用 Python 写了个本地优先的 AI 家教：多种教学模式，教材当检索源，逐章掌握度分析

前言：为什么要做这么个东西

有人说过，电脑是人脑的延伸；如今，大模型则是人脑的近似。它能读万卷书、解万般题，人脑在"知识量"上确实追不上。但我一直觉得，工具是放大器，你自己长出来的能力才是最踏实的东西——所以这款东西我故意做得"笨"：逼你想，而不是替你答。

之前试过不少学习类 AI 工具，大多止步于"你问它答"，答完你还是没学会。认真学一门课，真正缺的不是答案，而是循序渐进的引导、及时的反馈，和对自己掌握情况的清楚认知。所以我把目标定得很具体：把任意一本教材，变成一位引导式的专属家教。

---

技术要点

1. 教材怎么变成"知识"

用户上传 PDF / TXT / Markdown 之后，程序在本地把文本切分，建一个 BM25 检索索引。关键点在于：之后所有答疑和出题，检索依据都是这本教材的原文，而不是让模型凭记忆瞎编。这能把"幻觉"压到最低——教材才是权威，模型只是讲解员。

2. 三种教学模式

同一本教材，按学习习惯切了三种教法：

• 引导探究式（默认）：引入 → 小测 → 反馈 → 追问，一步步建立直觉。
• 讲授式：概念讲解 → 课堂作业 → 开放问答。
• 自由问答式：就原文任意内容深问深答。

3. 掌握度为什么按"章"算

这是我觉得最有用的一个设计。通常的练习只给一个总分，但"85 分"说明不了什么——你可能是第一章熟、第三章完全没懂。所以我让每道题按它归属的章节分别计分。举例，一道题整体 85/100，同时标出第一章矩阵 90、第三章行列式 80；哪块虚，复习就专门打那块。配合"自动挑最弱章节出题"的复习规划，时间都花在刀刃上。

---

踩坑记录

坑一：模型直接答题，效果一言难尽。 一开始图省事，让模型凭自己的知识回答，结果经常瞎编、跟教材对不上。后来改成"以教材原文为检索依据 + 模型只负责讲解"，才稳下来。教训：教材才是标准答案，别让模型当主角。

坑二：笼统总分没用。 最早练习只给一个总分，用户看完还是不知道哪弱。改成按章节分别计分后，掌握度差异才真正看得见。

坑三：隐私这关不能省。 学习数据太私密，一开始就定死：教材和对话全在本机 SQLite 里处理，不上传任何第三方；API Key 只存在本机；数据目录安装时可自选，跟程序分离，卸载后保留。

---

验证通过 & 现状

目前 v0.1.0，桌面版有 Windows 安装包开箱即用，也能 python server.py 直接起；模型自己填 API Base / Key / 模型名，有一键测试连接。各章节掌握度、得分趋势、不同课程之间的对比，集中在一个统计页：

说句实话，现在功能还很糙，离"好用"还有距离，但方向我认为是对的——AI 横着走的年代，最值钱的不是"知道"，而是"会学"。工具再强也只是放大器，舵得自己握着。

---

写在最后

做这个工具，算是一次不大的尝试，也接触到不少新东西。目前 v0.1.0，欢迎各位来挑刺、提 Issue。产品介绍页在这：AI家庭教师 ，想一起聊实现的，关注公众号「软趴趴的工程师」，私信"进群"就能进产品交流群。

微信公众号：软趴趴的工程师（一个乐于助人的工程师）