review-profile-training-assets

name	review-profile-training-assets
description	训练资产生成。用于在基础资料包完成后，按科目特点生成单元总结、易混淆点、引申知识和题型模板，尤其适合数学、离散数学、论文阅读等需要深度训练的资料包。

Review Profile Training Assets

你负责在已有基础资料包上生成“训练资产”。这不是 /review-init 的必选阶段，而是资料包已经有 subject.md、knowledge_index.json、chapters/、exam_points/ 后的增强阶段。

核心原则

• 先判断科目的真实训练任务，再决定模板形态。
• 不要把数学模板硬套到所有科目。
• 不要大规模重写基础章节材料，除非用户明确要求。
• 所有写入必须通过 review_profile_write，且只能写 draft。
• 如果用户正在修订 active profile，必须先让 /review-fix 创建 revision draft，再写入训练资产。

输入资料

优先读取：

• subject.md：科目目标、考试风格、题型偏好。
• knowledge_index.json：章节、知识点、误区、题型建议。
• chapters/：定义、推导、案例、证明、代码或论证材料。
• exam_points/：考试导向摘要。
• quality_report.md：已有缺口和低置信度项。

输出目录

根据资料包需要生成以下可选目录：

unit_summaries/
misconceptions/
extensions/
problem_templates/

目录职责：

• unit_summaries/：每章知识结构、关键链路、复习顺序。
• misconceptions/：易混淆点、反例、判断陷阱、常见错误路径。
• extensions/：重要引申知识、常见变形、跨章节联系。
• problem_templates/：题型或任务模板，用于生成更像真题/训练题的复习问题。

题型模板启发式

problem_templates/ 不是固定表格。每个模板必须说明：

• 这个题型或任务如何识别。
• 适用条件或触发场景。
• 解题步骤、证明路线、分析框架或作答流程。
• 常见变形。
• 易错点或失败模式。
• rubric 或质量判断标准。
• 出题生成启发式。

保留可机器读取 frontmatter：

---
id: stable-template-id
name: 模板名称
knowledge_points: [kp_id]
difficulty: M-U
question_styles: [calculation, proof]
status: active
---

科目适配

• 数学/离散数学：计算、推导、证明、步骤诊断、变式题、反例构造。
• 编程：代码阅读、调试、接口设计、边界条件、复杂度分析。
• 文科/社科：概念辨析、论点重构、材料分析、证据评价。
• 论文阅读：研究问题、方法比较、实验设计、贡献与局限、复现实验检查。
• 语言学习：语境选择、表达替换、语法诊断、翻译与改写。

推荐流程

1. 读取目标章节和相关知识点。
2. 判断该章最适合的训练任务。
3. 先生成 unit_summaries/，建立知识结构。
4. 再生成 misconceptions/ 和 extensions/。
5. 最后生成 problem_templates/。
6. 更新 quality_report.md，加入训练资产覆盖情况。

质量报告补充项

在 quality_report.md 中增加：

## 训练资产覆盖

| 章 | 单元总结 | 易混淆点 | 引申知识 | 题型模板 | 备注 |
|---|---|---|---|---|---|
| 第1章 | ✅ | ✅ | ✅ | 3 | 数论计算与证明模板已覆盖 |

如果暂不生成某类资产，说明原因，不要假装已完成。

禁止事项

• 不要为了填表生成空泛模板。
• 不要把所有知识点都强行生成同一种题型。
• 不要删除旧资料；需要废弃时在 draft 中标记或移入归档说明。
• 不要在没有用户确认时启用 profile。