dsh-mastery-loop
可选择启用的 DeepSeek Harness 技能包：mastery-loop——一种考试复习闭环，通过反复练习，直到每个知识点达到你的目标准确率。/ 通用应试复习闭环。
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add dsh-mastery-loop@0.1.0Mastery Loop 以 dsh-mastery-loop 发布，当前版本为 0.1.0。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
A general exam-revision loop for DeepSeek Harness. It reads your course materials and your notes vault, then drills you — question, grade, question again — until every knowledge point reaches your target accuracy, and finally hands you a pre-exam list.
Two things make it different from a quiz bot:
通用应试复习闭环：读你的课程材料与笔记库 → 出题 → 批改 → 再出题，直到每个知识点的熟练度都达到目标正确率，最后产出考前 list。每道题都要求你写出思维链，批改先判思维链再判答案，蒙对不算对。
dsh plugin --profile web add dsh-mastery-loop
/mastery-loop-setup
它会探测你的课程材料与笔记库，问清路径 / 素材 / 语言 / 融合方式 / 卷子格式，然后在你知识库根目录生成 6 个文件并校验：
| 文件 | 作用 |
|---|---|
ledger.md | 复习账本（进度 + 已初始化的凭据） |
index.md | 主题 → 知识点的反向索引 |
errors.md | 错误原因表 |
paper-format.md | 每个课程的每个考试的卷子格式 |
error-taxonomy.md | 失分原因分类（初始为空，等归纳） |
config.md | 路径 / 每门课的素材选择 / 语言标准 |
初始化有意做成独立的 skill：它要问六组问题，跟日常复习是两件事。分开之后
mastery-loop本身短得多。
/mastery-loop
或者直接用自然语言说「我想开始复习了」—— 这个 skill 模型可以自动调用。
读状态 → 与用户逐步确认（范围 / 目标正确率 / 是否混合考）
→ 复习清单
→ 出题（每题后面挂「答案：」「思维链：」两行）
→ 批改（先判思维链 → 再判答案 → 错了才提炼错误原因）
→ 写回账本与错误原因表
→ 达标？→ 问是否继续
→ 考前 list（从第一轮就开始攒，不是最后生成）
达标是逐点判断的：一个知识点要「总共出过 ≥ 5 且 熟练程度 ≥ 目标正确率」。不到 5 次标「样本不足」，继续出题。
errors.md 里的错误原因默认用英文 —— 因为要套 ASD-STE100（简化技术英语） 的写法：一句一个偏移、不超过 20 词、动词开头、不写题号和数字。
这样做的目的是可统计：同名错误必须逐字一致，才能数出「我在这一点上错了几次」。
⚠️ 口径说明：本 skill 借用 ASD-STE100 的原则，不声称符合 ASD-STE100 —— 官方明说它不适用于一般写作。 另外，「同一表述必须逐字复用」是本 skill 的跨文档外推（STE 只要求「一篇文档内一致」）。这个外推的责任在本 skill，不在 ASD。
建议。但范围由你定 —— 跨多门时 skill 会问你是否要跨课程混合出题（默认不混合）。
按产物类别分别定（知识点笔记 / 出的题 / 批改解析 / 记录性文件 / 产出 / 机制层），在初始化时问你。想要中英双语对照、法文、或纯中文都行 —— 除了 errors.md 的错误原因默认英文（要套 STE）。
MIT