菜单
朱批录 · 国考备考追踪 Skill。当用户发来套题成绩、错题截图、备考打卡或复习进度时触发。 核心功能：识别错题截图 → 分类错题原因 → 更新本地记录 → 生成每日总结 → 导出 Excel / 同步飞书。 触发关键词：做了一套题、今天做了、错了几道、帮我分析、备考打卡、行测、申论、 判断推理、资料分析、言语理解、数量关系、错题、复习进度、导出错题本、同步飞书。 只要用户提到做题、错题、备考就触发。图片消息也触发，自动调用多模态模型识别。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/KaguraNanaga/kaogong-study-tracker --skill kaogong-study-tracker命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
基于 SOC 职业分类
正在显示 SKILL.md
| name | kaogong-study-tracker |
| description | 朱批录 · 国考备考追踪 Skill。当用户发来套题成绩、错题截图、备考打卡或复习进度时触发。 核心功能：识别错题截图 → 分类错题原因 → 更新本地记录 → 生成每日总结 → 导出 Excel / 同步飞书。 触发关键词：做了一套题、今天做了、错了几道、帮我分析、备考打卡、行测、申论、 判断推理、资料分析、言语理解、数量关系、错题、复习进度、导出错题本、同步飞书。 只要用户提到做题、错题、备考就触发。图片消息也触发，自动调用多模态模型识别。 |
Skill 首次加载时（默认 ~/.kaogong-study-tracker/.welcomed 不存在；可用 KAOGONG_WELCOME_FLAG 覆盖），
主动发一条说明消息，之后不再重复：
朱批录已安装。
直接发文字就能记录，比如"今天判断推理错了8道"。
发截图的话，需要当前 agent 配置了支持图片输入的多模态模型才能自动识别。
没有的话也没关系，把题目文字手动复制过来发给我，一样能整理。
不问任何问题，不存储任何凭据。
平台无关——Trae、Cursor、opencode、Hermes、OpenClaw 或其他 agent 都可以接；飞书、Telegram、WhatsApp、Discord 等渠道由宿主 agent 负责。
图片识别统一走多模态模型：文字题、图形推理、统计图表都能理解，不依赖本地 OCR。
| 用户说的话（示例） | 应执行的操作 |
|---|---|
| "今天做了一套行测，判断推理错了8道" | → 解析 + 归档 + 分析 |
| 发来一张错题截图（图片消息） | → 多模态识别 + 单题归档 + 追问原因 |
| 发来截图并附带"粗心" | → 多模态识别 + 直接归档，不追问 |
| "把今天的错题发给你：第12题……" | → 错题分类 + 存档 |
| "今天申论没写，太累了" | → 打卡记录（未完成状态） |
| "我最近资料分析一直不稳，怎么办" | → 查历史记录 + 建议 |
| "帮我看看最近哪个模块最弱" | → 统计分析 + 回复 |
| "导出错题本" / "把错题发给我" / "生成报告" | → export_xlsx.js，发回文件 |
| "只导出待二刷的" | → 筛选导出，仅待二刷题目 |
| "导出判断推理的错题" | → 按科目筛选导出 |
| "导出最近两周的" | → 按时间筛选导出 |
| "只导出待二刷的资料分析题" | → 多条件组合筛选导出 |
| "资料-乘积增长-公式不熟-待二刷"（快捷格式） | → 直接归档，不追问 |
| 二刷时回复"记得" / "不记得" | → review_reminder.js 处理，连续2次记得→已掌握 |
| "同步到飞书" / "更新飞书错题本" | → feishu_doc.js，同步含截图 |
所有数据以 JSON 存储在本地，默认目录为 ~/.kaogong-study-tracker/data/。如需放到指定目录，设置 KAOGONG_DATA_DIR。
daily/{YYYY-MM-DD}.json{
"date": "2026-03-17",
"modules": {
"言语理解": { "wrong": 6, "total": 40 },
"数量关系": { "wrong": 8, "total": 15 },
"判断推理": { "wrong": 10, "total": 40 },
"资料分析": { "wrong": 7, "total": 20 },
"申论": { "written":
wrong_questions.json[
{
"id": "uuid",
"date": "2026-03-17",
"source": "image",
"module": "判断推理",
"subtype": "逻辑判断",
"question_text": "题目文字；图形题写对规律的描述",
"visual_description": "图形推理/统计图的详细视觉描述（多模态模型生成）",
"answer": "B",
"user_annotation": "用户手写批注",
"error_reason": "知识点不会 | 粗心 | 时间不够 | 概念混淆",
"keywords": ["假言命题", "逆否命题"],
"raw_image_b64": "base64...",
"status": "待二刷 | 已掌握"
stats_cache.json{
"last_updated": "2026-03-17",
"streak": 5,
"total_days_studied": 12,
"weak_modules": ["数量关系", "判断推理"],
"module_accuracy": {
"言语理解": 0.82,
"数量关系": 0.51,
"判断推理": 0.68,
"资料分析": 0.74
}
}
parse_input.js）文字消息 → parseStudyInput() 提取科目/错题数/情绪
图片消息 → parseImageInput() 调用多模态模型
图片处理流程：
parseImageInput(imageBase64, caption, agentCall)agentCall / 图片模型 → 回复"当前 agent 还不能识别图片，可以把题目文字复制过来"needs_confirm 不为 null 时追问（最多一个问题）；caption 已含原因则直接归档追问只问一次，按优先级：
| 原因 | 关键词 |
|---|---|
| 知识点不会 | 不懂、没学过、概念不清楚 |
| 粗心 | 看错、算错、选反了 |
| 时间不够 | 没做完、最后几题蒙的 |
| 概念混淆 | 搞混了、分不清、以为是 |
update_daily.js）写入 daily/{date}.json，同步更新 stats_cache.json（连续打卡、模块准确率）。
见 references/reply_templates.md，150 字以内。语气见 references/tone_guide.md。
export_xlsx.js）openpyxl（Python）嵌入对应行python3，失败自动 fallback 到 pythonfeishu_doc.js，可选）feishu_doc.app_id / app_secret / doc_token每天 21:00 触发 daily_summary.js，自动发当日总结。
| 文件 | 作用 |
|---|---|
scripts/parse_input.js | 文字解析 + 多模态图片识别 |
scripts/update_daily.js | 写入每日记录 + 统计缓存 |
scripts/export_xlsx.js | 导出 Excel（含截图嵌入，openpyxl） |
scripts/feishu_doc.js | 同步到飞书云文档（含图片块，可选） |
scripts/daily_summary.js | 定时汇总并主动发送 |
references/reply_templates.md | 回复话术模板 |
references/tone_guide.md | 语气风格指引 |
assets/module_map.json | 科目/模块名称标准化映射 |
assets/config.example.json | 配置模板（多模态 + 飞书），复制为 config.json 使用 |
所有数据（含截图 base64）存储在本地，不上传任何云端（飞书同步除外，仅在用户主动触发时上传到用户自己的飞书文档）。
⭐ Star 这个仓库，让更多备考的人能找到它 🍴 Fork 改成你的考试类型（省考 / 事业单位 / 军考……） 有问题欢迎提 Issue 或 PR。