LearningAgent

一个基于 HelloAgents 框架的智能学习助手，通过 AI 对话帮助你创建学习计划、记录知识和追踪学习进度。

功能特性

• 📚 创建学习计划 - 基于领域描述、GitHub 项目或学术论文生成个性化学习路径
• ✨ 添加知识笔记 - 智能分类、标签化并管理你的学习笔记（支持文本/文件/URL）
• 💬 互动学习 - 通过对话和问答巩固知识（支持 free 和 quiz 两种模式）
• 📊 进度追踪 - 评估学习进度并提供建议

快速开始

安装

# 克隆仓库
git clone https://github.com/Yixiang-Wu/learningAgent.git
cd learningAgent

# 创建 conda 虚拟环境
conda create -n learning-agent python=3.10
conda activate learning-agent

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp .env.example .env
# 编辑 .env 文件，填入你的 API Key

使用

# 启动 LearningAgent
python main.py

# 在 REPL 中
> /help                    # 显示帮助
> /create Python           # 创建学习计划
> /add Python # 装饰器模式  # 添加知识笔记
> /vibe Python             # 开始互动学习
> /vibe Python --mode quiz # 开始测验模式
> /summary Python          # 查看学习总结
> /list                    # 列出所有学习领域
> /exit                    # 退出

添加知识笔记

AddKnowledge 功能支持三种输入方式：

1. 文本输入

> /add Python # 装饰器模式
> /add 机器学习 决策树是一种监督学习算法...

2. 文件输入

> /add ~/notes/react-hooks.md
> /add ./docs/algorithm-notes.txt

3. URL 输入

> /add https://blog.example.com/post

知识组织

添加的知识会自动：

• 使用 LLM 分析内容并分类
• 提取关键概念和标签
• 生成带时间戳的文件名
• 保存到 <领域>/knowledge/ 目录
• 更新知识摘要文件

示例文件结构：

~/.learning-agent/
├── Python/
│   ├── learning_plan.md
│   ├── knowledge/
│   │   ├── 20250111-算法-Python-装饰器.md
│   │   └── 20250111-通用-列表推导式.md
│   └── knowledge_summary.md

互动学习

VibeLearning 功能提供两种互动学习模式：

1. Free 模式（自由对话）

> /vibe Python

• 开放性问题，鼓励讨论
• AI 引导深入思考
• 动态调整对话方向

2. Quiz 模式（结构化测验）

> /vibe Python --mode quiz

• 结构化测验题
• 自动评估答案
• 难度逐步递增

学习会话记录

每次学习会话会自动：

• 记录完整对话历史
• 生成会话总结
• 保存到 <领域>/sessions/ 目录
• 更新 session_summary.md

示例文件结构：

~/.learningAgent/
├── Python/
│   ├── learning_plan.md
│   ├── sessions/
│   │   ├── session_2025-01-11_14-30.md
│   │   └── session_summary.md
│   └── knowledge/

学习进度总结

Summary 功能通过分析学习计划、知识笔记和会话记录，生成个性化的学习进度报告。

使用方式

# 查看某个领域的学习总结
> /summary Python
> /summary 机器学习

报告内容

进度报告包含以下部分：

1. 当前水平评估

   • 整体掌握度（百分比）
   • 所处学习阶段（入门/熟练/精通）

2. 知识点分析

   • ✅ 掌握良好的知识点
   • ⚠️ 需要加强的知识点

3. 下一步建议

   • 具体学习主题推荐
   • 针对性的学习建议

4. 总体建议

   • 鼓励和指导
   • 学习策略调整

数据来源

SummaryAgent 综合分析以下数据：

• plan.md - 学习目标和计划
• knowledge_summary.md - 已掌握的知识
• session_summary.md - 学习历程和进步轨迹

架构

LearningAgent 采用三层 Agent 架构：

• 协调层 (Layer 1): MainAgent - 意图识别和路由
• 功能层 (Layer 2):
  • CreatePlanAgent - 创建学习计划
  • AddKnowledgeProcessor - 添加知识笔记
  • VibeLearningAgent - 互动学习
  • SummaryAgent - 学习总结
• 专业层 (Layer 3):
  • RepoAnalyzerAgent - GitHub 仓库分析
  • PaperAnalyzerAgent - PDF 论文分析
  • QuizGeneratorAgent - 测验生成

开发

# 运行单元测试
pytest tests/

# 运行真实环境演示（需要配置 .env）
python demo_create_plan.py       # CreatePlan 功能演示
python demo_add_knowledge.py    # AddKnowledge 功能演示
python demo_vibe_learning.py    # VibeLearning 功能演示
python demo_summary_learning.py # Summary 功能演示

# 代码格式化
black .

# 类型检查
mypy .

# 代码检查
flake8 .

当前开发状态

✅ 已完成（v0.1.0 - 核心基础）

• 项目初始化和目录结构
• 异常类和错误处理框架
• FileManager - 文件管理
• SummaryManager - 摘要更新（混合策略）
• MainAgent - 意图识别和路由
• 基础 REPL 循环
• 单元测试和集成测试

✅ 已完成（v0.2.0 - CreatePlan 功能）

• CreatePlanAgent 实现
• RepoAnalyzerAgent（GitHub 分析）
• PaperAnalyzerAgent（PDF 分析）
• 学习计划生成
• 真实环境测试

✅ 已完成（v0.3.0 - AddKnowledge 功能）

• AddKnowledgeProcessor 实现
• LLM 内容分析
• 智能分类和标签
• 文件/URL 支持
• MainAgent 集成
• 真实环境测试

✅ 已完成（v0.4.0 - VibeLearning 功能）

• QuizGeneratorAgent 实现
• VibeLearningAgent 实现
• 两种学习模式（free/quiz）
• 会话记录和总结
• MainAgent 集成
• 真实环境测试

✅ 已完成（v0.5.0 - Summary 功能）

• SummaryAgent 实现
• 进度评估
• 学习建议
• MainAgent 集成
• 真实环境测试

开发路线图

详细规划请查看 设计文档 和 实施计划

许可证

MIT License