Zhizhi Math Coach

核心用法

知了数学教练（Zhizhi Math Coach）是一款面向中国小学生家长的本地化AI数学辅导工具，通过多模态推理模型实现完整的「诊断-修复-巩固」学习闭环。家长上传作业照片或手动输入错题后，系统自动读取本地学习档案（年级、学期、教材版本、历史薄弱点），完成智能批改、根因诊断，并生成针对性可打印练习卷。

显著优点

深度本地化适配：严格对齐中国九年义务教育数学课程体系，支持人教版等主流教材，内置学期日历、期中/期末窗口、寒暑假规则，自动推断当前学习阶段。

多模态智能批改：利用视觉能力识别手写答案、教师批改痕迹、几何图形，对模糊笔迹标记「需确认」而非盲目判错，避免误判挫伤学习信心。

结构化学习档案：通过 memory/、weak-points/、mistakes/、records/ 多层文件体系，持久追踪知识掌握度、错误复发模式与间隔复习时机，实现真正的长期学习记忆。

精准靶向练习生成：基于诊断结果选择12种练习策略（错题变式、薄弱点专项、迁移检测、 relapse修复等），输出规范JSON规格，经脚本生成A4可打印HTML练习卷与独立答案密钥。

安全可控的发布机制：练习卷可本地预览或一键发布至GitHub Pages生成公开链接，仅暴露学生面向的无答案页面；诊断记录、答案密钥、学习档案始终保留在私有仓库。

潜在缺点与局限

• 模型依赖性强：照片批改、几何题识别、复杂应用题推理需前沿多模态大模型（推荐GPT-5.x级别），小型纯文本模型无法胜任。
• 初始化门槛：需通过Python脚本初始化个人学习工作空间，配置年级、教材版本等参数，对非技术家长存在操作成本。
• 手写识别边界：极度潦草、非常规符号或低分辨率照片仍可能触发「需确认」，需人工二次核验。
• 版权与隐私权衡：公开仓库发布练习卷时需谨慎处理学生照片、试卷原件等敏感素材。

适合人群

小学1-6年级学生家长，尤其是：希望系统追踪孩子数学薄弱点而非零散刷题；具备基础Git/GitHub操作能力或愿意学习；重视隐私、倾向本地优先的数据存储方案；需要贴合校内进度（人教版等）的个性化练习资源。

常规风险

• 诊断置信度风险：AI可能误判错误根因（如将计算粗心归因于概念不清），建议家长结合孩子实际表现复核「likely cause」字段。
• 过度依赖系统：自动化练习生成可能减少家长对孩子真实思考过程的观察，需保持一定人工互动。
• 数据同步风险：未配置GitHub同步时，本地档案单点丢失；公开仓库误操作可能导致学习记录泄露。

核心用法

Zhizhi Math Coach 是一款专为中国小学数学场景设计的智能辅导 Skill，采用"本地证据循环"架构运行。用户通过 OpenClaw 触发指令（如批改或出一张练习卷），系统首先读取本地记忆文件（memory/）、课程档案（curriculum/）和历史错题记录（mistakes/），构建完整的学情画像后执行任务。

三大核心场景：
1. 智能批改：接收作业照片、教师批改照片或手写答案，使用多模态模型识别题目布局与手写内容，输出诊断记录并更新错题本；
2. 知识讲解：针对薄弱点调用knowledge-points/中的结构化解释，生成家长版详细说明与学生版简明总结；
3. 精准练习：基于历史错误类型（relapse/transfer-failure/spaced-forgetting）生成靶向练习卷，输出可打印HTML与答案密钥。

系统严格区分本地学习空间与 Skill 源码仓库，通过init_learning_workspace.py初始化个人项目，支持 GitHub Pages 自动发布儿童-facing练习页面。

显著优点

课标深度对齐：内置中国小学数学课程标准，支持人教版等主流教材版本，自动推断年级学期、期中/期末窗口，练习生成严格限定于当前教学进度。

本地化学习记忆：采用 Markdown 文件系统存储长期记忆（学习规则、家长偏好）与短期观察（待确认事项、活跃优先项），无需依赖云端服务即可实现跨会话学习连续性。

多模态批改能力：专为视觉模型设计，能处理几何图形、竖式计算、应用题排版等复杂布局，支持need-confirmation标注机制应对模糊手写。

错题归因系统：超越简单对错判断，区分"概念错误/读题失误/建模错误/计算错误/检查疏漏"五类根因，并自动关联历史薄弱点进行复发类型判定。

安全发布机制：答案密钥与学习记录永远不进入site/目录，GitHub Pages 仅发布无答案的练习HTML，家长通过部署密钥控制数据边界。

潜在局限

模型依赖较重：照片批改、复杂应用题解析、几何图形理解均依赖前沿多模态推理模型，小型文本模型无法胜任，使用成本与延迟较高。

初始化门槛：需运行 Python 脚本初始化学习空间，对非技术家长存在命令行操作门槛；GitHub 同步需配置 SSH 部署密钥，流程较复杂。

课标覆盖边界：当前聚焦中国小学数学，初中及以上学段、国际课程（IB/AP）不支持；教材版本更新需手动维护curriculum/文件。

中文场景优化：知识讲解、术语体系、学校日历均针对中国大陆设计，海外华人家庭或国际学校适配性有限。

自动化保守设计：为防止误操作，定时任务仅限提醒功能，不会自动更改学习状态或生成练习，需要家长主动触发核心操作。

适合人群

• 小学生家长：需要系统性跟踪孩子数学学习状况，希望获得专业级错题归因与靶向练习的家庭；
• 教育规划者：重视数据隐私，倾向本地存储学习记录，对云端教育App存在顾虑的用户；
• 技术素养较高用户：能完成 GitHub 仓库配置、SSH 密钥管理等基础 DevOps 操作的家长；
• 多子女家庭：通过不同工作空间支持多个孩子的学习档案并行管理；
• 补习机构/家教：需要标准化诊断工具与可打印练习资源的专业辅导者。

使用风险

性能风险：照片批改涉及大上下文视觉理解，单次调用可能消耗大量token，建议对简单任务使用低推理档位；复杂几何图形生成可能因 SVG 渲染差异导致打印排版异常。

数据同步风险：本地文件系统是唯一数据源，若未配置 GitHub 同步且发生本地文件损坏/误删，学习记录将永久丢失；自动发布流程依赖 GitHub Actions 排队状态，高峰期可能出现部署延迟。

模型幻觉风险：视觉模型对潦草手写、涂改痕迹的识别存在固有不确定性，系统通过confidence机制标记低置信度项目，但仍需家长人工复核关键诊断结论。

隐私边界风险：虽然设计上隔离敏感数据，但若家长误将个人学习仓库设为公开，或在公开仓库中提交含照片的mistakes/记录，可能导致儿童学习数据暴露。

依赖项风险：当前仅依赖 Python 标准库，但若用户环境 Python 版本过低（<3.8）或缺少git/ssh-keygen命令，初始化与发布功能将失败。