Claude-skill-registry Jutiku_Quiz_Expert

专门用于从文档生成结构化试题的智能体。分析内容属性（大纲型 vs 知识型），提取关键点，并生成 JSON 或 Markdown 格式的高质量试题。当用户要求"根据文件出题"、"创建测验"、"制作试卷"或"提取考题"时使用此技能。

install

source · Clone the upstream repo

git clone https://github.com/majiayu000/claude-skill-registry

Claude Code · Install into ~/.claude/skills/

T=$(mktemp -d) && git clone --depth=1 https://github.com/majiayu000/claude-skill-registry "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/data/jutiku-quiz-expert" ~/.claude/skills/majiayu000-claude-skill-registry-jutiku-quiz-expert && rm -rf "$T"

manifest: skills/data/jutiku-quiz-expert/SKILL.md

出题专家 (Quiz Expert)

本技能将引导你完成从源文档生成专业题库的全过程。

路径约定

在开始执行任务前，先确定关键路径：

$WORK_DIR：当前工作目录。执行
```
pwd
```
(Linux/macOS) 或
```
Get-Location
```
(Windows) 获取，作为所有相对路径的基准。
$SKILL_DIR：本 skill 所在目录。根据 skill 名称
```
Jutiku_Quiz_Expert
```
定位：
- Linux 容器环境（实际执行环境）:
```
find /mnt/skills -ipath "*/Jutiku_Quiz_Expert/SKILL.md" 2>/dev/null | head -1
```
- 获取到 SKILL.md 文件路径后，取其所在目录作为 $SKILL_DIR
- 备选方案：直接尝试
```
/mnt/skills/user/Jutiku_Quiz_Expert/
```
  或使用
```
view /mnt/skills/
```
  查看目录结构
源文件目录：
```
$WORK_DIR/
```
（用户上传的文件直接放在工作目录根部）
转换文件目录：
```
$WORK_DIR/source/
```
（存放 markitdown 转换后的 .md 文件）
输出目录：
```
$WORK_DIR/quiz/
```
（生成的题库文件，直接交付给用户）
引用文件：使用相对于 $SKILL_DIR 的路径，如
```
$SKILL_DIR/references/QUIZ_JSON.md
```

路径结构示意：

$WORK_DIR/                       # 当前工作目录
├── 2023年度报告.pdf             # 用户源文件
├── source/                      # 转换后的 markdown 文件
│   └── 2023年度报告.md
├── quiz/                        # 输出目录（直接交付）
│   └── 2024-01-29_100000.json  # 或 .md（根据用户指定）
└── temp/                        # 存放其他临时处理文件

$SKILL_DIR/                      # skill 所在目录
├── SKILL.md             # skill 文件，即本文件
└── references/
    ├── QUIZ_JSON.md
    └── QUIZ_MARKDOWN.md

工作流程 (Workflow)

0. 初始化路径

确定工作目录：
- 执行
```
pwd
```
  获取当前工作目录，设为
```
$WORK_DIR
```
定位 skill 目录：

   SKILL_PATH=$(find /mnt/skills -ipath "*/Jutiku_Quiz_Expert/SKILL.md" 2>/dev/null | head -1)
   SKILL_DIR=$(dirname "$SKILL_PATH")

备选方案：直接尝试
```
/mnt/skills/user/Jutiku_Quiz_Expert/
```
或使用
```
view /mnt/skills/
```
查看目录结构

   mkdir -p "$WORK_DIR/source" "$WORK_DIR/quiz"

识别输出格式：
- 检查用户输入中是否包含格式关键词：
  - "markdown" / "md" / "可读" → 输出 Markdown 格式
  - "json" / "结构化" → 输出 JSON 格式
- 默认格式：JSON

1. 文件定位与准备

定位源文件：在
```
$WORK_DIR/
```
根目录下查找用户指定的文件。
- 使用
```
view $WORK_DIR/
```
  列出可用文件。
- 如果用户提供的是模糊名称，查找最匹配的文件。
格式转换：
- 如果文件不是
```
.md
```
  格式（例如 .doc, .docx, .pdf）：
  - 环境检查：检查是否已安装
```
python
```
    (或
```
python3
```
    ) 和
```
pip
```
    。
    - 如果未安装 Python：
      - 告知用户需要安装 Python 3.8+。
      - Linux:
        sudo apt install python3 python3-pip
      - macOS:
        brew install python
      - Windows:
        winget install Python.Python.3
        或访问 python.org
  - 工具检查与安装：
    - 运行
```
markitdown --version
```
      检查是否已安装。
    - 如果未安装：
```
pip install markitdown --break-system-packages
```
  - 转换：
    - 使用
```
markitdown
```
      命令行工具将文件转换为 Markdown 格式。
    - 命令格式：
```
markitdown "$WORK_DIR/{源文件名}" > "$WORK_DIR/source/{同文件名}.md"
```
    - 注意：使用双引号包裹文件名以处理空格。
- 如果已经是
```
.md
```
  文件，复制到
```
$WORK_DIR/source/{文件名}.md
```
  进行处理。

2. 内容预处理与分析

读取规则文档：
- 根据用户指定的输出格式，读取对应的规范文档：
  - JSON 格式：读取
```
$SKILL_DIR/references/QUIZ_JSON.md
```
    了解 JSON Schema 规范
  - Markdown 格式：读取
```
$SKILL_DIR/references/QUIZ_MARKDOWN.md
```
    了解 Markdown 模板规范
读取与分块检查：
- 读取
```
$WORK_DIR/source/
```
  中转换后的
```
.md
```
  文件内容。
- 智能分块 (Smart Chunking)：检查文本长度。
  - 如果字符数 > 15,000：
    - 切分策略：按 Markdown 二级标题 (
```
##
```
      ) 或三级标题 (
```
###
```
      ) 将文档切分为多个逻辑块 (Chunks)。确保切分点不破坏段落完整性。
    - 配额分配：根据各块的篇幅比例或重要性，分配题目生成数量（如总共 20 题，A 章节占 20% 篇幅，则分配 4 题）。
    - 执行模式：标记为
```
Batch_Mode
```
      ，后续将对每个块独立生成并合并。
  - 否则：保持单一大文本，标记为
```
Single_Mode
```
    。
属性打分：分析文本结构和内容（若是分块模式，取前 30% 内容或摘要进行分析），判断其类型（分值 0.0 - 1.0）：
- 大纲型 (Outline-oriented)：具有结构化的标题、要点、简短摘要。
- 知识/资料型 (Knowledge/Data-oriented)：密集的段落、详细的解释、事实、数据。
策略选择：
- 如果大纲型得分 > 0.7：使用 大纲扩展模式。
  - 提取大纲结构。
  - 针对每个关键点/标题，生成涵盖核心概念的题目。
- 如果知识型得分 > 0.7：使用 全覆盖模式。
  - 分析全文内容（或逐个处理块）。
  - 生成覆盖整个内容范围的题目，确保没有遗漏重要信息。
- 否则：使用平衡方法。

3. 题目生成规则

根据选定的策略和输出格式生成题目，严格遵守对应规范文档中定义的生成规则与约束。

主要约束包括：

题型：单选、多选、判断、填空、简答。
判断题：选项固定为"正确"和"错误"。
难度：按 3:5:2 比例分布简单、中等、困难题目。
结构：确保所有必填字段完整（qid, type, explanation 等）。

4. 质量验证与修正

在生成题目之后，执行自我审查循环 (Self-Correction Loop)，确保题目质量：

准确性核查 (Fact Check)：
- 针对每一道题，回溯原文。
- 验证：正确答案是否能从原文中找到明确依据？
- 修正：如果发现幻觉或推断过度，根据原文修正答案或删除该题。
逻辑性核查 (Logic Check)：
- 检查选项：是否存在歧义？干扰项是否过于明显错误？
- 检查解析：
```
explanation
```
  是否清晰解释了为什么选 A 而不选 B？
格式核查 (Format Check)：
- 验证输出结构是否符合对应的 Schema 或模板规范。
- 确保所有必需字段 (
```
qid
```
  ,
```
lev
```
  ,
```
point
```
  等) 均已填充且类型正确。

5. 输出与交付

根据用户指定的格式（默认 JSON）在

$WORK_DIR/quiz/

目录下生成文件。

JSON 格式（默认）

路径：
```
$WORK_DIR/quiz/{YYYY-MM-DD_HHMMSS}.json
```
格式：遵循严格的 JSON 语法。
Schema：参见
```
$SKILL_DIR/references/QUIZ_JSON.md
```

Markdown 格式（可选）

路径：
```
$WORK_DIR/quiz/{YYYY-MM-DD_HHMMSS}.md
```
格式：用户友好的可读格式。
模板：参见
```
$SKILL_DIR/references/QUIZ_MARKDOWN.md
```

交付方式

使用
```
present_files
```
工具将生成的文件直接展示给用户。
用户可通过界面下载文件。

工具与命令

使用
```
pwd
```
获取当前工作目录。
使用
```
view
```
查看目录和文件（跨平台统一接口）。
使用
```
bash_tool
```
执行命令（在 Linux 容器中运行，支持标准 bash 语法）。
使用
```
create_file
```
保存最终输出文件。
使用
```
present_files
```
交付文件给用户。

用户请求示例

示例 1：默认 JSON 格式

"根据
2023年度报告.pdf
生成 20 道题目"

执行流程：

初始化：获取 $WORK_DIR 和 $SKILL_DIR，创建子目录，识别输出格式为 JSON（默认）
读取规范：
```
view $SKILL_DIR/references/QUIZ_JSON.md
```
查找：在
```
$WORK_DIR/
```
找到
```
2023年度报告.pdf
```

转换：

markitdown "$WORK_DIR/2023年度报告.pdf" > "$WORK_DIR/source/2023年度报告.md"

分析：数据密集 → 知识型模式
生成：创建 20 道题目（财务统计、战略目标等）
输出：保存到
```
$WORK_DIR/quiz/2024-01-29_100000.json
```
交付：
```
present_files
```
展示文件给用户

示例 2：指定 Markdown 格式

"根据
Python入门.docx
生成 15 道题目，输出为 markdown 格式"

执行流程：

初始化：获取路径，创建子目录，识别输出格式为 Markdown

读取规范：

view $SKILL_DIR/references/QUIZ_MARKDOWN.md

查找与转换：处理
```
Python入门.docx
```
分析：大纲结构 → 大纲扩展模式
生成：创建 15 道题目
输出：保存到
```
$WORK_DIR/quiz/2024-01-29_100000.md
```
交付：展示文件给用户