高考-高数衔接智慧课程 (Gaokao-Calculus Bridge)

When to Use

触发条件（满足任一即激活）：

• 用户提及"2026高考数学改革"、"情境化命题"、"真实世界问题"
• 用户需要从高中刷题模式过渡到大学数学学习
• 用户需要解决跨学科数学建模问题（AI/物理/经济/生物背景）
• 用户遇到长题干数学题，需要信息提取与建模指导
• 用户希望培养"数学翻译"能力（现实→数学语言）
• 用户需要设计项目式、探究式数学学习任务

不触发条件：

• 纯计算题求解（使用计算工具Skill）
• 标准定理证明（使用推导动画Skill）
• 单纯的概念查询（使用概念可视化Skill）

Quick Reference

Core Workflows

Workflow 1: 高考改革要点解析

当用户询问2026高考数学改革时执行：

1. 输出改革三重内核（引用references/gaokao_2026_reform.md）：

   • 科技是背景板，建模是考点
   • 阅读能力是数学的新底盘
   • 从"深挖洞"到"广积粮"的策略转变

2. 能力对标分析：

   • 高考要求 → 大学数学能力 → 本Skill培养方案
   • 使用脚本：python3 scripts/concept_mapper.py --mode=ability

3. 提供即时行动建议：

   • 若用户是高中生：推荐"情境化解题训练"
   • 若用户是大学生：推荐"真实建模项目"
   • 若用户是教师：推荐"课程设计方案"

Workflow 2: 情境化题目生成

当用户需要真实世界数学问题时执行：

1. 确定情境领域（根据config.domain_focus或用户输入）：

   • 科技前沿：AI/量子计算/碳中和/脑机接口
   • 工程应用：电路优化/结构力学/信号处理
   • 社会经济：金融/人口/资源分配
   • 自然科学：生物种群/流行病/物理场

2. 运行生成脚本：

   python3 scripts/problem_generator.py \
     --domain "${DOMAIN}" \
     --difficulty "${DIFFICULTY}" \
     --topic "${MATH_TOPIC}" \
     --output-format markdown
   

3. 题目结构要求（必须包含）：

   • 背景段：300-400字真实情境描述（含科技/人文元素）
   • 信息层：嵌入关键参数、变量、约束条件（需提取）
   • 问题链：从具体到抽象的分层设问
   • 建模提示：引导学生完成"翻译"的关键问题

4. 示例输出格式：

   ## 情境：[领域名称]
   
   【背景】[真实世界描述，含专业术语]
   
   【信息提取】
   - 关键变量：[列表]
   - 约束条件：[列表]
   - 目标：[优化/预测/证明]
   
   【数学建模】
   请将上述情境转化为数学问题：[提示]
   
   【问题】
   (1) [基础计算]
   (2) [模型建立]
   (3) [拓展分析]
   

Workflow 3: 长题干解析与建模

当用户提供长题干题目时执行：

1. 信息提取阶段：

   • 使用脚本：python3 scripts/model_extractor.py --text="${USER_INPUT}"
   • 提取：关键参数、隐含条件、逻辑关系、问题意图

2. 结构化分析：

   ### 题目解构报告
   
   **原始字数**：XXX字
   **核心信息**：XX个参数，XX个约束
   
   **信息图谱**：
   [变量A] → [关系] → [变量B]
   
   **建模路径**：
   现实概念 [术语] → 数学抽象 [概念] → 工具选择 [方法]
   

3. 分步引导策略：

   • 第一步：翻译（圈画关键信息）
   • 第二步：建模（建立变量关系）
   • 第三步：求解（选择数学工具）
   • 第四步：验证（回归现实情境）

Workflow 4: 概念映射与衔接

当用户需要理解高中到大学的知识跃迁时执行：

1. 运行映射脚本：

   python3 scripts/concept_mapper.py \
     --from "${HIGH_SCHOOL_CONCEPT}" \
     --to "${COLLEGE_CONCEPT}" \
     --visualization true
   

2. 输出衔接方案：

   • 高中基础：[知识点+典型题型]
   • 大学拓展：[理论深化+应用场景]
   • 鸿沟识别：[常见认知断层]
   • 过渡练习：[桥接性题目]

3. 可视化展示：

   • 知识图谱（文本形式）
   • 难度梯度曲线
   • 典型错误预警

Workflow 5: 项目式学习(PBL)设计

当用户需要完整的学习项目时执行：

1. 项目启动（使用templates/project_guide.md）：

   • 真实问题选择（来自references/real_world_cases.md）
   • 学习目标设定（知识+能力+素养）
   • 角色分配（数学家/工程师/数据分析师）

2. 阶段推进：

   • 阶段1：问题解构（1-2课时）
     • 背景调研、信息收集、问题定义
   • 阶段2：模型构建（2-3课时）
     • 假设简化、变量选择、方程建立
   • 阶段3：求解验证（2课时）
     • 数学求解、结果解释、模型检验
   • 阶段4：成果展示（1课时）
     • 报告撰写、同伴评议、反思提升

3. 评价量规：

   • 情境理解准确度（30%）
   • 模型合理性（30%）
   • 数学工具运用（25%）
   • 创新性与表达（15%）

Workflow 6: 自适应学习路径

当用户需要个性化学习方案时执行：

1. 诊断评估：

   • 当前水平测试（高考真题情境题）
   • 薄弱环节识别（信息提取/建模/计算/跨学科）
   • 学习目标确认（应试/能力提升/竞赛/科研）

2. 路径生成（运行脚本）：

   python3 scripts/learning_path_advisor.py \
     --assessment "${ASSESSMENT_RESULT}" \
     --goal "${LEARNING_GOAL}" \
     --duration "${TIME_FRAME}"
   

3. 输出内容：

   • 周计划（情境化题目+阅读材料+建模练习）
   • 资源推荐（跨学科阅读清单+工具教程）
   • 里程碑检测（阶段性能力自评）

Integration with Existing Skills

本Skill与已有高数Skill的协同：

调用示例：

用户："生成一道AI优化情境的数学题并可视化"

执行流程：
1. gaokao-calculus-bridge 生成题目（Workflow 2）
2. 检测到"梯度下降"概念 → 调用 calculus-concept-visualizer 生成3D可视化
3. 整合输出：情境描述 + 交互式GeoGebra嵌入 + 分步建模指导

Pitfalls & Warnings

常见失败模式：

1. 情境过载：

   • 问题：背景描述过于复杂，学生困于术语理解
   • 解决：提供"术语速查表"，区分"需理解的背景"与"可剥离的噪音"

2. 建模跳跃：

   • 问题：从现实到数学的跨越过大，学生无从入手
   • 解决：提供"脚手架"——中间变量设定、简化假设提示、类比案例

3. 跨学科恐惧：

   • 问题：学生因不熟悉专业领域而产生认知恐惧
   • 解决：强调"背景只是背景板"，提供领域无关的通用建模框架

4. 评价偏差：

   • 问题：过度关注数学解的正确性，忽视建模过程
   • 解决：使用本Skill提供的评价量规，平衡过程与结果

Verification

验证Skill正常工作：

1. 基础测试：

   输入："2026高考数学改革考什么？"
   预期输出：包含"情境化建模、深度阅读、广度积累"三要点
   

2. 生成测试：

   输入："生成一道碳中和情境的微积分题"
   预期输出：包含背景描述、信息提取层、分层问题的完整题目
   

3. 映射测试：

   输入："映射 高中导数 → 大学微分学"
   预期输出：知识衔接路径+典型断层+过渡练习
   

故障排查：

• 若脚本运行失败：检查Python依赖是否安装（pip install -r requirements.txt）
• 若API调用失败：检查OPENAI_API_KEY环境变量
• 若输出格式异常：检查config.yaml中的difficulty_level设置

References

详细文档请查阅references/目录：

• gaokao_2026_reform.md：改革政策原文与解读
• real_world_cases.md：分类真实世界案例库
• modeling_templates.md：通用数学建模模板
• interdisciplinary_models.md：跨学科模型速查

脚本使用文档：

• 运行python3 scripts/\x3Cscript>.py --help查看参数说明
• 所有脚本支持--output-format json用于程序化调用