根据用户画像和学习目标,自动生成包含知识点序列的培养方案。
- 课程知识点管理:自动提取或从MD文件读取课程知识点
- 前置依赖分析:智能分析知识点之间的依赖关系
- 学习路径排序:基于依赖关系、难度等因素生成最优学习顺序
- 用户画像支持:根据用户背景定制化学习方案
- 个性化教案生成:为每个知识点生成详细的Markdown格式教案,考虑知识点关联和用户背景
- 基于已有方案生成教案:可以从已有的学习方案文件直接生成教案,无需重新运行整个流程
- 安装依赖:
pip install -r requirements.txt
- 配置API密钥:
- 复制
config.example.py为config.py - 在
config.py中填写您的 ModelScope API 密钥
- 复制
创建YAML格式的用户画像文件,例如 data/profiles/my_profile.yaml:
user: name: "学生姓名" background: courses: - "Python基础" - "数据结构与算法" learning_goal: "强化学习"
注意:用户画像中只需要列出学过的课程,系统会自动从课程知识点文档中提取已掌握的知识点。如果某个课程的知识点文档不存在,系统会自动使用LLM生成。
系统支持四种模式:
快速验证知识点生成是否靠谱,不进行耗时的依赖分析和排序:
# 使用用户画像文件(从文件中读取学习目标) python main.py points -p data/profiles/my_profile.yaml # 直接指定学习目标(不需要用户画像文件) python main.py points -g "强化学习" # 保存结果到JSON文件 python main.py points -g "强化学习" -o test_points.json
注意:这个命令只生成知识点,速度很快(通常几秒到几十秒),适合快速验证知识点质量。
快速验证前置依赖分析是否靠谱,这是最容易出问题的步骤。会进行依赖分析但不进行排序和教案生成:
# 使用用户画像文件(从文件中读取学习目标) python main.py prereq -p data/profiles/my_profile.yaml # 直接指定学习目标(不需要用户画像文件) python main.py prereq -g "强化学习" # 保存结果到JSON文件 python main.py prereq -g "强化学习" -o test_prereq.json
注意:
- 这个命令会进行前置依赖分析(包括递归分析),但跳过排序和教案生成
- 会显示详细的依赖关系,包括初始知识点和前置知识点
- 可以快速验证是否有课程名称被误识别为知识点等问题
- 适合在修改提示词后快速验证效果
# 基本用法(自动保存到 data/profiles/ 目录,同时输出到控制台) python main.py plan data/profiles/my_profile.yaml # 指定输出文件路径(同时输出到控制台和文件) python main.py plan data/profiles/my_profile.yaml -o my_plan.json # 输出为YAML格式 python main.py plan data/profiles/my_profile.yaml -o my_plan.yaml -f yaml # 生成学习方案的同时生成知识点教案 python main.py plan data/profiles/my_profile.yaml -g # 同时指定输出文件和生成教案 python main.py plan data/profiles/my_profile.yaml -o my_plan.json -g
# 基于已有的学习方案文件生成教案 python main.py lessons data/profiles/示例学生_强化学习_20260104_182849.json # 提供用户画像文件以获得更准确的个性化教案 python main.py lessons data/profiles/示例学生_强化学习_20260104_182849.json -p data/profiles/my_profile.yaml
注意:
- 生成学习方案:
- 如果不指定
-o参数,系统会自动生成文件名并保存到data/profiles/目录 - 文件名格式:
用户名_学习目标_时间戳.格式(例如:示例学生_强化学习_20240104_160000.json) - 无论是否指定输出文件,结果都会同时显示在控制台和保存到文件
- 默认不生成教案,使用
-g或--generate-lessons参数可生成知识点教案
- 如果不指定
- 生成教案:
- 可以从已有的学习方案文件(JSON或YAML)生成教案
- 如果提供用户画像文件(
-p参数),会使用更完整的用户信息生成个性化教案 - 如果不提供用户画像文件,会从学习方案中提取基本信息
- 教案文件:保存在
data/lessons/目录,每个知识点对应一个Markdown文件
培养方案包含以下信息:
- user: 用户信息
- course: 课程信息
- learning_path: 排序后的知识点列表(包含学习顺序)
- dependencies: 知识点依赖关系
- statistics: 统计信息
flowchart TD
A[Knowledge Points] --> B[Prerequisite Analysis<br/>Batch + Recursive Max Depth: 2]
B --> C[Collect All Points<br/>Initial + Prerequisites]
C --> D[Learning Path Sorting<br/>LLM 3 Times Average]
D --> E[Learning Plan]
style B fill:#fff4e1
style D fill:#fff4e1
style E fill:#ffe1f5
flowchart TD
A[Learning Path] --> B[For Each Knowledge Point]
B --> C[Generate Lesson<br/>with LLM]
C --> D[Save Markdown]
D --> B
B --> E[All Lessons]
style C fill:#e1ffe1
style E fill:#ffe1f5
- 加载用户画像:从YAML文件读取用户信息,自动从已学课程的知识点文档中提取已掌握的知识点
- 获取或生成课程知识点:如果MD文件不存在,会调用LLM生成并保存
- 分析每个知识点的前置依赖:批量分析,限制递归深度为2层,避免过度递归
- 对所有知识点进行排序:调用LLM 3次取平均值,提高排序稳定性
- 生成知识点教案(可选):每个知识点生成一个Markdown格式的教案文件
- 生成并输出培养方案:输出为JSON或YAML格式,包含完整的学习路径和依赖关系
在 config.py 中可以配置:
MAX_KNOWLEDGE_POINTS: 知识点数量上限(默认100)SORT_RETRY_COUNT: 排序时调用LLM的次数(默认3次)
simpleDoc/
├── main.py # 主程序入口
├── user_profile.py # 用户画像解析
├── course_knowledge.py # 课程知识点管理
├── prerequisite_analyzer.py # 前置依赖分析
├── learning_path.py # 学习路径排序
├── llm_service.py # LLM服务封装
├── config.py # 配置文件(需自行填写API密钥)
├── config.example.py # 配置文件模板
├── prompts.py # 提示词模板
├── data/
│ ├── courses/ # 课程知识点MD文件存储目录
│ ├── profiles/ # 用户画像YAML文件和培养方案输出
│ └── lessons/ # 知识点教案MD文件存储目录
└── requirements.txt # 依赖包
- API密钥安全:
config.py包含API密钥,不会被提交到版本控制(已在.gitignore中) - 知识点数量限制:如果知识点超过100个,会自动截断
- 排序稳定性:系统会调用LLM 3次进行排序,取平均值以提高稳定性
- 循环依赖:系统会自动检测循环依赖,并在排序时处理
- 教案生成:每个知识点会生成一个独立的Markdown教案文件,保存在
data/lessons/目录 - 教案个性化:教案会根据用户已学课程和已掌握知识点进行个性化定制
查看 data/profiles/example_profile.yaml 了解用户画像格式示例。