网页 URL
网页生成笔记卡和选择题
适合文章、教程、百科和公开课程页面。
使用 $generate-twinkling-pack，读取这个网页： [粘贴网页 URL] 根据网页内容生成约 20 张卡片：12 张笔记卡、5 道单选题和 3 道多选题。每张卡只考查一个知识点；选择题使用可信的干扰项并给出简短解析。按主题建立少量 Tag，只使用网页中能够确认的内容。生成并校验 .wink 卡包。
复制即用 · 持续补充
先复制，成功后再改。
不用先学会写提示词。选择最接近的场景，复制后替换方括号中的内容， 连同资料一起发给支持 Skills 的 AI 即可。
只需三步
- 选择最接近的示例
- 复制并替换方括号内容
- 发送资料和提示词
第一次先不要改太多。成功生成卡包后，再调整数量、题型、难度和 Tag。
网页与文档
把现有资料直接变成复习卡。
适合网页、PDF、扫描件和直接粘贴的笔记。AI 需要能够访问对应资料。
PDF
整份 PDF 按章节制卡
适合教材、讲义、报告和备考资料。
使用 $generate-twinkling-pack 处理我附加的 PDF。 按照 PDF 目录建立层级 Tag，生成约 50 张卡片：30 张笔记卡、12 道单选题和 8 道多选题。优先覆盖定义、机制、因果关系、对比、步骤和限制；每张卡只考查一个知识点。选择题提供可信的干扰项和简短解析，答案中保留有帮助的页码。生成并校验 .wink 卡包。
扫描版 PDF
先 OCR，再生成卡包
无法选中文字的 PDF 可以从这个模板开始。
使用 $generate-twinkling-pack 处理我附加的扫描版 PDF。 先进行 OCR，并检查目录、页码和明显的识别错误；忽略重复页眉、页脚和乱码。只使用能够可靠识别的内容，无法辨认的文字不要猜测。按章节生成约 35 张笔记卡和 10 道选择题，选择题给出简短解析。生成并校验 .wink 卡包。
粘贴笔记
一段笔记快速制卡
适合会议笔记、课堂摘要和自己的复习提纲。
使用 $generate-twinkling-pack，把下面的笔记整理成适合主动回忆的卡片。 自动选择合适的卡片数量，不要机械地把每一句都制成卡片。定义、原因、步骤和结论优先做成笔记卡；容易混淆的概念做成单选题或多选题，并给出简短解析。删除重复内容，不添加笔记中没有的信息。生成并校验 .wink 卡包。 [在这里粘贴笔记]
文字记忆
控制考什么，以及怎么考。
这些模板适合需要记住关键字、辨析概念或整理错题的场景。
文字挖空
挖空关键字、数字和术语
保留上下文，只隐藏真正需要记忆的内容。
使用 $generate-twinkling-pack，把我提供的资料制作成约 25 张笔记卡和 8 道选择题。 笔记卡每张只考查一个知识点，并把答案中真正需要记忆的关键词、数字或术语设置为 Wink 支持的文字挖空；每张最多挖空 1～3 处，保留足够上下文，不要挖空整句话。选择题给出可信的干扰项和简短解析。生成并校验 .wink 卡包。
概念辨析
容易混淆的概念做成选择题
适合分类、例外、相似术语和常见误区。
使用 $generate-twinkling-pack 分析我提供的资料，找出容易混淆的概念、分类、条件和例外。 先生成 10 张笔记卡，帮助我主动回忆每个概念的定义与区别；再生成 12 道单选题和 8 道多选题，重点检验相似概念之间的边界。选项保持同一层级，干扰项必须可信，不使用“以上都对”或“以上都不对”，每题给出简短解析。生成并校验 .wink 卡包。
错题整理
把错题和解析变成复习卡
重点记住错误原因，不重复照抄原题。
使用 $generate-twinkling-pack，把我提供的错题、正确答案和解析整理成复习卡。 不要简单复制原题。先判断每道错题对应的知识缺口或误区：规则与概念做成笔记卡，容易再次选错的判断点做成选择题。每张卡只解决一个错误原因，答案说明为什么错、正确判断依据是什么。按知识主题建立 Tag，合并重复误区。生成并校验 .wink 卡包。
图片与挖空
需要看图记忆时，再使用图片。
图片挖空依赖 AI 的视觉能力。遮罩位置生成后应在闪卡中检查，不可靠时不要让 AI 猜。
原生图片挖空
隐藏图中的标签或部位
适合解剖图、结构图、地图和流程图。
需要多模态模型
笔记卡支持 Wink 原生矩形图片挖空。这个能力需要 AI 能看懂图片。实测推荐：Codex + GPT 5.6、Claude + Opus 4.8、VS Code + Kimi K3。
DeepSeek V4，以及 GLM-4.5、4.6、4.7、5 等纯文本型号仍可制作文字卡片，但不适合图片挖空。
使用 $generate-twinkling-pack，把我附加的图片制作成 Wink 原生图片挖空卡。 只遮住图中清晰可辨、值得记忆的标签或部位名称；矩形遮罩要紧贴目标，不要遮住帮助定位的结构。每张卡隐藏 1～4 个相关目标，背面列出答案。必须使用原始干净图片和原生 .rimg 挖空；如果无法可靠判断位置，请停止并告诉我，不要猜测。生成并校验 .wink 卡包。
普通图片卡
保留图片，但不做挖空
适合识别作品、设备、现象和整体结构。
使用 $generate-twinkling-pack，把我附加的图片制作成普通图文笔记卡，不要做图片挖空。 先判断图片最适合考查的识别目标。正面显示清晰图片并提出一个能够独立回答的问题；背面给出简洁答案、关键特征和必要的来源说明。不要添加纯装饰图片，也不要让图片完整暴露答案。按主题建立少量 Tag，生成并校验 .wink 卡包。
单词卡
从短文、词表或章节生成原生单词卡。
每个卡包使用一种语言。词义和例句由当前 AI 编写，不确定的读音应留空，而不是猜测。
英语短文
根据一篇短文挑选单词
保留原文语境，不机械收录每个生词。
使用 $generate-twinkling-word-pack，阅读下面这篇英语短文，挑选 15～20 个值得学习的单词或固定搭配。 根据原文语境编写简洁的中文释义并保留词性；每个词添加一个自然例句和翻译，有把握时补充音标。不要为了凑数量加入过于简单的词，也不要猜测不确定的读音。生成并校验 .wink 单词卡包。 [在这里粘贴短文]
英语词表
把准备好的词表直接制卡
适合课后词表、收藏单词和考试范围。
使用 $generate-twinkling-word-pack，把下面的英语单词和固定搭配制作成一个 .wink 单词卡包。 保留原始拼写并去除重复项。每个词提供简洁的中文释义和词性、一个自然例句及翻译；有把握时补充音标和音节。不同词性分行说明，不确定的读音留空。生成并校验卡包，并告诉我最终收录和跳过了哪些词。 [在这里粘贴词表，每行一个]
PDF 章节
从教材章节中筛选重点词汇
适合英语教材、论文和专业阅读材料。
使用 $generate-twinkling-word-pack 分析我附加的 PDF 的第 [填写章节] 章，挑选约 30 个值得学习的英语单词或固定搭配。 优先选择承载本章核心概念、反复出现或不能按字面理解的词组；忽略人名、页眉页脚、OCR 碎片和过于简单的词。根据原文语境选择中文释义，每个词添加一个自然例句和翻译，按小节建立 Tag。生成并校验 .wink 单词卡包。
日语词表
生成带假名和罗马音的单词卡
同样可以改成韩语、德语、法语等支持语言。
使用 $generate-twinkling-word-pack，把下面的日语词表制作成一个 .wink 单词卡包。 补充假名、罗马音和简洁的中文释义，每个词添加一个自然例句和翻译；有把握时补充音调，不确定的音调留空并在交付时告诉我。保留常用汉字写法，去除重复项。生成并校验卡包。 [在这里粘贴日语词表，每行一个]
生成成功以后
一次只调整一个要求。
先确认能够正常生成和导入，再根据复习需求逐步增加这些要求。
卡片数量
笔记卡与选择题比例
单选与多选比例
难度
Tag 结构
是否保留页码
例句数量
先预览再生成
选一个提示词，先生成第一个卡包。
还没有安装 Skill？返回教程页，复制安装提示词即可开始。