name: flashcard-studio description: “从学习材料（文本、Markdown、笔记）中提取核心知识点，生成符合间隔重复记忆原理的正面问题+反面答案闪卡，输出可直接导入Anki的CSV文件。当用户提到闪卡、Anki、记忆卡片、知识点提取、复习卡片、间隔重复，或需要将学习内容转换成问答对进行复习时触发。” license: MIT
flashcard-generator
从学习材料中自动提取知识点，生成「正面问题 + 反面答案」格式的闪卡，输出可直接导入 Anki 的 CSV 文件。
支持两种工作模式：
- auto 模式：基于规则从 Markdown/纯文本中提取定义、Q&A、列表等结构化知识点
- json 模式：接收预构造的 JSON 闪卡数据，格式化为 Anki CSV
Quick Start
# 从 Markdown 笔记自动提取闪卡
python scripts/generate_flashcards.py --input notes.md --output flashcards.csv
# 从 JSON 数据生成 Anki CSV（适合 agent 调用）
python scripts/generate_flashcards.py --mode json --input cards.json --output flashcards.csv
# 通过 stdin/stdout 使用
cat notes.md | python scripts/generate_flashcards.py > flashcards.csv
Agent 工作流
当用户提供学习材料要求生成闪卡时，推荐流程：
- 读取材料：读取用户提供的学习材料文件
- 智能提取：分析材料内容，提取核心知识点，生成高质量的问答对。遵循以下原则：
- 每张卡片聚焦一个知识点（最小信息原则）
- 正面用精确的问题形式，避免模糊提问
- 反面给出简洁但完整的答案
- 覆盖核心概念、定义、公式、因果关系、对比等
- 生成 CSV：将提取的问答对写为 JSON，调用脚本转为 Anki CSV
- 交付文件：告知用户输出路径和导入方法
Agent 调用示例
将提取的知识点构造为 JSON 数组，通过 --mode json 转为 CSV：
cat <<'EOF' > /tmp/cards.json
[
{"front": "什么是光合作用？", "back": "植物利用光能将CO₂和H₂O转化为有机物并释放O₂的过程", "tags": "biology"},
{"front": "光合作用的化学方程式是什么？", "back": "6CO₂ + 6H₂O → C₆H₁₂O₆ + 6O₂", "tags": "biology"}
]
EOF
python scripts/generate_flashcards.py --mode json --input /tmp/cards.json --output flashcards.csv
参数说明
| 参数 | 说明 | 默认值 |
|---|---|---|
--input, -i |
输入文件路径 | stdin |
--output, -o |
输出 CSV 文件路径 | stdout |
--mode, -m |
提取模式：auto（规则提取）或 json（结构化输入） |
auto |
--no-tags |
不输出 tags 列 | 包含 tags |
--separator, -s |
CSV 分隔符：\t、;、, |
Tab |
输出格式
生成的 CSV 遵循 Anki 导入规范：
#separator:Tab
#html:true
#columns:Front Back Tags
什么是光合作用？ 植物利用光能将CO₂和H₂O转化为有机物并释放O₂的过程 biology
导入 Anki 的步骤
- 打开 Anki → 文件 → 导入
- 选择生成的 CSV 文件
- Anki 会自动识别分隔符和列映射
- 确认后点击「导入」
Auto 模式支持的知识结构
| 结构类型 | 示例 | 生成的闪卡 |
|---|---|---|
| 定义（Term: Definition） | 光合作用：植物利用光能... |
Q: 什么是光合作用？ A: 植物利用光能… |
| Q&A 对 | Q: 什么是DNA？ A: 脱氧核糖核酸 |
直接提取为闪卡 |
| 标题+列表 | ## 细胞器 - 线粒体 - 核糖体 |
Q: 细胞器的关键要点有哪些？ A: 列表 |
| 标题+段落 | ## 牛顿第一定律 一切物体... |
Q: 请解释：牛顿第一定律 A: 段落内容 |
前置条件
- Python 3.6+
- 无需安装额外依赖（仅使用标准库）