项目复盘
从聊天式复习到可追踪复习工作流
把临时聊天式复习整理成课程目录、模块优先级、进度 tracker、错题台账、方法卡和交接记录的一套可复用学习工作流。
背景
junior-spring-exam-review 是我为了大三下考试课建立的复习资料与进程仓库。最初需求很朴素：资料散在课件、往年题、聊天记录和临时笔记里，复习时很容易从“问一个知识点”变成“下一步不知道该看什么”。
后来我把它整理成一套更像工程项目的复习工作流：每门课有目录、模块拆分、资料索引、进度记录、错题台账、方法卡和每日复盘。这样做不是为了把学习复杂化，而是为了让复习状态可以被追踪、被交接、被压缩。
为什么不能只靠聊天
聊天式复习的优点是快，缺点是状态容易丢：
- 今天讲懂的题型，明天不一定知道是否已经掌握。
- 资料来源很多，但临考前需要的是高权重材料，不是所有材料。
- 错题如果只留在聊天里，很难二刷。
- 复习节奏一旦中断，下一次恢复时需要重新判断优先级。
- 让 AI 帮忙讲题时，如果没有 live tracker，很容易重复讲低优先级内容。
所以我把复习对象拆成了“资料、模块、题型、状态、错题、方法卡”几层，让每次对话都能落回仓库里的稳定文件。
仓库结构
这个仓库的核心结构是：
courses/ 按课程存放资料、重点清单和复习记录
exam-info/ 考试时间、地点、范围、形式和注意事项
review-progress/ 总体计划、每日进度和周复盘
notes/ 跨课程总结、公式、概念表和背诵材料
past-papers/ 往年题、样卷、模拟题和答案
mistakes/ 错题、易混点和复盘记录
assets/ 截图、扫描件和辅助材料每门课使用同一套方法：先把课程拆成 P0/P1/P2 模块，再记录每个模块的资料来源、典型题型、掌握状态和下一步动作。这样临近考试时可以压缩低收益内容，优先处理高频、易错、能提分快的题型。
工作流
我后来固定了一套复习循环：
- 先看 live progress tracker，确认当前模块、掌握状态和考试时间。
- 选一个代表题型，不一次性铺开整章。
- 用一句规则和一个极小例子讲清模式。
- 立刻做短 drill，错了就回到同一题型纠正。
- 把错误写入 mistake log，把稳定解法写入方法卡。
- 每次会话结束时更新 tracker，留下下一次恢复入口。
这个循环的重点是“短反馈”和“状态落盘”。AI 可以负责讲解和纠错，但复习系统必须保存进度，否则下一次仍然会从模糊状态开始。
可迁移经验
这套方法最有价值的部分不是某一门课的资料，而是几个可迁移原则：
- 资料权重先行：临考前不是资料越多越好，而是要知道哪些资料最该看。
- 模块优先级明确：P0 是必须拿下，P1 是提分重点，P2 是有余力再看。
- 题型比章节更适合复习：考试通常考的是可识别题型，而不是目录标题。
- 错题必须结构化：记录错因、正确方法、二刷时间和是否复发。
- 讲解要能回写：一次对话的结论必须进入 tracker、方法卡或错题表。
- 交接要冷启动友好：下一次打开仓库，应能知道从哪里继续。
复盘
这个复习仓库让我意识到，学习工作流和 Agent 工程有相似的问题：模型或老师能不能讲明白只是一部分，更关键的是状态、边界、证据和反馈循环。
如果没有 tracker，AI 辅导会变成一次次孤立对话；有了 tracker、错题表和方法卡，复习才会从“临时问答”变成“可追踪系统”。这也是我后来做知识库型 Agent、课程智能体和标准化工作流时一直保留的思路：先让材料结构化，再让对话服务于状态更新。