ielts-review-lab
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@ielts-review-lab ingest this reading passage and my answers, then judge and explain mistakes"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
IELTS Review Lab · 雅思复盘与刻意练习
做完题之后的私教。 把“看答案”变成“知道为什么错、下次怎么不错”。
这里不出新题,也不内置任何真题。你在纸质剑桥书、刷题网站或 App 上做完一篇阅读或一个 Part 听力,把原文(或文稿)、题目、答案册和自己的答案交进来:
确定性判题:字数要求、单复数、拼写、判断题标签体系,全部由规则判定,可测试、有出处。
只依据原文的讲解:定位句、同义替换对照、为什么答案册对、你为什么错。模型给的引用必须逐字出现在你的原文里,否则标“讲解不可靠”。
归因:固定错因表,规则能定的规则定,其余你点、模型补。
刻意练习:错题按 1/3/7/14/30 天回来;看“同类错误复发率”是否在下降。
写作和口语是分步训练系统:小步骤反复练,反馈少而准,不代写。
所有内置示例均为原创,非真题。只使用你有权使用的材料;你的数据只存在你自己的电脑上。
两种用法,同一个引擎
网页版 | 本地 MCP 引擎 | |
模型从哪来 | 你自己的 API key(DeepSeek 默认,兼容 OpenAI 格式的都行);没 key 也能判题、记错题,讲解用醒目标注的模拟反馈 | 你已经订阅的 AI(Claude 桌面版、Claude Code、Codex 等),不额外花钱 |
录入 | 粘贴 + 自动拆题;题集库 + 一行答案速记 | 直接把书页照片、App 截图拖进对话,宿主模型识别后交给引擎校验 |
数据 | 浏览器本地,可导出 / 恢复 | 本机文件夹(默认 |
两条路的判题、计词、换算、引用校验、错因表、复习排期是同一份代码(src/features/ielts/core/),任何外壳都绕不过去。
Related MCP server: maimemo
网页版
npm installnpm run dev打开 http://localhost:5173/ielts。
配置模型:设置页填服务商、API key、模型名。key 只存在你的浏览器里,不进仓库、不进构建产物;每次发送前会弹窗显示将发送的全部内容。服务商不允许浏览器直连时,可以部署到 Vercel,用
/api/ielts/llm同源中转(只转发、不记录,只接受注册过的模板)。录入只有三个框:原文(可选)、题目(可选)、答案。答案册和你自己的答案写在一个框里,对着答案册批改时怎么写就怎么贴:
1 FALSE NG 2 two weeks | two week 3 B ✓ 4 C ✗ A题目框整段贴,
Write TRUE, FALSE or NOT GIVEN、NO MORE THAN TWO WORDS这些说明行会自动带给后面的题。同一篇存进题集库后,重做时载入,只补这次的答案。从你做题时的处境讲起:每道错题先点一下当时的情况(没找到定位词、首次经过答案句没认出、FALSE/NG 犹豫……),讲解按“题干在问什么 → 原文在哪、怎么找过去 → 句子拆开看 → 你为什么会这样答”展开,证据不够会直说“不确定”,然后可以接着追问。
复盘报告:错题表、同义替换表(带替换机制和证据强度)、难词短语表,一键复制或下载
.md/.csv。做题方法:内置平行阅读法,可以改,也可以写自己的方法。开始复盘前先看到它;复盘时记方法的执行指标(首次经过答案句却没认出、无效回读),分析页看最早几篇和最近几篇比有没有变好。
拼写听写:听力里因拼写、单复数、数字丢分的词集中重写,用浏览器自带的英文语音朗读(英音/澳音/美音、可调语速),同一套规则判。
导入笔记 / 话题清单:写作知识卡片支持导入 Markdown 或 JSON 笔记;口语支持导入本季话题清单(纯文本或 JSON)。
备份:设置页“导出全部学习数据”(不含 key),换电脑或清缓存后用“从导出文件恢复”。
本地 MCP 引擎(订阅路线)
不需要安装任何依赖,Node 20+ 即可:
node mcp/server.jsClaude 桌面版:在 claude_desktop_config.json 的 mcpServers 里加一项(路径换成你的克隆位置):
{
"mcpServers": {
"ielts-review-lab": {
"command": "node",
"args": ["/absolute/path/to/ielts-review-lab/mcp/server.js"],
"env": { "IELTS_LAB_DATA": "/absolute/path/to/your/ielts-data" }
}
}
}Claude Code:
claude mcp add ielts-review-lab -- node /absolute/path/to/ielts-review-lab/mcp/server.js再把 skills/ielts-review/SKILL.md 放进宿主的技能目录(Claude Code 是 ~/.claude/skills/ielts-review/),模型就知道怎么带你复盘。
工具:
工具 | 作用 |
| 已录过的题集,重做时复用 |
| 录入原文、题目、答案册、你的答案(或一行速记)、听力反思;检查题号连续、标签合法、答案对得上,不合格退回 |
| 唯一判对错的地方 |
| 提交讲解;引用不在原文里、错因不在表里都会被退回 |
| 你确认或改错因;之后模型讲解不会覆盖 |
| 错因分布 + 复发率 |
| 今天到期的错题(先不给答案)和重做结果 |
| 错题表、同义替换表、难词短语表(Markdown) |
| 你的做题方法:查看、切换、保存自己改过的版本 |
用户没给原文或答案时,宿主模型可以按来源联网找,引擎会把它们标成“来自网络”,判题结果里提醒你核对答案册。
开发
npm run check依次跑 lint、内核类型检查、单测(含 MCP 流程测试)、构建、插件导出一致性检查。端到端测试(无 key 跑通阅读、听力、写作路径):
npm run test:e2e文档:
docs/ielts/ARCHITECTURE.md:分层、依赖方向、关键取舍、v0.3 合并说明
docs/ielts/RULES.md:每条雅思规则的公开来源、访问日期,以及标为“非官方假设”的部分
docs/ielts/PROMPTS.md:每个模型模板的用途、版本、变量、输出结构和约束
docs/ROADMAP.md:做了什么、接下来做什么、明确不做什么
版权边界
仓库和任何服务端都不内置雅思官方或剑桥的真题、音频、文稿。你粘贴或拍照的材料只保存在你自己的设备上,原文默认不长期保存(错题库只留定位片段),可以一键删除。不做任何分享原文的功能。
许可
MIT。网页版的雅思模块最初写在 cshub 学习站里,这里拆出来独立维护。
Available Tools
10 toolsingest_passageA
录入一篇阅读或一个听力 Part。最省事的给法:source + answer_sheet(答案册和用户答案写在一起,如 "1 FALSE NG 2 two weeks | two week 3 B ✓"),可再加 questions_text(整段题目)和 passage。用户没给原文/答案时,你可以按来源联网找,并把 passage_origin / key_origin 设为 web。也可以给结构化的 questions。可以只给 set_id 复用录过的同一篇。引擎检查题号连续、标签合法、答案对得上,有问题会退回。不判题。
Inputs: module (required), set_id, source, passage, +9 more.
judge_setB
按确定性规则判一整篇(字数、单复数、拼写、判断题标签体系)。对错只能由这里判,不要自己判。返回每题结果和规则能确定的错因。
Inputs: review_id (required).
list_setsB
列出已录过的题集(同一本书同一篇只录一次),重做时把 set_id 传给 ingest_passage,只填这次的答案。
Inputs: module.
mark_reviewedA
记录一道到期错题的重做结果:again(又错了)/ hard / good / easy,引擎据此排下一次复习日期。
Inputs: key (required), grade (required).
methodB
用户的做题方法(例如平行阅读法)。复盘前先读一遍,讲题时按他的方法说“下次在哪一步怎么做”。可以查看、设为当前、或保存用户改过的版本。
Inputs: action, method, module, method_id.
reportB
一篇阅读复盘的三张表(错题表、同义替换表、难词短语表),Markdown 格式,用户可以直接复制。讲解提交得越完整,表越全。
Inputs: review_id (required).
set_causeB
用户确认或修改一道错题的错因。用户的选择优先于模型建议,以后的模型讲解不会覆盖它。
Inputs: cause (required), number (required), review_id (required), reflection.
submit_explanationA
提交一道题的讲解。站在用户做题时的视角:题干在问什么 → 原文在哪、怎么从定位词找过去 → 原文句子怎么拆 → 用户为什么会那样答。引擎逐字校验定位句和同义替换的原文一侧,不在原文里就退回;同义替换要标替换机制和证据强度,证据不够时必须写 uncertainty,不许硬圆。讲解不能推翻答案册;错因必须从固定错因表里选。规则判定和用户确认的错因不会被覆盖。
Inputs: cause (required), number (required), review_id (required), confidence (required), +12 more.
todayB
今天最值得复练什么:按 1/3/7/14/30 天间隔到期的错题(重做时先只给题目和定位范围,不给答案),以及复发率最高的错因对应的专项练法。
Inputs: limit.
weaknessC
弱点画像:各错因数量、最常错题型,以及北极星指标“同类错误复发率”(某个错因第一次出现后,之后的复盘里再出现的比例)。按数据说话。
Inputs: module.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 10 tools
Each tool targets a distinct stage of the ingest→judge→review→report workflow, so an agent can generally pick the right one. The closest pair is set_cause (confirming a wrong-answer cause) versus submit_explanation (writing an explanation), and weakness versus today (analytics vs. daily plan), which could occasionally be confused but descriptions clarify.
Most tools follow a verb_noun pattern (ingest_passage, judge_set, submit_explanation, mark_reviewed, list_sets), but several are bare nouns (weakness, today, report, method). The split between action verbs and noun-styled tools is readable but not uniform.
Ten tools is well within the ideal range and each maps to a real step in the study/review lifecycle. No obviously redundant or filler tools are present.
The surface covers ingestion, deterministic grading, cause tagging, explanation authoring, analytics, review scheduling, reporting, and method management—a near-complete lifecycle. Minor gaps exist, such as no delete/edit-set operation or a way to fetch a single set's full detail beyond list_sets, but these are workaroundable.
Maintenance
Related MCP Connectors
IELTS essay marking, study packs with flashcards and quizzes, word of the day, CEFR text level
Free: turn your AI chats into spaced-repetition vocabulary. 13 tools, reads and writes.
Free IELTS prep: band-scored student essays and interactive Listening/Reading drills graded in-chat.
Files what you learn into a personal wiki and quizzes you before you forget it.
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceEnables AI-assisted learning through structured courses with Socratic guidance, evaluating user answers against rubrics and managing learning progress locally.Apache 2.0
- AlicenseNot gradedqualityBmaintenanceEnables read-only mirroring of your vocabulary learning data into a local SQLite database and provides daily multiple-choice quiz sessions with explanations, mistake tracking, and generated daily reports.MIT
- AlicenseBqualityBmaintenanceEnables MCP-compatible AI clients to act as a personal exam-prep tutor for Chinese postgraduate entrance exams, with a local knowledge base, spaced-repetition review scheduling, worksheet generation and delivery (print/PDF/HTML/text), and learning analytics—all with zero third-party dependencies and data staying local.142MIT
- AlicenseNot gradedqualityBmaintenanceEnables automated agents and writers to check Norwegian and English prose before sending, returning concrete style findings, revision hints, and verdicts instead of authorship claims, with a no-judgment band, positive quality checks, a private local mode, and phrase-bank memory.MIT