Sibo-Zhao/OpenPraxis

解決する課題

人々はメモ、記事、振り返りを収集しますが、それらを定着させ活用することに失敗することがよくあります。OpenPraxisは、生の入力を練習ループ（質問の生成、回答、採点、インサイトカードの作成）に変換し、知識を使えるものにします。

仕組み

praxis add を使用してファイル（テキスト、markdown、または画像）を追加します。画像の場合、視覚認識モデルが最初にテキストを抽出します。システムは入力をタイプ（レポート、インタビュー、振り返り、アイデア）ごとに分類して保存します。その後、praxis practice で練習シーンを生成でき、オプションで役割、コンテキスト、制限時間を指定できます。シーンはソースに基づいた質問や演習です。praxis answer を使用して、エディタ内またはファイルから回答します。回答は評価・採点されます。評価が完了するまでフォローアップを続けることができ、会話は保存されます。また、入力から重要なポイントをまとめた「インサイトカード」を生成することも可能です。すべてのデータはローカルに保存され、検索やリスト表示コマンドはLLM呼び出しなしで実行されます。OpenClawスキルとして実行する場合、LLM呼び出しはホストエージェントのモデルを使用するため、APIキーの設定は不要です。スタンドアロンのCLIユーザーは、独自のプロバイダー（openai, doubao, kimi, deepseek）を設定できます。アーキテクチャは、バックエンドの抽象化によりビジネスワークフローとLLM呼び出しを分離しています。

対象ユーザー

エージェントとの会話から知識を定着させたい OpenClaw ユーザー、およびメモやドキュメントのための構造化された練習システムを求めるスタンドアロン CLI ユーザー。情報を実践的なスキルに変えたい学習者、専門家、チーム向けです。

ハイライト

• OpenClaw とのゼロコンフィグ統合：ホストエージェントのモデルを使用。
• テキストおよび画像入力を受け入れ、視覚ベースのテキスト抽出に対応。
• 役割、コンテキスト、時間制限付きの練習シーンを生成。
• 回答を評価・採点し、完全な会話履歴を保存。
• LLMを呼び出さないローカル検索およびリストコマンド。
• 複数のLLMプロバイダーをサポート：OpenAI, Doubao, Kimi, DeepSeek。
• markdown または JSON へのエクスポート。
• 未完了のセッションは CLI 再起動後も保持されます。