LearnHarness:先摸清你到底会到哪一步,再决定下一步教什么

LearnHarness:先摸清你到底会到哪一步,再决定下一步教什么

一、问题是什么

用 AI 学东西,最常见的结果是「听懂了,但不会」。

你问它一个概念,它能给你讲得头头是道,配例子、配比喻、配延伸阅读。关掉窗口,过两天再问你同一个问题,你答不出来。原因是它默认你什么都不会——每次都从最基础的讲起,从不检验你已经掌握了什么,也从不追问你到底哪里卡住。

另一头的问题是:市面上做「AI 家教」的产品,大多把学习者当成一个待填充的容器,一路按固定课纲往下推。你的实际水平跟课纲的起点对不上时,要么太浅(浪费时间),要么太深(听不懂还不好意思说)。

LearnHarness 想解决的就是这件事:先测、再规划、再教、再练。它把自己定位成「学习的脚手架」,不是「答案的机器」。

二、核心设计:把知识拆成命题和推理链

它的机制里最值得讲的是知识怎么存。

大多数学习工具存的是「主题」——比如「二叉搜索树」是一个节点,下面挂一堆文本。它的做法是把知识拆成「命题」(proposition:一条可以被判定真假的事实)加「推理链」(reasoning chain:从若干命题推出新命题的路径)。这样做的好处是,能精确知道「你会哪几条命题」「你能走通哪几条链」,而不是笼统的「你学过这一章」。

这直接支撑了它的四步循环:Measure 测你现有水平、Plan 定接下来学什么、Teach 讲、Practice 练。测出来的结果是命题级的,规划就是「补哪几条缺失的命题」「练哪几条断掉的链」,教和练都对着这个缺口去。这比「按章节推进」精确得多,也是它跟普通问答式学习的根本区别。

三、功能拆解

四步循环是主干。Measure 阶段它出题、追问、看你哪一步推不下去;Plan 阶段把缺口排成一条有先后的路径;Teach 阶段讲解;Practice 阶段给你练并有反馈。四步是一个环,练完会回到测,重新评估。

知识图谱是它的底座,界面上能看到当前掌握的命题与链的分布。这东西的实际用途是:学了一段时间之后,你能看见「我以为我会了但其实断在这里」的地方——这比一个进度条有用。

模型接入给了几条路:填各家提供方的 API key、走桌面应用的订阅连接、用本机已经装好的命令行编程代理、或者填一个自定义的 OpenAI 兼容端点。这条设计的含义是它不自营模型、不加价,你用什么模型由你自己决定,费用也直接付给模型方。

联网能力是可选的,可以接搜索与抓取类的服务来补充材料。默认不开,开了之后它能去查最新资料,代价是多一层依赖。

跨平台方面,三个主流桌面系统都支持应用内更新。

四、适合谁、不适合谁

适合的:正在自学一门有结构的知识(编程语言、数学、某套协议规范),并且愿意被测试的人;已经用过 AI 学习但发现自己「听着懂、做不出」的人;以及想把学习过程留痕、看看自己到底掌握到哪一步的人。

不适合的:只想要一个快速答案的人——它的流程会先测你,这在急着查一件事的时候是纯粹的负担;准备考试需要严格对齐考纲的人,它的路径是按你的缺口生成的,不保证覆盖考纲;以及不愿意为模型付任何费用的人,它本身免费但模型要钱。

五、诚实提醒

第一,它依赖模型能力。测量准不准、讲解到不到位、出的练习题是不是真的有区分度,全看背后接的模型。用一个弱的模型,这套四步循环会退化成「走流程」。

第二,知识图谱的构建有成本。第一次用某个主题,建立命题与链需要时间,不是打开就能学。这跟「问答即用」的工具体验完全不同,要有心理准备。

第二,它不是一门课的替代品。有教材、有老师、有明确考纲的场景,系统的课程安排仍然更可靠;它擅长的是「我已经有一堆零散知识,需要知道缺哪块」这个局面。

第三,安装包有平台限制。macOS 只提供 Apple Silicon 的签名公证版本,Intel 机器没有对应的安装包;Windows 的安装器没有签名,首次运行会有系统安全提示,这是它自己文档里写明的。Linux 有独立打包格式。

第四,许可协议是 AGPL-3.0。这个协议对「修改后作为网络服务提供」有传染性要求。自己用、自己改都没问题;想拿它做二次开发再对外提供服务,得先把协议读完。

第五,它不收你的钱,也不对你的学习效果负责。「测出来你会了」和「你真的会了」之间仍然有距离,这条任何工具都解决不了。

六、项目现状

实测版本 v0.6.1,AGPL-3.0 许可。应用体积约 478 MB,macOS 最低要求 13.0。仓库结构上是一个桌面应用外壳加一套学习引擎,界面语言支持中文。

项目方明确写了几条边界:没有自营订阅、不在模型费用上加价、三大平台都支持应用内更新。这几条组合起来的意思是——它是一个客户端,不是一个卖课的平台。这个定位在当前同类产品里算少见的。

七、常见问题

问:它和直接问 AI 有什么区别

答:直接问是「你问什么它答什么」,它是「先测你会什么,再决定讲什么」。区别在于它有一个持久的、命题级的掌握度模型,而聊天窗口没有。

问:一定要联网吗

答:模型那一步要联网(除非你在局域网里跑本地模型)。它的数据存在本机,不上传你的学习记录。

问:我能接自己部署的模型吗

答:能,填一个 OpenAI 兼容端点即可。这条对在意隐私或者想完全离线的人很关键。

问:为什么第一次用感觉在「被考试」

答:因为 Measure 就是它的第一步。这个设计是刻意的——不测就没法规划。如果只是随便问问,用普通对话工具更合适。

问:学完之后知识图谱会一直留着吗

答:留在本机。换机器要自己迁移数据目录。它是本地应用,没有云端账号同步这一层。

问:Intel 的 Mac 能装吗

答:目前官方只提供 Apple Silicon 的安装包,Intel 机型没有对应版本。

下载地址

夸克网盘(永久有效):https://pan.quark.cn/s/de7af1f47230

本教程由「宝藏星球屋」整理,更多软件、游戏、开源项目都在 https://cbge.top。

本站全部免费,如果觉得内容有用,可打赏支持服务器续费打赏支持
固定文章缩略图

新人必看的入站详细说明指南

解决的你的各种疑难杂症以及各种相关教程

前往查看 »
© 版权声明
THE END
喜欢就支持一下吧
点赞48 分享
评论 抢沙发
头像
欢迎您留下宝贵的见解!
提交
头像

昵称

取消
昵称表情代码图片

    暂无评论内容