# exam-knowledge-base

**Repository Path**: zavionwang/exam-knowledge-base

## Basic Information

- **Project Name**: exam-knowledge-base
- **Description**: 通用考试知识库：AI 备考搭子，不用啃教材直接刷题就能过。索引→精讲→错题→检索协议，任何考试可复用（考公/考研/CIA/CISA/CPA/CFA/法考），CIA-Part3 为完整实例
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2026-08-19
- **Last Updated**: 2026-10-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 📚 exam-knowledge-base · 通用考试知识库

> 刷了 1000 道题，错题还是那几道反复错；
> 题库解析只告诉你「选 B」，不告诉你 A/C/D 为什么错；
> 问 AI 回答飘忽，还分不清哪句是真的。

**有了这个项目，考生不用再啃教材——直接刷题就能过。**

`exam-knowledge-base` 是给考生配的 **AI 备考搭子**：

| 你真正关心的 | 这个项目怎么解决 |
|---|---|
| 不想啃 800 页教材，没时间 | **教材已提炼成精讲笔记，刷题即学习**：边刷边讲，考点从题目里长出来 |
| 错题反复错，错题本从没回看过 | **错题结构化回写，同类题再出现时 AI 会主动关联你上次错在哪** |
| 解析太浅，只给答案不讲理 | **四段式讲透：考点定位 → 准则/大纲依据 → 思路拆解 → 每个干扰项为什么错** |
| 问 AI 怕编造，答案没出处 | **每句话锚定知识库原文**（准则条款 / 教材章节），可验证、可追溯 |
| 备考时间紧 | **检索毫秒级、讲题秒出**（索引定位 ~1 ms；全库兜底检索 ~0.1 s） |
| 考完就忘，笔记白做 | **备考即建库**：刷题过程自动沉淀成个人知识库，考完试库也建好了，AI 越用越专业、越用越懂你 |

### 你的考试，也能用

> **适用所有考试**：考公/考研 · CIA · CISA · CPA · CFA · FRM · 法考 · 软考 · PMP · 一建 · 教资 · 执业医师 · 雅思/托福 …
>
> 只要考试有「考纲 + 题库」，就能套用这套体系——不啃教材，直接刷题就能过。

![License: MIT](https://img.shields.io/badge/license-MIT-green.svg) ![Markdown](https://img.shields.io/badge/format-Markdown-blue.svg) ![Obsidian-ready](https://img.shields.io/badge/Obsidian-ready-7C3AED.svg) ![Agent-ready](https://img.shields.io/badge/Agent--ready-FF6B6B.svg)

---

## 1. 为什么值得用

| 特性 | 说明 |
|------|------|
| 🧠 **为 Agent 而生** | 知识库是给 Claude Code / dsh 等 AI 的「考试记忆体」——用户刷题，Agent 讲题 |
| 🔍 **四级定位引擎** | 板块 → 章 → 节 → 知识点，一道题 3 秒定位到对应笔记 |
| 📋 **固定讲题协议** | 四段式输出：考点定位 → 准则/大纲依据 → 思路拆解 → 干扰项解析，稳定可复用 |
| 🔁 **错题闭环** | 错题结构化回写、带知识点 ID 关联，**越刷越准** |
| 🌱 **备考即建库** | 一边备考一边构建**本地个人知识库**，考完试知识资产留下，AI 越用越懂你 |
| 📦 **即插即用** | 复制目录 → 换考纲 → 开讲，新科目 10 分钟上手 |
| 🗂️ **Obsidian 原生** | 双链、索引、纯 Markdown，任何 Markdown 编辑器可用 |
| 🛠️ **配套 CLI** | `tools/` 六件套：检索 / 回写 / 知识点ID / 覆盖率体检 / 链接体检 / 错位字修复。零依赖、离线可用、**102 项测试** |

## 2. 以题代学：不读教材，刷题即过

传统备考路径是 **教材 → 笔记 → 刷题**：先花几个月啃教材，再做题检验——教材读完一半，前面全忘了。

本项目把路径倒过来：**刷题 → 讲透 → 沉淀**，教材的精华已经在精讲笔记里，不需要你自己提炼。

```
传统：800 页教材 ──► 自己整理笔记 ──► 刷题 ──► 错题没人讲
                                    （耗时 3-6 个月，学了就忘）

本项目：直接刷题 ──► AI 四段式讲透 ──► 考点锚定精讲笔记 ──► 错题入库
                    （每题 2-5 秒）      （教材已提炼好）      （越刷越准）
```

> 对考生来说：**教材只是备查的工具书，不再是学习的主线。**

## 3. 备考即建库：考完试，你的知识库也建好了

> 别人备考是消费知识，你备考是**投资知识**。

- 每道错题都带知识点 ID 回写错题库——**错过的、薄弱的，全部沉淀下来**
- 考试结束那天，一个**只属于你的本地个人知识库**也建成了，不会随考试归零
- **AI 越用越懂你**：它知道你错过的每个知识点，讲题越来越针对你的软肋
- 本地私有、离线可用，换科目直接复制目录

## 4. 相比「题库自带解析」和「直接问 AI」，强在哪

> 题库解析是**给答案**，直接问 AI 是**凭记忆**，本项目是**让 AI 有据可依地讲**。

| 维度 | 题库自带解析 | 直接问 AI | **✅ 本项目** |
|---|---|---|---|
| 讲题深度 | 只讲本题（"选 B 因为 B 对"式） | 看模型发挥，无固定结构 | ✅ **固定四段式**：考点定位 → 依据 → 思路拆解 → 干扰项解析 |
| 干扰项处理 | 多数不解释为什么错 | 时有时无，看运气 | ✅ **强制拆解每个干扰项** |
| 知识关联 | 题目孤立，题与题之间无连接 | 无关联 | ✅ **每题锚定章节笔记 + 知识点 ID**，一道题带出一章知识 |
| 错题积累 | 不记录你错在哪、为什么错 | 会话结束即忘，下次还是陌生人 | ✅ **错题结构化回写，带知识点 ID 关联，越刷越准** |
| 答案可追溯 | 解析无出处，无法验证 | 无出处，且**容易幻觉编造** | ✅ **锚定知识库原文**（准则条款 / 教材章节 / 笔记） |
| 讲题一致性 | 稳定但浅 | 每次回答风格飘忽、前后矛盾 | ✅ **检索协议约束**，输出结构稳定 |
| 针对性 | 千人一面 | 无记忆 | ✅ **错题库记录你的薄弱点**，Agent 讲题时针对性强化 |

## 5. 实例：CIA-Part3（首个完整落地）

- **20 章**大纲精讲（治理 / 风险 / IT / 财务 / 管理会计 / 全球商业环境……）
- **7 篇** IPPF 系列精讲（强制性指南 + 属性/工作标准全覆盖，60 考点）
- **错题库**：带知识点 ID 的结构化错题记录
- 全程由 **多 Agent 工作流**搭建，方法论已沉淀为可复现流程

### 同一道题，三种解析

> 同一道审计真题，三种方式得到的解析——高下立判。

![同一道题，三种解析对比（左：题库自带解析 · 中：未使用本项目的 AI 解析 · 右：本项目回答）](docs/comparison-3ways.png)

> 注：本题题库平台答案为 D；本项目经四段式论证选 A 并逐项拆解 D 为何错——哪边讲得透，一目了然。


## 6. 实测性能：检索毫秒级，秒出答案

| 指标 | 实测值 \* |
|---|---|
| **本仓库（公开子集）** | **32 个可检索 .md · 10,361 行** |
| ↳ 全库检索（纯检索，脚本内计时） | **~18 ms** |
| ↳ 全库检索（含 Python 进程启动，命令行） | **~0.1 s** |
| **作者私有全库** | 85 个文件 · 111,526 行 |
| ↳ 全库检索（纯检索） | **~80–110 ms** |
| 协议路径：查索引定位 → 只读 1 个文件 | **~1–2 ms** |
| 一次完整讲题 | **秒出答案**——检索+读取约 0.1 s，其余是 AI 生成讲解的时间 |

> \* 实测环境：Windows 11 + Python 3.14，3 轮取最优；数字由 `tools/kb-search.py` 实测得出，**你可以自己复现**。
> 「纯检索」= 脚本内计时（不含 Python 进程启动约 60–80 ms）；命令行一次调用请按「含启动」那一行算。
> **全库检索是兜底与校验路径**；日常讲题走「先查索引 → 只读目标文件」，那才是毫秒级——见下节。

## 7. 为什么这么快：检索原理

```
  问题 ──► ① 查 _索引（三级映射）──► ② 定位文件名 ──► ③ 打开单文件 ──► ④ 按协议讲题
            O(1) 命中              ~1 ms            ~1 ms             LLM 生成（秒级）
```

1. **文件即数据库**：纯 Markdown 文件系统，无数据库、无索引构建、无启动开销——检索的本质是文件系统 IO，毫秒级
2. **索引先行，不扫全库**：`_索引.md` 把板块→章→节→知识点映射成目标文件名，Agent 先查索引**精确定位**，而不是全文扫描
3. **文件名即地址**：`01-治理.md`、`B-03 属性标准1200-1322.md` 编号即路径，索引命中后直接按名打开
4. **协议约束最小读取**：检索协议规定只读定位到的目标文件——每次讲题实际只读取 1 个文件（几十 KB），全库 5.68 MB 根本不需要加载
5. **按需懒加载**：Agent 只在需要时打开对应笔记，响应速度与知识库总量**无关**，只取决于单文件大小

> 结论：**知识库再大，检索也是毫秒级**；「秒出答案」的瓶颈在 AI 生成讲解（约 2-5 秒），而不是检索。
>
> 上面这条是**协议路径**（先查索引 → 只读目标文件）。当 AI 需要跨文件核对、或你不确定该查哪一节时，
> 用 `tools/kb-search.py` 做**全库兜底检索**——见下节。

## 8. 配套工具：让协议真正跑起来的六个命令

协议（`检索协议-模板.md`）规定「怎么讲题」，`tools/` 里的六个工具负责「**怎么把知识点找出来、怎么让知识库越用越厚**」。纯 Python 标准库，**零依赖、零联网、离线可用**。

| 工具 | 干什么 | 关键设计 |
|---|---|---|
| `tools/kb-search.py` | 全库检索 / 索引定位 / 看原文段 | 排序 = **目录层级（精讲笔记优先）→ BM25 相关度**；多词 OR 召回；表头给**真实命中总数** |
| `tools/kb-backfill.py` | 把外部检索的结论**回写**进精讲笔记 | **无来源不入库**；只追加不覆写正文；自动备份；同知识点重复写 = 更新 |
| `tools/kb-id.py` | 知识点 ID 注册表与校验 | 考点号全部从精讲笔记抽取（**笔记是唯一权威来源**）；抓「同一知识点多种写法」 |
| `tools/kb-gaps.py` | 覆盖率体检（🔴/🟡/无引证） | 只认**带行号的本地锚点**和**指向权威域名的链接**；双链里的「待核」不串味 |
| `tools/kb-links.py` | 内部链接体检 + `--fix` | 抓「跨文件链接写成同文件锚点」这类**不报错只跳空**的静默毛病 |
| `tools/kb-fix-glyphs.py` | PDF 字形错位修复 | 字符级只动「永不合法」的生僻错字，合法字走词组规则；改前自动备份 |

```bash
python tools/kb-search.py "BCP 业务连续性" --project CIA-Part3   # 多词用空格分隔（OR 召回）
python tools/kb-search.py --locate "重要性" --project CIA-Part3  # 只在索引层定位章节
python tools/kb-backfill.py --from entry.json                    # 答完外部检索的题后回写
python tools/kb-id.py --check --project CIA-Part3                # 错题库 ID 自检
```

**102 项回归测试**：`python tools/test_kb_search.py`、`test_kb_backfill.py`、`test_kb_id.py`、`test_kb_tools.py`。详见 [`tools/README.md`](tools/README.md)。

> 为什么一个知识库项目要带测试：这三个工具会**写进你的知识库**。测试里死盯三条硬约束——
> 回写必须让正文**字节不变**、无来源必须拒绝且不碰文件、重复写只能有一条。

## 9. 快速开始（10 分钟）

### 第一步：一键下载

```bash
# 方式一：git clone（推荐，后续更新/同步方便）
#   GitHub（海外/国际用户）：
git clone https://github.com/ZavionWang/exam-knowledge-base.git
#   Gitee 镜像（国内用户，更快更稳）：
git clone https://gitee.com/zavionwang/exam-knowledge-base.git
cd exam-knowledge-base

# 方式二：下载 ZIP（不想用 git 的话）
# 仓库页面右上角 Code → Download ZIP → 解压即可，效果完全一样
```

### 第二步：把这段提示词粘给你的 AI

打开你的 AI 客户端（Claude Code / dsh / 任何支持读文件的 AI），粘贴下面这段话（把 `<项目路径>` 换成你解压/克隆的实际路径）：

```text
我下载了考试知识库项目（exam-knowledge-base），项目路径：<项目路径>
请先读项目根目录的 START-HERE.md，然后严格按里面的引导协议执行：
1. 问我建档需要的信息（考什么考试、教材格式、教材路径、考纲）
2. 根据我的回答完成建档：建科目目录、复制骨架、生成索引、摄入教材、实例化检索协议
3. 建档完成后告诉我怎么开始刷题
```

AI 会先读 `START-HERE.md`，然后问你四个问题，再一步步完成建档。

### 第三步：回答四个问题

你的 AI 会先问你：

1. **考什么考试？**（考公/考研 · CIA · CPA · CFA · 法考 · 软考…）
2. **教材是什么格式？**（电子版 PDF / 扫描件 / Word）
3. **教材存放在哪？**（文件夹路径）
4. **有官方考纲吗？**（大纲 / 章节列表）

### 第四步：开始刷题

回答后 AI 自动建档：建科目目录 → 复制骨架 → 按考纲生成索引 → 摄入教材 → 实例化检索协议。然后直接发题：

```
用户发题 → 查 _索引 定位（板块→章→节→知识点）
→ 打开对应章节精讲 → 四段式输出：
   考点定位 → 准则/大纲依据 → 思路拆解 → 干扰项解析
→ 错题回写错题库（带知识点 ID）
```


## 10. 目录结构

```
exam-knowledge-base/
├── START-HERE.md              # 📌 开机引导：AI 建档协议（先读这个）
├── 考试知识库-搭建方法论.md   # 完整搭建流程 v3.1（PDF 摄入→精讲→错题→检索协议）
├── 检索协议-模板.md          # 📌 通用协议模板（复制到你的科目后实例化）
├── _索引-骨架模板.md         # 📌 索引空骨架（复制后按考纲填充）
├── tools/                    # 🛠️ 配套 CLI 六件套：检索 / 回写 / 知识点ID / 覆盖率 / 链接 / 错位字（零依赖，102 项测试）
└── CIA-Part3/                # 📌 示例实例：CIA Part 3（结构可复制到任何考试）
    ├── _索引.md              # 三级定位索引（板块→章→节→知识点）
    ├── 检索协议.md           # Agent 讲题协议（模板的 CIA 实例）
    ├── 思维导图.md           # 科目全景图
    ├── 精讲笔记/             # 20 章大纲精讲 + 7 篇 IPPF 系列精讲
    └── 错题库/               # 错题记录 + 汇总（知识点 ID 关联）
```

## 11. 免责声明

- 本仓库包含**个人原创整理**的精讲笔记、错题、索引与方法论
- **不含教材原文全文与商业题库题目全文**（错题记录已脱敏，仅保留考点与复盘）
- 精讲笔记含 IPPF 条款**短引**（© IIA 2017，已逐处标注），仅供学习交流，完整文本请购买正版 IPPF
- 笔记基于公开考试大纲与个人理解整理，请以官方教材为准

## 12. License

MIT © 2026 ZavionWang