AI 学习资料整理与复习 Agent

一个面向学习者的 AI Agent 原型项目。它的目标是把课程转写稿、课堂笔记、文章和长文本学习资料，整理成可复习、可沉淀的结构化知识资产。

当前项目处于早期原型阶段，主要用于验证大模型在长文本理解、知识重组、复习题生成和稳定格式输出方面的能力。

---

1. 项目解决的问题

在学习 AI 产品经理、编程、商业分析等高密度课程时，常见问题包括：

• 课程转写稿很长，信息密度高，难以快速复习
• 笔记零散，知识点之间的层级关系不清晰
• 很多内容只听过一次，后续难以回忆
• 学习资料缺少可长期保存的结构化整理
• 复习时缺少自测题、问答卡片和阶段总结

本项目希望通过 AI Agent，把“长文本资料”转化为“可复习知识资产”。

---

2. 核心目标

用户上传或粘贴一段学习资料后，Agent 能够自动完成：

1. 识别资料主题
2. 提取核心知识点
3. 按知识结构重新组织内容
4. 输出重点总结
5. 生成概念解释
6. 生成复习提纲
7. 生成自测题 / Q&A 卡片
8. 标注不确定信息和待补充内容

---

3. Agent 工作流

flowchart TD
    A[用户输入课程转写稿/课堂笔记/文章] --> B[文本清洗与分段]
    B --> C[识别主题与核心知识点]
    C --> D[重组知识结构]
    D --> E[生成复习资产]
    E --> F[生成自测题与问答卡片]
    F --> G[输出 Markdown 文档]

Loading

---

4. 当前原型能力

当前仓库包含：

• Agent 项目说明
• 提示词模板
• 示例输入
• 示例输出
• 一个可运行的 Python CLI 原型

CLI 原型支持两种模式：

1. Mock 模式：不调用真实模型，用于展示项目流程和输出结构
2. LLM 模式：后续可接入支持 OpenAI SDK 格式的模型服务，用于真实生成内容

---

5. 项目结构

ai-learning-review-agent/
├── README.md
├── requirements.txt
├── .env.example
├── .gitignore
├── prompts/
│   └── learning_asset_prompt.md
├── examples/
│   ├── sample_input.md
│   └── sample_output.md
├── src/
│   └── agent_cli.py
└── docs/
    └── project_plan.md

---

6. 快速开始

6.1 Mock 模式运行

python src/agent_cli.py --input examples/sample_input.md --output output.md

运行后会生成一个 output.md 文件，用于展示整理后的学习资料结构。

6.2 LLM 模式运行

复制环境变量文件：

cp .env.example .env

在 .env 中填入你的模型服务配置后，再运行：

python src/agent_cli.py --input examples/sample_input.md --output output.md --use-llm

---

7. 适合申请模型额度的原因

本项目需要处理较长的学习资料，并且需要多轮推理和结构化输出，典型消耗包括：

• 长文本输入理解
• 多层级知识点提取
• 结构化文档生成
• 复习题生成
• 多版本输出测试
• Agent 工作流稳定性测试

因此，项目非常适合用于测试 token 额度、长上下文能力、结构化输出能力和 Agent 工作流表现。

---

8. 后续计划

• 增加多文件资料合并能力
• 增加课程日复盘 / 周复盘模式
• 增加知识卡片导出格式
• 增加思维导图式提纲输出
• 增加错误检查与不确定信息标注
• 增加 Web UI 或 Streamlit 页面
• 增加对多种模型服务的适配

---

9. 项目状态

当前状态：早期原型 / Prototype

本仓库主要用于展示项目方向、Agent 工作流、提示词设计和初步运行方式。