Sibo-Zhao/OpenPraxis

해결하는 문제

사람들은 메모, 기사, 성찰 등을 수집하지만 이를 유지하고 적용하는 데 실패하는 경우가 많습니다. OpenPraxis는 원시 입력을 연습 루프(질문 생성, 답변, 채점, 인사이트 카드 생성)로 변환하여 지식을 활용 가능한 상태로 만듭니다.

작동 방식

praxis add를 사용하여 파일(텍스트, markdown 또는 이미지)을 추가합니다. 이미지의 경우, 시각 인식 모델이 먼저 텍스트를 추출합니다. 시스템은 입력을 유형(보고서, 인터뷰, 성찰, 아이디어)별로 분류하여 저장합니다. 그런 다음 praxis practice를 사용하여 연습 장면을 생성할 수 있으며, 선택적으로 역할, 컨텍스트, 시간 제한을 지정할 수 있습니다. 장면은 소스를 기반으로 한 질문이나 연습 문제입니다. praxis answer를 사용하여 에디터 내에서 또는 파일에서 답변합니다. 답변은 평가 및 채점됩니다. 평가가 완료될 때까지 후속 질문을 계속할 수 있으며 대화는 저장됩니다. 또한 입력 내용에서 핵심 요점을 요약한 "인사이트 카드"를 생성할 수도 있습니다. 모든 데이터는 로컬에 저장되며, 검색 및 목록 명령은 LLM 호출 없이 실행됩니다. OpenClaw 스킬로 실행할 경우, LLM 호출은 호스트 에이전트의 모델을 사용하므로 API 키 설정이 필요 없습니다. 독립형 CLI 사용자는 자신의 공급자(openai, doubao, kimi, deepseek)를 구성할 수 있습니다. 아키텍처는 백엔드 추상화를 통해 비즈니스 워크플로우와 LLM 호출을 분리합니다.

대상 사용자

에이전트와의 대화에서 지식을 유지하려는 OpenClaw 사용자, 그리고 메모와 문서를 위한 구조화된 연습 시스템을 원하는 독립형 CLI 사용자. 정보를 실행 가능한 기술로 바꾸려는 학습자, 전문가 및 팀을 위한 도구입니다.

주요 특징

• OpenClaw와 제로 구성 통합: 호스트 에이전트의 모델 사용.
• 텍스트 및 이미지 입력 수용, 시각 기반 텍스트 추출 지원.
• 역할, 컨텍스트, 시간 제한이 포함된 연습 장면 생성.
• 답변 평가 및 채점, 전체 대화 기록 저장.
• LLM을 호출하지 않는 로컬 검색 및 목록 명령.
• 다중 LLM 공급자 지원: OpenAI, Doubao, Kimi, DeepSeek.
• markdown 또는 JSON으로 내보내기 지원.
• 진행 중인 세션은 CLI 재시작 후에도 유지됩니다.