给任何想学的东西，请一位私人 AI 导师。

AI 读懂你真实的理解程度，再为你一个人定制下一篇课文。
源自 Bloom 的 2σ 研究：一对一辅导 = 冲进前 2%。

Last commit

--- 1984 年，教育心理学家 Benjamin Bloom 发现：接受**一对一导师指导**的学生，成绩比传统课堂学生高出 **2 个标准差（+2σ）**——直接跃升到**前 2%**。Bloom 称之为"2 Sigma Problem"：效果已被证明，但私人导师太贵、无法规模化。 **Bloom 用 AI 解决这个问题。** 它生成结构化大纲，逐篇递送课文，读取你的批注和反馈，然后根据你的实际理解水平定制下一篇——就像一个真正的导师一样。 ## 两种使用方式 | 方式 | 配置 | 适合 | |------|------|------| | **CLI 模式** | Claude Code + 终端 | 喜欢用 Markdown 编辑器的人 | | **Web 模式** | 浏览器（React + FastAPI） | 偏好可视化界面的人 | 两种模式遵循相同流程：**大纲 → 课文 → 批注 → 反馈 → 下一篇 → 评估 → 总结**。 --- ## 快速开始：CLI 模式只需要 [Claude Code](https://claude.com/claude-code)，无需后端。 ```bash git clone https://github.com/Li-Evan/Bloom.git cd Bloom # 将导师 skill 安装到当前 clone 的本地 Claude Code skills 目录 mkdir -p .claude/skills cp -R skills/bloom-tutor .claude/skills/ claude ``` 然后说：`开一个新的文件夹，帮助我学习 [任意课题]` **或者作为插件安装**（打包了 `bloom-tutor` 和全部 `learn-*` skill）—— 在 Claude Code 里： ```text /plugin marketplace add Li-Evan/Bloom /plugin install bloom@li-evan ``` 详见 [GUIDE.zh.md](./GUIDE.zh.md)。 ## 快速开始：Web 模式 ### 前置条件 - Python 3.11+，已安装 [uv](https://docs.astral.sh/uv/) - Node.js 18+ - 任意 OpenAI 兼容的 LLM API Key（如 [DashScope](https://dashscope.console.aliyun.com/)、OpenAI 等） ### 安装 ```bash git clone https://github.com/Li-Evan/Bloom.git cd Bloom # 配置 cp .env.example .env # 编辑 .env，填入 LLM_API_KEY # 后端 cd backend && uv sync && uv run uvicorn app.main:app --reload --port 8000 # 前端（新终端） cd frontend && npm install && npm run dev ``` 打开 http://localhost:5173，点击「新建课程」，选择「主题生成」「上传原文」或「项目文件」，开始学习。 ### Docker 部署 ```bash cp .env.example .env # 填入 API Key docker compose up -d # 访问 http://localhost:3000 ``` --- ## 工作流程 ### 主题生成 ``` 创建课程 → AI 生成大纲 + 首篇课文 ↓ 阅读课文 → 选中文字 → 添加批注 ↓ 写反馈 → 回答思考题 ↓ 点击「我读完了」→ AI 生成下一篇（包含：思考题复盘 + 批注解答 + 新内容） ↓ 重复，直到大纲所有掌握项全部 ✅ ↓ 自动生成评估篇 → 然后生成总结 ``` ### 上传原文 ``` 上传 PDF / TXT / MD → AI 根据全文生成大纲 + 原文阅读章 ↓ 阅读原文 → 选中文字 → 即时提问并得到回答 ↓ 点击「我读完原文了」→ AI 读取全文 + 划线问答，生成下一篇 ↓ 后续按主题生成模式继续推进 ``` ### 项目文件 ``` 上传单个文件 / 多个文件 / 整个文件夹 → 每个文件直接渲染成一篇 ↓ 逐个文件阅读 → 选中文字 → 即时提问并得到回答 ↓ 不生成大纲、不生成下一篇；文件与划线问答会进入「下一步学习」推荐 ``` ## 功能特性 - **三种课程模式** — 主题生成、上传 PDF/TXT/MD 原文、或「项目文件」（上传文件 / 文件夹直接渲染、随时划线提问、不生成大纲与下一篇） - **学习深度** — 创建课程时选择简单、标准或深入，控制大纲展开颗粒度；课程卡片上标明所选深度 - **参考材料** — 创建主题课程时粘贴课本、论文、笔记，AI 据此设计课程 - **下一步学习推荐** — 根据完整学习历史生成 3 个可直接创建课程的主题，支持刷新、收藏到待学习清单、或直接进入“大纲 → 课文”的学习流程 - **划线问答会话** — 任意课文（或原文）中选中文字后会冒出一个小图标，点它再提问；划线处持续标黄，AI 立即作答，可在同一会话中持续追问。窗口可拖动，可缩小为右侧小圆点、随时点开。每条会话的上下文 = 整篇课文 + 划线那段 + 本会话对话；你的提问仍会喂入下一篇课文生成 - **自适应课文** — 每篇新课文针对你上一篇的薄弱点定制 - **章节导航** — 右侧侧栏快速跳转 - **可折叠大纲** — 随时查看掌握进度 - **流式生成** — 实时看 AI 写下一篇课文 - **个人中心与学习日历** — 顶栏进入个人中心，月历按强度着色展示每天学习量，点某天即可看到当天学了哪些课程、第几篇、提了几条划线；配学习概览统计卡与近半年学习足迹热力图（连续天数等口径统一按本地日期） ## Skills 技能 Bloom 在 [`skills/`](./skills/) 里附带一组可移植的 **[Claude Code](https://claude.com/claude-code) skill** —— 自包含的能力包，拷进 `~/.claude/skills/`（全局）或任意项目的 `.claude/skills/` 即可随处使用。 | Skill | 作用 | |-------|------| | **bloom-tutor** | 把整套交互式学习系统封装成一个 skill —— 大纲 → 自适应课文 → `???` 批注 → 评估 → 总结。就是 CLI 模式，打包成可移植形态 | | **learn-deep** | 深度学习默认入口 —— 一次跑完下面五种视角，再帮你选深入方向 | | **learn-crossover** | 用你已掌握的知识撬动新概念（结构类比） | | **learn-occam** | 判断某个东西该不该学、学到什么程度（ROI、够用就好） | | **learn-graph** | 为一个领域建知识图谱地图 + 学习路径 | | **learn-prototype** | 用「先做最垃圾的能跑原型再迭代」来学 | | **learn-feynman** | 用「讲给别人听」自查是否真懂 | 每个文件夹都零依赖：拷进任意 skills 目录，然后直接对 Claude Code 说话（如 *「帮我学 X」*、*「我读完了」*）。 ## 技术栈 | 层 | 技术 | |----|------| | 后端 | Python, FastAPI, SQLAlchemy, SQLite | | 前端 | React, Vite, Tailwind CSS | | AI | 任意 OpenAI 兼容 LLM API | | 容器 | Docker, docker-compose | | 字体 | Outfit, JetBrains Mono | ## 常用命令 ```bash make dev-backend # 启动后端（热重载） make dev-frontend # 启动前端 make test # 运行测试 make up / make down # Docker 启动 / 停止 ``` ## 背后的科学 | 概念 | 含义 | |------|------| | **Bloom 2 Sigma** | 一对一导师 vs 课堂 = +2σ 成绩提升 | | **掌握学习法** | 真正掌握后才推进到下一个概念 | | **苏格拉底式教学** | 用提问引导，不直接给答案 | | **间隔检索** | 每篇课文开头的思考题复盘强化记忆 | | **自适应路径** | 内容根据个体反馈实时调整 | ## 星标历史

## 许可 [MIT](LICENSE)