exam-rescue-html

核心功能

exam-rescue-html 是一款面向考前冲刺阶段的自动化复习资料生成工具。它读取知识图谱文件（knowledge_map.json），通过智能筛选与知识库检索，生成三合一抢救清单：核心公式速记、高频考点清单、高频错点清单，最终输出为可打印的HTML卡片页面。

显著优点

1. 零交互自动化：全程无需用户确认，从数据读取到文件输出一次完成，符合「静默执行协议」设计
2. 智能内容筛选：基于 importance 阈值动态调整（≥0.75 → 自动降级至 ≥0.6），确保内容充足
3. 双模式检索：结合结构化数据（knowledge_map）与非结构化知识库（note_retrieve），内容有溯源
4. 印刷友好设计：HTML模板支持打印，考前1小时快速浏览场景优化
5. 容错降级机制：空分区自动隐藏、知识库缺失时基于考点名兜底生成，流程不中断

潜在局限

• 依赖前置数据：必须依赖 exam-question-generator 生成的 knowledge_map.json，无法独立启动
• 模板耦合：强制依赖 assets/template.html，自定义样式需修改模板文件
• 文科场景弱化：纯文科场景（无公式类考点）会自动省略公式分区，功能缩减为二合一
• RAG质量波动：知识库检索结果质量直接影响卡片内容深度

适合人群

• 备考周期紧张、需要结构化冲刺资料的考试人群
• 已使用配套 exam-question-generator 完成知识图谱分析的用户
• 偏好纸质复习材料、需要考前最后一轮查漏补缺的考生

常规风险

| 风险项 | 说明 |

|--------|------|

| 文件覆盖 | 「重新生成」指令直接覆盖旧文件，无版本备份机制 |

| 数据时效 | 依赖知识库内容更新，若知识库滞后则卡片信息可能过时 |

| 打印适配 | 不同浏览器/打印设置可能导致分页异常，建议预览后调整 |

技术亮点

• 三类卡片差异化渲染（importance 分级圆点、薄弱点标签、对错对比格式）
• 占位符模板引擎实现内容-表现分离
• 完整错误矩阵覆盖 6 种异常场景，生产环境鲁棒性高

核心用法

exam-rescue-html 是一款面向考前冲刺阶段的复习资料生成工具。它从知识图谱（knowledge_map.json）中智能提取三类关键信息：核心公式速记（含定理、法则、定律）、高频考点清单（按重要度筛选）和高频错点清单（薄弱点与常见陷阱），最终生成一份精美的可打印 HTML 复习卡片。

使用流程高度自动化：用户仅需在 exam-question-generator 完成后说「继续」或主动触发「生成抢救清单」，系统即静默完成全流程——读取知识图谱、调用知识库检索原文、生成三类卡片内容、填充 HTML 模板、写入文件并推送引导消息。全程无需人工干预，零等待交付。

显著优点

智能化内容筛选：自动按重要度阈值（≥0.75）筛选高频考点，支持动态降级（<5条时降至0.6），确保内容充实；薄弱点与常见陷阱的识别逻辑贴合真实备考场景。

结构化输出设计：三分区卡片布局清晰，公式区支持 LaTeX 渲染与记忆口诀，考点区标注重要度等级与薄弱标签，错点区采用「❌错误 vs ✅正确」对比格式，符合认知科学复习原理。

可打印与便携性：输出为独立 HTML 文件，内置打印样式优化，适合考前1小时快速翻阅；分区智能隐藏（某类为空时自动省略），避免信息冗余。

静默执行体验：严格遵循「不询问、不暴露中间过程、错误静默处理」协议，减少用户认知负担，符合紧急冲刺场景的心理需求。

潜在缺点与局限性

依赖前置数据质量：高度依赖 knowledge_map.json 的完整性与 knowledge-base 技能的检索效果。若知识库内容缺失或标注不准确，生成质量会显著下降（虽有降级机制，但无法弥补源头数据问题）。

文科场景适配有限：纯文科场景（无公式类考点）会自动省略公式分区，但考点筛选仍以 importance 字段为核心，对开放性、论述型学科的「高频考点」量化可能不够精准。

模板定制化受限：HTML 结构必须基于预设模板填充，用户无法灵活调整卡片样式或分区顺序；LaTeX 渲染依赖 unpkg.com CDN，离线环境或网络受限时可能失效。

覆盖机制无版本保留：重新生成会直接覆盖旧文件，虽符合「抢救清单」的时效定位，但若用户希望对比多轮复习变化，需手动备份。

适合的目标群体

• 备考时间紧迫的考生：距离考试1-7天，需要快速聚焦核心内容的冲刺阶段用户
• 知识体系已建立但需查漏补缺的学习者：已有一定基础，需要针对性强化薄弱点和易错点
• 偏好纸质复习材料的用户：需要可打印、可标记的实体复习卡片
• 使用 exam-question-generator 的连贯用户：作为该技能的下游环节，形成「诊断→生成题目→生成抢救清单」的完整备考闭环

使用风险

CDN 依赖风险：KaTeX 数学公式渲染依赖 unpkg.com，若使用环境网络不稳定或被限制，公式显示可能异常。建议关键考试前提前生成并验证渲染效果。

数据覆盖风险：重新生成会无提示覆盖旧文件，若未留存备份，历史版本不可恢复。

知识库检索失败风险：当某考点在知识库中无返回时，仅凭名称生成的卡片内容可能过于简略，影响复习效果。建议确保知识库内容完整后再生成本技能输出。

文件写入权限风险：需在用户工作区根目录及 .exam-session/ 目录写入文件，若权限受限会导致执行失败。