用自己的资料，考自己

把资料变成考卷，做完告诉你哪里没学会

上传教材、笔记或讲义（PDF / Word / 纯文本都行），自动出题；答完按得分点逐条批改，明确指出你漏掉了哪一个要点。看不懂可以就材料追问，回答逐句标注出处；错题按间隔重复排期，告诉你什么时候该再看一遍。

填邮箱收验证码即可注册，不需要密码。用平台额度按 token 扣积分（官方价 1.5 倍），也可以填自己的模型 Key，那样不消耗积分。

先把内容拆成知识点再出题，每道题都能回到原文的某一句话，你可以随时核对它有没有乱编。

选择、判断对错分明，直接判；简答按「得分点」逐条看你说到了没有，而不是笼统给一个分数。

模型没把握的题会标成「待复核」并给出分数范围，同时不计入掌握度，不用假确定的分数误导复习。

为什么不用 ChatGPT 或 NotebookLM？

它们很擅长「读」和「讲」，但你要的是「练」和「知道自己哪里不会」。四件具体的事：

给一个听起来合理的分数，你无法核对；写完就结束，不记得你上周错在哪。

简答题拆成得分点逐条判定，每条都能回到原文；判不准就标「待复核」。错题自动进入 FSRS 排期，每天只让你看该看的那几张卡。

先转成纯文本、再手动对照，出处要自己找。

直接上传 PDF / Word；追问的回答逐句带引注，PDF 还能点到「第几页」，材料里没有的会直接说没有。

内容进得去、出不来，想换工具只能重来。

材料、错题、掌握度随时导出 Markdown、Anki CSV 或完整备份，账号一键删除。想走随时走。

反过来，如果你要的是写作、头脑风暴或者开放式讨论，通用助手更合适—— 这里的强项只有一件：把你自己的材料变成一场可核对、会排期的考试。

技术细节：为什么不让大模型直接打个分？（给开发者）

一句话：直接打分得到的是一个无法核对的黑盒数字。这里改成把主观题拆成「每个得分点一条类型化问题」，由决策模型（TypeSafe Jev / System One）输出概率，再由代码按权重合成——所以分数能逐条核对，也有置信度可用于门控。

维度	Jev（决策模型）	普通 LLM 打分
输出	类型化概率（noul / choice / score），代码可直接用	文本或 JSON，需要解析，可能跑偏
不确定性	自带校准概率与置信度，可做门控	容易过度自信，置信度不可靠
速度与成本	百毫秒级，输入 $0.042/百万 token，输出免费	秒级到分钟级，输出按 token 计费
可解释性	不给理由——所以解释必须来自 rubric 点本身	能给理由，但理由不一定可信

使用本站即表示同意服务条款与隐私说明。