🎓
考前一周还在女娲补天？Cram Engine直接把重点考点嚼碎了喂你，想挂科都难！🔥
❶ 拆解 · ❷ 讲授 · ❸ 检题 · ❹ 补漏
一个帮大学生在考前一两周内快速消化重点、考点并真正会用、避免挂科的skill。
对大学生来说，期末考前一两周突击是常态。麻烦的不是没资料，是有了资料之后只靠自己根本来不及：得先把零散的考点组织成结构，再逐个理解，然后找办法检验——这三件事光靠翻书和看笔记根本跑不完。
Cram Engine 所做的就是帮你快快快速跑完这条路。底层用了六条在学习科学里被反复验证过的原理——认知负荷控制、精细加工、生成效应、检索练习、间隔效应、元认知监控——通过一套完善的四阶段流水线，把课程重点变成一节一节有人带着你学的交互式课程。
你只需要告诉它：课程名、用什么教材、有什么题型、老师划了哪些重点。剩下的事它来跑。
npx skills add https://github.com/liuliu667/cram-engine --skill cram-engine
装完 Claude Code 自动识别 /cram 命令。不注册，不付费，所有数据在本地。
也可以手动安装：把仓库的 SKILL.md、stages/、configs/ 复制到 ~/.agents/skills/cram-engine/。
不需要装 Node.js，不需要命令行：
git clone https://github.com/liuliu667/cram-engine
用 Trae 打开这个文件夹，说「帮我期末速成XX课」即可自动触发。引擎的 skill 和规则已内置在 .trae/ 目录下，Trae 会自动识别。
所有文科！定性知识密集的大学课程最合适。文史哲、法学、教育学、新闻传播、社会学、政治学、经管类的大部分期末考都在这个范围里。考试以理解和论述为主就行。
纯定量课不太适合。高等数学、概率论、计量经济学——这类课靠的是海量手算和题型熟练度，跟引擎的理解再迁移路线不一样。
另外得说实话：引擎效果取决于你给的重点与考点质量。如果你完全不知道老师会考什么，它会退化成普通 AI 问答。期末速成的前提没变——你得先有一个考试范围。
阶段 1 · 拆解
把考点列表拆成知识树。每个知识点大约五分钟能讲完，按逻辑顺序排好——概念 → 属性 → 关联 → 应用 → 局限。顺手标注记忆钩子类型：能编口诀的、容易混淆的、抽象需要荒诞场景锚定的。拆完展示总数和必考点分布，等你确认。你可以回车全讲、先攻必考点，或者跳过某些编号。
阶段 2 · 讲授
一个知识点一个知识点讲。但从来不从定义开始。
先扔一个你熟悉的场景——"你在小组作业里拼命干，因为你觉得努力能拿高分"——然后告诉你弗鲁姆管这个叫期望理论。核心内容拆成不超过三块，逐块讲，每块讲完停下来确认你懂了。接着追问"这跟你刚学的马斯洛需求层次有什么关系"，等你回应再纠正。最后核心定义不直接给，反问"你自己用一句话试试总结"，对照标准答案指出遗漏的部分。
每讲完三个知识点暂停一次。你可以正常继续、加速、减速、要它换场景重讲一遍，也可以说"跳过"直接进检题。说跳过不代表逃考——跳过的点在阶段 3 依然会按分级策略出题，不会的到阶段 4 补。
核心考点全部讲完之后弹出里程碑提示，可以在这里直接进检题。
阶段 3 · 检题
按老师说的真实题型出。必考点在所有题型中全覆盖，扩展点抽样覆盖。
四种子模式自动匹配题型：
| 子模式 | 覆盖题型 | 怎么批 |
|---|---|---|
| A | 选择、判断 | 逐题对错 + 一句话解析。陷阱题额外揭晓混淆逻辑——干扰项全来自同一门课其他知识点 |
| B | 案例分析 | 踩分点清单逐项对照，识别理论 → 解释机制 → 给建议 |
| C | 情景知识应用 | 先评理论识别对不对，再评分析逻辑自不自治 |
| D | 名词解释、简答、论述、辨析、填空等 | 对照内部答案逐项核对，指出遗漏 |
如果用户配置的题型不在上述范围内，引擎根据题型名称自动判断出题方式。
阶段 4 · 补漏
只处理做错的点。不把原话再讲一遍。
先诊断根因，四类里选一种：概念搞混了？逻辑理解反了？关键术语没记住？还是理论懂了但不会往场景里用？
针对原因换讲法：混淆给对比表，偏差给极端反例，遗忘换一种记忆钩子，迁移失败丢一个新场景再练。然后重测。过了就是纠正完成。
第二次还错的标为顽固点，建议隔一天再攻。不是放弃——认知科学的结论是间隔学习比当场死磕有效得多。
整个过程进度自动保存。关掉终端随时走，下次回来接着来。
安装后在 Claude Code 里输入 /cram 你的课程名 start。首次使用引擎会依次问你七个问题：课程名、教材（没有就跳过）、复习资料（没有就跳过）、考试题型、要考的知识点、哪些老师反复强调过、哪些你自己觉得要加强。答完自动生成配置，不需要手写任何文件。然后确认知识树，跟着走就行。
中间随时可以 /cram 课程名 resume 从断点继续。所有进度数据用纯文本存在你自己电脑上。
| 命令 | 作用 |
|---|---|
/cram <课程名> start |
从头开始完整学习 |
/cram <课程名> resume |
从断点继续 |
/cram <课程名> status |
查看当前阶段、已学/未学数、错题数、顽固点数 |
/cram <课程名> retry <知识点> |
对指定知识点重新执行讲→测→补微型闭环，结果追加到进度 |
/cram <课程名> summary |
输出必考点掌握状态、顽固点清单、考前复习建议 |
| 你说 | 引擎反应 |
|---|---|
| 继续 | 正常节奏 |
| 加速 | 精简版，更快覆盖 |
| 减速 | 每个点多配一个例子 |
| 跳过 | 停止当前讲授，直接进阶段 3 |
| 再讲一遍 | 换场景、换角度，不重复原话 |
这些不是贴在主页的装饰词，每个都对应引擎的具体行为：
| 原理 | 在哪体现 |
|---|---|
| 认知负荷控制 | 阶段 1 先拆知识树，阶段 2 每次只讲一个、每个不超过三块 |
| 精细加工 | 阶段 2 讲完追问"这跟你刚学的 X 有什么关系" |
| 生成效应 | 阶段 2 核心定义不直接给，先让你试总结再对照纠正 |
| 检索练习 | 阶段 3 是必过环节，学完马上考 |
| 间隔效应 | 顽固点不在当场死磕，标出来隔天再攻 |
| 元认知监控 | 每三个点暂停问节奏，检题后区分真错和猜对 |
没有老师划的重点怎么办？
至少需要考点列表——可以是教材目录里你认为重要的章节标题，或学长笔记里的要点。质量越好效果越好，有个框架就能跑。
题型和知识点需要一一对应吗？
不需要。引擎的工作方式就是 exam_types 只管"有哪些题型"，不绑定到具体考点。必考点在所有题型全覆盖，扩展点抽样覆盖。
换电脑了怎么继续？
把 ~/.cram-engine/ 目录复制到新电脑。进度文件就是纯文本 markdown。
想调整教学风格？
编辑 ~/.cram-engine/configs/<课程名>.yaml 里的 preferences 部分，可以改讲解语言、例子场景、节奏频率。想改阶段指令本身，直接编辑 stages/ 下对应文件。
cram-engine/
├── SKILL.md # Skill 定义
├── stages/ # 四个阶段的系统指令
│ ├── stage1-deconstruct.md # 拆解知识点树
│ ├── stage2-teach.md # 四步教学策略
│ ├── stage3-test.md # 四种题型子模式
│ └── stage4-remediate.md # 诊断 → 换讲法 → 重测 → 顽固判定
├── configs/
│ └── example.yaml # 课程配置模板
├── assets/ # 架构图与演示相关
├── design-spec.md # 完整设计文档
├── LICENSE # MIT
└── README.md
MIT License