exam-forecast

/exam-forecast

1. 加载 ~/.claude/plugins/config/claude-for-legal/law-student/CLAUDE.md → 课程、教授、考试形式、教学大纲。
2. 应用以下工作流。
3. 收集往年试卷（PDF、粘贴文本或路径）。确认样本数量。
4. 分析每份往年试卷：形式、考查范围、题目风格、事实情境密度、反复出现的陷阱。
5. 交叉分析试卷模式——哪些稳定，哪些变化。
6. 结合当前教学大纲生成预测：考查范围权重、形式、教授偏好的考点、复习重点。
7. 写入 ~/.claude/plugins/config/claude-for-legal/law-student/exam-forecasts/[class]/forecast-[YYYY-MM-DD].md。将其表述为权重启发，而非预测。

---

用途

每位教授的考试都有其特点。相同的假设情境结构会反复出现。相同的陷阱会再次出现。相同的科目比例也会反复出现。有往年试卷的学生能更高效地备考；没有往年试卷的学生只能付出更多努力。这项技能会分析你提供的往年试卷，并揭示其中的规律。

这不是魔法，而是预测，不是断言。这项技能无法告诉你考试会考什么——它能告诉你往年考过什么，以及根据教学大纲覆盖的内容，哪些可能会再次出现。

置信度原则

• 模式分析（考过哪些科目、每个主题有几道题、政策分析与规则适用的比例）——如果我能清楚看到试卷，就可以有把握地分析。
• 对即将到来的考试可能侧重点的推断——默认标注为 [UNCERTAIN]；这些是预测，而非定论。明确表述为：“根据你提供的 [N] 份往年试卷，[topic] 出现在其中 [M] 份中。即将到来的考试可能会侧重该主题，也可能由教授轮换考点——请将其作为分配复习时间的权重参考，而非预测。”
• 如果只有 1-2 份往年试卷，明确说明这一点——从 1 份试卷推断出的任何模式都可能只是噪声。
• 如果教授是新任教授（没有可用的往年试卷），这项技能无法进行预测。请说明这一点；仅退而分析教学大纲，说明“涵盖了哪些科目”。

加载背景信息

• ~/.claude/plugins/config/claude-for-legal/law-student/CLAUDE.md → 当前课程、考试形式，以及已记录的教学大纲
• 用户提供的往年试卷（PDF、粘贴文本或路径）
• 可选：当前课程的教学大纲（用于了解“截至目前已讲授的内容”）

如果上传的往年试卷中有教授姓名，请用它来匹配模式（同一位教授的试卷是最有参考价值的输入）。**如果没有，则按科目和结构匹配。**不要让用户输入教授姓名——使用材料中已有的信息。用户在对话中主动提及教授姓名时，可以使用；不要主动询问。

工作流

第 1 步：收集信息

• 我们要预测哪门课？
• 有多少份这位教授的往年试卷？
• 这些试卷来自同一门课，还是同一位教授教授的不同课程？
• 其中是否有带回家完成、开卷或格式不同的试卷？它们与即将参加的考试的常见形式有何不同？
• 当前课程的教学大纲是什么？

如果往年试卷少于 3 份：标记为样本不足，模式推断的可靠性较低。 如果试卷来自不同课程：有些模式可以迁移（题目风格、政策分析与法理分析的比例）；具体科目的模式则不能迁移。

第 2 步：阅读每份往年试卷

针对每份往年试卷：

• 形式（题目数量、篇幅、时限、开卷或闭卷）
• 考查范围（考了哪些主题，各占多少比例）
• 题目风格（争点识别、单一争点深入分析、政策论文、MBE 风格简答题或混合形式）
• 事实情境密度（事实详尽的假设情境、事实简略且侧重法理的问题，或没有事实情境的政策题）
• 反复出现的陷阱（例如，教授总是在一个原本干净明了的事实情境中隐藏管辖权问题；教授总是考例外而非规则）
• 政策分析与法理分析的比例
• 特殊结构（论文与 MBE 混合、模拟法庭情境等）

步骤 3：交叉分析模式

汇总历次考试中一致的内容：

稳定模式（出现在大多数或所有历次考试中）：

• 科目权重（例如，“对价和合同变更始终占考试分值的 30%”）
• 题目风格（例如，“总是一道较长的争点识别题加两道简答假设题”）
• 教授特别关注的内容（例如，“即使第三方受益人在课堂上只是次要话题，也总会考查”）

变化模式（出现在部分但非全部历次考试中）：

• 政策论述题（例如，“在过去 4 次考试中出现过 2 次——通常是在学期后期讲授了政策性较强的主题时”）
• 开卷与闭卷考试的差异
• 课后完成与课堂考试的差异

值得注意的缺失模式：

• 课堂上讲授过、但历次考试中从未考过的主题——不要跳过，但权重也不应太高
• 历次考试考过、但不在当前教学大纲中的主题——可能不会再考

步骤 4：预测即将到来的考试

标题——必须作为预测内容的第一行，无论是在聊天中还是保存到文件时。 根据插件配置 ## Outputs，每份学习输出都必须包含原样的学习笔记标题。预测属于学习输出。不得省略、改写或移动该标题。该标题不是学生可以要求删除的免责声明；它是输出的标识，可避免预测内容被误认为是对考试题目的预测或法律建议：

STUDY NOTES — NOT LEGAL ADVICE

将模式分析与当前教学大纲结合起来：

STUDY NOTES — NOT LEGAL ADVICE

# Exam Forecast — [class / professor] — [date]

**Past exams analyzed:** [N]
**Sample confidence:** [thin (<3) / moderate (3-5) / strong (6+)]
**Caveats:** [e.g., "one of the past exams was an open-book final; your upcoming is closed-book. Pattern transfer is partial."]

---

## Subject weighting (historical)

| Topic | Past exam weight (avg) | In current syllabus? | Forecast weight |
|---|---|---|---|
| [topic 1] | [%] | [yes/partial/no] | [heavier / stable / lighter] |

## Question-style forecast

- **Format likely:** [X issue-spotters + Y short answers + Z policy, or similar]
- **Fact-pattern density:** [fact-heavy / sparse / mixed]
- **Call style:** [one broad call / multiple specific calls / bullet sub-parts]

## Professor hobby horses to watch

- [topic A] — appeared in [M of N] past exams. Weighted 3-5x its syllabus share.
- [topic B] — [pattern]
- [trap pattern] — e.g., "hides jurisdictional issue in otherwise-clean facts"

## Topics covered this semester but rarely tested

[list — don't skip, but don't over-weight]

## Study emphasis recommendation

Based on past exam patterns AND current syllabus coverage:

**Heavy:** [topics likely to anchor the exam — 40-50% of study time]
**Moderate:** [supporting topics — 30-40%]
**Sanity check:** [topics covered but historically under-represented — 10-20%, just in case]

## [UNCERTAIN — framing]

This forecast is derived from [N] past exams. Professors vary. Professors rotate. Topics that were emphasized in past years can be de-emphasized when the syllabus shifts. Treat this as a weighting heuristic for study time, not a prediction. The exam will include surprises.

步骤 5：输出位置

写入 ~/.claude/plugins/config/claude-for-legal/law-student/exam-forecasts/[class]/forecast-[YYYY-MM-DD].md。采用版本化方式——如果学生在学期中途拿到另一份历年试卷，请重新运行并追加。

集成

• **outline-builder：**预测的权重会影响大纲内容的深度——重点主题应深入展开
• **flashcards：**为预测中重点关注的主题生成更多卡片
• **bar-prep-questions：**与律师资格考试备考无关（该备考有自己的预测模型）；exam-forecast 用于特定课程的期末考试
• **irac-practice：**将预测主题用作 IRAC 练习假设题的主题领域

以“后续步骤决策树”结尾

根据 CLAUDE.md ## Outputs 的要求，以“后续步骤决策树”结尾。根据该技能刚刚生成的内容，自定义选项——默认的五个分支（起草 X、升级处理、获取更多事实、观察等待、其他事项）只是起点，并非固定选项。决策树是输出内容；由律师作出选择。

此技能不会做什么

• 预测具体题目。 历年试卷能显示模式，但无法告诉你明天的题目。
• 在没有历年试卷时工作。 如果没有该教授之前的试卷，此技能就无法进行预测——会退而提供“这是教学大纲涵盖的内容，请据此学习”。
• 取代对教学大纲所有内容的学习。 预测用于分配权重，而非排除内容。因为某个主题历来考得少就跳过它，正是学生会吃亏的原因。
• 考虑你未告知的变化。 如果教授今年转移了关注重点（例如，在课堂讲座中强调了一个新案例），除非你告知，此技能就无法得知。
• 在只有 1-2 份历年试卷时可靠地工作。 样本有限。请明确标注这一点。