英文阅读材料多维度难度自动化分析工具；当用户需要评估英文试卷、文章或阅读材料的难度等级，或需要量化对比不同文本的难易程度时使用
spacy>=3.4.0
nltk>=3.8.0
# 方法1: 使用 uv (推荐)
cd ~/.agents/skills/english-reading-difficulty
uv venv .venv --python 3.12
source .venv/bin/activate
uv pip install spacy nltk
curl -sS https://bootstrap.pypa.io/get-pip.py | python
python -m spacy download en_core_web_sm
# 方法2: 使用系统Python 3.12
python3.12 -m venv .venv
source .venv/bin/activate
pip install spacy nltk
python -m spacy download en_core_web_sm
scripts/analyze_difficulty.py 执行分析teaching-docs/reading/ 目录[年][月][日]-[考试名称].[pdf/md], [年][月][日]-[考试名称]-analyze.[md]--text文本路径或--text-content文本内容，--questions题目路径可选)lemmaheadword, pos, CEFRscripts/analyze_difficulty.py 直接从上述两个 CSV 加载词汇数据。
workspace/
├── skills/
│ └── english-reading-difficulty/ # 技能所在目录
├── teaching-docs/
│ └── reading/ # 分析文档存放目录
│ ├── 2026-0312-taichung-edu-vocab.pdf
│ └── 2026-0312-taichung-edu-vocab-analyze.md
└── memory/
└── YYYY-MM-DD.md # 工作日志
cd ~/.agents/skills/english-reading-difficulty
source .venv/bin/activate
python scripts/analyze_difficulty.py --text content.txt --output report.md
python scripts/analyze_difficulty.py --text reading.txt --questions questions.txt --output full_report.md
python scripts/analyze_difficulty.py --text-content "The quick brown fox..." --output result.json