ENGINE_PATH>`
33	- Claude Code: `$HOME/.claude/skills/review/scripts/fsrs_engine.py`
34	- Codex: `$HOME/.agents/skills/review/scripts/fsrs_engine.py`
35	- `<REVIEW_STATE_PATH>`
36	- 默认就是对应 skill 目录下的 `review_state.json`
37	- 如需自定义，优先用 `KM_REVIEW_STATE_PATH`
38
39	## 配置：状态文件路径
40
41	默认状态文件位置与 installed skill 同目录：
42
43	- Claude Code: `~/.claude/skills/review/review_state.json`
44	- Codex: `~/.agents/skills/review/review_state.json`
45
46	如需自定义（例如跨机器同步、多 vault 隔离、测试隔离），通过环境变量覆盖：
47
48	```bash
49	export KM_REVIEW_STATE_PATH=/path/to/your/review_state.json
50	```
51
52	本 skill 内所有 `fsrs_engine.py` 的调用都会展开这个变量，自动使用自定义路径。不 export 时使用默认路径。
53
54	## Usage
55
56	Claude Code 通常直接写 `/review`。Codex 可显式写 `$review`（或用自然语言让 Codex 按 skill 描述隐式匹配）。
57
58	```
59	/review # 扫描 + 复习（默认）
60	/review --mode=scan # 仅扫描新卡片，不复习
61	/review --mode=stats # 查看统计信息
62	/review --topic=多巴胺 # 只复习某主题
63	/review --limit=5 # 本次最多复习5张
64	```
65
66	## Behavior
67
68	### Step 1: 扫描注册新卡片
69
70	每次 `/review` 自动执行（除 mode=stats）。
71
72	#### 1a. 获取当前状态
73
74	```bash
75	python3 <FSRS_ENGINE_PATH> <REVIEW_STATE_PATH> stats
76	```
77
78	从返回的 `known_card_ids` 得知已注册卡片。
79
80	#### 1b. 列出 Cards/ 目录发现新卡片
81
82	唯一识别标准：frontmatter 含 `type/atomic` 标签 = 原子卡片。
83
84	```
85	obsidian search query="type/atomic"
86	```
87
88	从返回结果中，过滤出标签含 `type/atomic` 的文件 = 原子卡片候选。
89
90	如果用户指定了 topic，进一步过滤：文件名或后续读取的内容中包含 topic 关键词。
91
92	#### 1c. 排除已注册卡片
93
94	对比 `known_card_ids`，只保留未注册的新卡片。
95
96	#### 1d. 注册新卡片
97
98	对新卡片使用 CLI 逐个读取完整内容（仅当 Obsidian 未运行时回退 `mcp__obsidian__read_multiple_notes`），然后批量注册：
99
100	```bash
101	echo '<JSON>' \| python3 <FSRS_ENGINE_PATH> <REVIEW_STATE_PATH> bulk_register
102	```
103
104	输入 JSON 格式：`[{"id": "Cards/{title}.md", "title": "...", "content": "..."}]`
105
106	注意：始终使用 `bulk_register`（stdin JSON），即使只有一张卡片。不要使用 `register` CLI 命令注册含特殊字符的卡片内容。
107
108	#### 1d-2. 为新注册卡片打 mastery/new 标签
109
110	对每张新注册的卡片，并行调用：
111	```
112	obsidian property:set path="Cards/{title}.md" name="tags" value="{existing_tags},mastery/new" type=list
113	```
114
115	#### 1e. 报告扫描结果
116
117	```
118	扫描完成 — 发现 N 张新卡片，卡片池共 M 张
119	```
120
121	如果 mode=scan，到此结束。
122
123	### Step 2: 获取待复习卡片
124
125	```bash
126	python3 <FSRS_ENGINE_PATH> <REVIEW_STATE_PATH> due --limit <limit> --new_limit <new_limit>
127	```
128
129	混合比例制：默认 `new_limit = limit // 2`（50% 新卡 + 50% 旧卡）。引擎会先取 new_limit 张新卡，剩余名额给 learning/review 旧卡。任一类不够时自动补给另一类。
130
131	- 如果 0 张到期 → 显示"今天没有待复习的卡片"+ 下次复习日期 → 结束
132	- 如果 > 0 → 进入复习会话
133
134	如果用户指定了 `topic`，从到期卡片中过滤：
135	- 有 `domain/` 标签 → 精确匹配 `domain/{topic}`
136	- 无标签 → fallback 到标题/内容文本匹配
137
138	### Step 3: 复习会话（循环每张卡片）
139
140	#### 3a. 选择提问模式
141
142	- 新卡片（reps=0）→ 强制提问模式（用户还没见过内容，回忆无意义）
143	- 老卡片（reps>0）→ 随机切换：约 50% 回忆模式，50% 提问模式
144
145	#### 3b. 展示问题
146
147	回忆模式：
148	```
149	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
150	[1/8] 回忆模式
151	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
152
153	请凭记忆描述这张卡片的核心内容：
154
155	【多巴胺】编码动机而非快乐
156	```
157
158	提问模式：
159	从卡片内容中提取一个关键知识点，生成具体问题：
160	```
161	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
162	[1/8] 提问模式
163	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
164
165	Kent Berridge 的研究区分了大脑中哪两套独立的奖励系统？
166	```
167
168	提问要求：
169	- 问题必须有明确答案（从卡片内容可得）
170	- 避免"是/否"问题
171	- 覆盖卡片核心知识点
172
173	等待用户回答。
174
175	#### 3b-2. 淘汰机制
176
177	如果用户回答"淘汰"、"skip"、"retire"或类似表达，执行淘汰流程而非评分：
178
179	1. 调用 retire 命令：
180	```bash
181	python3 <FSRS_ENGINE_PATH> <REVIEW_STATE_PATH> retire --id <card_id>
182	```
183
184	2. 更新 Obsidian 标签为 `mastery/retired`：
185	```
186	obsidian property:set path="Cards/{title}.md" name="tags" value="{updated_tags_with_mastery/retired}" type=list
187	```
188
189	3. 展示确认：
190	```
191	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
192	已淘汰：【卡片标题】
193	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
194	卡片保留在 Obsidian，不再出现在复习中。
195	```
196
197	4. 继续下一张卡片。
198
199	#### 3c. AI 评估回答
200
201	对照卡片原文（content_snippet），从三个维度评估：
202	1. 核心知识点覆盖率 — 提到了多少关键概念
203	2. 准确性 — 有无事实错误
204	3. 精确度 — 模糊印象 vs 精确回忆
205
206	评分映射：
207
208	\| Rating \| 值 \| 条件 \|
209	\|--------\|---\|------\|
210	\| Again \| 1 \| 完全不记得 / 核心全错 \|
211	\| Hard \| 2 \| 方向对但关键细节缺失 >50% \|
212	\| Good \| 3 \| 核心知识点基本正确 \|
213	\| Easy \| 4 \| 完全准确含关键细节 \|
214
215	#### 3d. 展示反馈 + 记录
216
217	```
218	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
219	评分：Good (3)
220	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
221
222	正确：wanting vs liking 的区分
223	遗漏：Salamone 的补充发现（多巴胺敲除鼠仍享受甜食）
224
225	卡片完整内容：
226	> [展示 content_snippet]
227
228	下次复习：3天后 (2026-02

People who liked this also viewed

6 picks

Type

review

36stars11forks

View on GitHub

How to install review?

owenliang60-ship-it/knowledge-mgmt/review

$npx -y skills add owenliang60-ship-it/knowledge-mgmt --skill review

Installs into the current project.

Summary

Files · 1

View on GitHub

SKILL.md

1	# /review Command
2
3	间隔重复复习系统 — 用 FSRS-6 算法复习 Obsidian 中的原子卡片（石头）。
4
5	## 定位
6
7	```
8	研究 → /note 存卡 → /review 复习 → 知识巩固
9	```
10
11	\| Skill \| 职责 \| 输出 \|
12	\|-------\|------\|------\|
13	\| `/note` \| 知识沉淀 — 研究摘要 + 原子卡片 \| Obsidian 卡片组 \|
14	\| `/review` \| 知识巩固 — 间隔重复复习 \| 本地 review_state.json \|
15	\| `/journal` \| 进度记录 — 做了什么 \| 本地 journal + Obsidian journal \|
16
17	## 文件路径
18
19	- Claude Code skill 目录: `$HOME/.claude/skills/review/`
20	- Codex skill 目录: `$HOME/.agents/skills/review/`
21	- FSRS 引擎:
22	- Claude Code: `$HOME/.claude/skills/review/scripts/fsrs_engine.py`
23	- Codex: `$HOME/.agents/skills/review/scripts/fsrs_engine.py`
24	- 状态文件默认位置:
25	- Claude Code: `${KM_REVIEW_STATE_PATH:-$HOME/.claude/skills/review/review_state.json}`
26	- Codex: `${KM_REVIEW_STATE_PATH:-$HOME/.agents/skills/review/review_state.json}`
27
28	## 运行时约定（Claude Code / Codex）
29
30	下文所有命令里的两个占位按当前运行时替换：
31
32	- `<FSRS_ENGINE_PATH>`
33	- Claude Code: `$HOME/.claude/skills/review/scripts/fsrs_engine.py`
34	- Codex: `$HOME/.agents/skills/review/scripts/fsrs_engine.py`
35	- `<REVIEW_STATE_PATH>`
36	- 默认就是对应 skill 目录下的 `review_state.json`
37	- 如需自定义，优先用 `KM_REVIEW_STATE_PATH`
38
39	## 配置：状态文件路径
40
41	默认状态文件位置与 installed skill 同目录：
42
43	- Claude Code: `~/.claude/skills/review/review_state.json`
44	- Codex: `~/.agents/skills/review/review_state.json`
45
46	如需自定义（例如跨机器同步、多 vault 隔离、测试隔离），通过环境变量覆盖：
47
48	```bash
49	export KM_REVIEW_STATE_PATH=/path/to/your/review_state.json
50	```
51
52	本 skill 内所有 `fsrs_engine.py` 的调用都会展开这个变量，自动使用自定义路径。不 export 时使用默认路径。
53
54	## Usage
55
56	Claude Code 通常直接写 `/review`。Codex 可显式写 `$review`（或用自然语言让 Codex 按 skill 描述隐式匹配）。
57
58	```
59	/review # 扫描 + 复习（默认）
60	/review --mode=scan # 仅扫描新卡片，不复习
61	/review --mode=stats # 查看统计信息
62	/review --topic=多巴胺 # 只复习某主题
63	/review --limit=5 # 本次最多复习5张
64	```
65
66	## Behavior
67
68	### Step 1: 扫描注册新卡片
69
70	每次 `/review` 自动执行（除 mode=stats）。
71
72	#### 1a. 获取当前状态
73
74	```bash
75	python3 <FSRS_ENGINE_PATH> <REVIEW_STATE_PATH> stats
76	```
77
78	从返回的 `known_card_ids` 得知已注册卡片。
79
80	#### 1b. 列出 Cards/ 目录发现新卡片
81
82	唯一识别标准：frontmatter 含 `type/atomic` 标签 = 原子卡片。
83
84	```
85	obsidian search query="type/atomic"
86	```
87
88	从返回结果中，过滤出标签含 `type/atomic` 的文件 = 原子卡片候选。
89
90	如果用户指定了 topic，进一步过滤：文件名或后续读取的内容中包含 topic 关键词。
91
92	#### 1c. 排除已注册卡片
93
94	对比 `known_card_ids`，只保留未注册的新卡片。
95
96	#### 1d. 注册新卡片
97
98	对新卡片使用 CLI 逐个读取完整内容（仅当 Obsidian 未运行时回退 `mcp__obsidian__read_multiple_notes`），然后批量注册：
99
100	```bash
101	echo '<JSON>' \| python3 <FSRS_ENGINE_PATH> <REVIEW_STATE_PATH> bulk_register
102	```
103
104	输入 JSON 格式：`[{"id": "Cards/{title}.md", "title": "...", "content": "..."}]`
105
106	注意：始终使用 `bulk_register`（stdin JSON），即使只有一张卡片。不要使用 `register` CLI 命令注册含特殊字符的卡片内容。
107
108	#### 1d-2. 为新注册卡片打 mastery/new 标签
109
110	对每张新注册的卡片，并行调用：
111	```
112	obsidian property:set path="Cards/{title}.md" name="tags" value="{existing_tags},mastery/new" type=list
113	```
114
115	#### 1e. 报告扫描结果
116
117	```
118	扫描完成 — 发现 N 张新卡片，卡片池共 M 张
119	```
120
121	如果 mode=scan，到此结束。
122
123	### Step 2: 获取待复习卡片
124
125	```bash
126	python3 <FSRS_ENGINE_PATH> <REVIEW_STATE_PATH> due --limit <limit> --new_limit <new_limit>
127	```
128
129	混合比例制：默认 `new_limit = limit // 2`（50% 新卡 + 50% 旧卡）。引擎会先取 new_limit 张新卡，剩余名额给 learning/review 旧卡。任一类不够时自动补给另一类。
130
131	- 如果 0 张到期 → 显示"今天没有待复习的卡片"+ 下次复习日期 → 结束
132	- 如果 > 0 → 进入复习会话
133
134	如果用户指定了 `topic`，从到期卡片中过滤：
135	- 有 `domain/` 标签 → 精确匹配 `domain/{topic}`
136	- 无标签 → fallback 到标题/内容文本匹配
137
138	### Step 3: 复习会话（循环每张卡片）
139
140	#### 3a. 选择提问模式
141
142	- 新卡片（reps=0）→ 强制提问模式（用户还没见过内容，回忆无意义）
143	- 老卡片（reps>0）→ 随机切换：约 50% 回忆模式，50% 提问模式
144
145	#### 3b. 展示问题
146
147	回忆模式：
148	```
149	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
150	[1/8] 回忆模式
151	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
152
153	请凭记忆描述这张卡片的核心内容：
154
155	【多巴胺】编码动机而非快乐
156	```
157
158	提问模式：
159	从卡片内容中提取一个关键知识点，生成具体问题：
160	```
161	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
162	[1/8] 提问模式
163	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
164
165	Kent Berridge 的研究区分了大脑中哪两套独立的奖励系统？
166	```
167
168	提问要求：
169	- 问题必须有明确答案（从卡片内容可得）
170	- 避免"是/否"问题
171	- 覆盖卡片核心知识点
172
173	等待用户回答。
174
175	#### 3b-2. 淘汰机制
176
177	如果用户回答"淘汰"、"skip"、"retire"或类似表达，执行淘汰流程而非评分：
178
179	1. 调用 retire 命令：
180	```bash
181	python3 <FSRS_ENGINE_PATH> <REVIEW_STATE_PATH> retire --id <card_id>
182	```
183
184	2. 更新 Obsidian 标签为 `mastery/retired`：
185	```
186	obsidian property:set path="Cards/{title}.md" name="tags" value="{updated_tags_with_mastery/retired}" type=list
187	```
188
189	3. 展示确认：
190	```
191	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
192	已淘汰：【卡片标题】
193	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
194	卡片保留在 Obsidian，不再出现在复习中。
195	```
196
197	4. 继续下一张卡片。
198
199	#### 3c. AI 评估回答
200
201	对照卡片原文（content_snippet），从三个维度评估：
202	1. 核心知识点覆盖率 — 提到了多少关键概念
203	2. 准确性 — 有无事实错误
204	3. 精确度 — 模糊印象 vs 精确回忆
205
206	评分映射：
207
208	\| Rating \| 值 \| 条件 \|
209	\|--------\|---\|------\|
210	\| Again \| 1 \| 完全不记得 / 核心全错 \|
211	\| Hard \| 2 \| 方向对但关键细节缺失 >50% \|
212	\| Good \| 3 \| 核心知识点基本正确 \|
213	\| Easy \| 4 \| 完全准确含关键细节 \|
214
215	#### 3d. 展示反馈 + 记录
216
217	```
218	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
219	评分：Good (3)
220	━━━━━━━━━━━━━━━━━━━━━━━━━━━━
221
222	正确：wanting vs liking 的区分
223	遗漏：Salamone 的补充发现（多巴胺敲除鼠仍享受甜食）
224
225	卡片完整内容：
226	> [展示 content_snippet]
227
228	下次复习：3天后 (2026-02

People who liked this also viewed

6 picks

Type