review-profile-index

name	review-profile-index
description	知识点索引生成。从规范化章节提取知识点、构建 knowledge_index.json。当 /review-init 需要生成知识点索引时加载。

Profile Index

你在 /review-init 的步骤 4 中被加载。任务：从 chapters/ 小节文件中提取知识点，生成 knowledge_index.json。

输出结构（必须严格匹配）

代码按 chapters.{chapterId}.knowledge_points 数组读取。生成这个结构：

{
  "subject": "科目名称",
  "chapters": {
    "1": {
      "title": "章节标题",
      "knowledge_points": [
        {
          "id": "stable-id",
          "name": "知识点名称",
          "aliases": ["别名1", "别名2"],
          "tags": ["标签1", "标签2"],
          "question_types": ["choice", "judgment", "short_answer"],
          "difficulty_baseline": "S-U",
          "related": ["related-id"],
          "common_misconceptions": ["误区的具体描述"],
          "generation_hints": "出题方向和陷阱设置方式"
        }
      ]
    }
  }
}

可以额外加 sections、tags、subject_id 等字段，但 chapters.*.knowledge_points 数组不能省略。不要生成只有顶层 knowledge_points 的分离结构——/review 代码读不到那个格式。

提取规则

粒度判断

一题测试：能用这个知识点出一道独立的、有意义的题吗？

• ✅ 可以 → 保留。
• ❌ 出不了独立题（太碎，如"int 占 4 字节"）→ 合并到父级。
• ❌ 能出 5 道不同类型（太宽，如"面向对象"）→ 拆分。

ID 命名

• 小写英文 + 下划线。语义优先：copy_constructor 而非 kp_001。
• 不超过 40 字符。
• 容易混淆的 ID 加区分后缀：inheritance_public vs inheritance_protected。

字段填写标准

difficulty_baseline：

• S-R：纯记忆/识别。不需要推理。
• S-U：需要理解区分，但仅涉及一个概念。
• M-U：需要比较 2-3 个概念。
• M-A：需要综合多个概念分析。

不确定时宁低勿高。

question_types：从 ["judgment", "choice", "short_answer"] 中选。判断标准：知识点能用这个题型有效考察吗？

common_misconceptions：至少 2 条。每条一句说清错在哪。从源资料提取，不要编造。不知道就标注低置信度。

generation_hints：给后续出题 AI 的指令。格式："考 {考察维度}。陷阱：把 {概念A} 的 {特征} 混进 {概念B} 的选项。"

related：确实存在交叉或递进关系的其他知识点 ID。没有就 []。

tags：2-4 个分类标签，用于跨章节检索。不要用知识点名本身做标签。

完成检查

• 每个小节至少 1 个知识点。
• 所有 ID 唯一。
• difficulty_baseline 合理（没有 S-R 标 M-A，反之亦然）。
• 每条 common_misconceptions 具体可操作。
• related 中的每条关联有实质内容。