amosblomqvist/learnharness

它解决的问题

传统课程给每个人相同的解释，忽略你已经知道的内容或你的思考方式。LearnHarness 首先衡量你对课程每个部分的当前理解和推理，然后构建一个为你量身定制的教学计划。它旨在实现深度理解，使目标感觉明显正确，而不仅仅是熟悉。

工作原理

1. 衡量。 代理通过提问来找出你的理解边界，利用你的回答、信心和思考。
2. 规划。 它从你的起点到目标创建一个依赖图。该计划是可见的，如果你的理解与预期不同，它会进行调整。
3. 教学。 课程建立在你已理解的基础上：你进行预测，获得解释，并检查理解。在建立新知识之前先解决困惑。
4. 练习。 单独的会话提出各种问题，要求你在不先命名的情况下回忆正确的知识。提示和问题会根据你的推理进行调整。

你可以通过文本或听写“大声思考”，为代理提供你推理的详细图景。它还可以在后台研究问题，创建视觉解释，并构建交互式演示。

一个持久的知识图谱将你学到的内容存储为命题和推理链，并链接回源会话。未来的会话读取此图谱而不是重新开始，练习会话从中提取材料。

适用人群

希望以结构化、基于推理的方法学习学科，并重视深度理解而非死记硬背的人。它也适合那些关心数据隐私的人，因为所有内容都存储在本地，以及那些欣赏具有可见、可编辑系统提示的开源软件的人。

亮点

• 使用 AI 代理衡量你的理解并规划定制课程。
• 适应你推理的自适应教学和练习。
• 持久知识图谱，跨会话延续学习。
• 本地存储你的聊天、图谱、设置和 API 密钥。
• 无需订阅；你只需直接支付模型提供商。
• 跨平台：macOS（Apple Silicon）、Windows 和 Linux。
• 在 AGPL-3.0 下开源。