让人从 AI 学习，高效进入并掌握陌生领域。
从一个真实目标出发，获得一张随学习持续生长的知识路线图
核心特色 · 产品截图 · 学习旅程 · 当前能力 · 后续规划 · 快速开始 · 技术架构 · 开发者文档 · GitHub
Important
LearnGraph 目前处于早期开发阶段，适合本地体验、研究和共同开发，请勿用于生产环境。
| 工作区首页 | 学习产物预览 |
|---|---|
 |
 |
| 交互练习与图谱联动 | 用量计费与预算 |
 |
 |
| 文档学习与溯源问答 | |
 |
|
开发者文档详细说明当前项目的系统架构、API 网关、Agent Runtime、系统提示词策略、Tools、Skills、MCP、Docker 沙箱、记忆系统、安全边界与真实验收规范。
文档站由 GitHub Pages 自动发布。仓库内的 docs/ 与 backend/docs/ 仍是仅供本地开发使用的内部资料，不会进入 Git 或 Pages 部署产物。
LearnGraph 围绕“人如何从 AI 学习”而构建。面对一个陌生领域，用户只需说出真实目标，AI 便会帮助梳理领域结构、识别关键概念、建立知识之间的联系，并把复杂的学习过程组织成清晰可行的路线。
在这条路线中，Agent 会结合知识图谱、个人资料与联网信息，主动编排对话、检索、练习、解释和实践等学习任务。用户可以更快建立对陌生领域的整体认知，在持续反馈中理解概念、验证掌握并完成真实应用。
| 特色 | 能为用户带来什么 | |
|---|---|---|
| 🌱 | 可生长的知识路线图 | 从一句真实目标出发，快速看清陌生领域的知识全貌、学习顺序和当前重点；随着理解加深，路线会结合新资料与学习进展持续调整。 |
| 🤖 | Agent 级学习智能 | 获得一位能够主动规划和执行的 AI 学习伙伴：它会寻找资料、组织解释、设计练习并调用合适工具，帮助用户把时间集中在理解、思考和实践上。 |
| 🧭 | 证据驱动的双图谱 | 随时看清“目标还需要什么”和“自己已经会什么”，每次对话、作答、解释与实践都能沉淀为成长依据，让学习进度具体、可信、可复盘。 |
| 🔎 | 人在回路的可信成长 | 用户始终掌握学习路线和重要判断的决定权，并能查看结论背后的来源与证据，在清晰、可审核的过程中稳步拓展能力边界。 |
-
说出目标：用自然语言描述想学什么、为什么学以及时间约束，系统动态澄清真正影响路线的关键信息。
-
审核路线：LearnGraph 生成初始目标图谱，由用户确认节点、前置关系、范围和优先级后发布。
-
与 Agent 一起学习：围绕单个或多个节点展开对话，结合个人文件、来源检索、练习与工具执行完成学习任务。
-
让证据推动成长：对话、作答、解释和实践产出沉淀为带来源的证据，持续更新能力状态、置信度与复习风险。
-
获得下一步行动：系统结合目标权重、知识前置关系、能力缺口和时间安排，推荐当前最值得投入的学习行动。
真实目标与资料 → 目标澄清 → 初始目标图谱 → 用户审核
↑ ↓
用户审核路线更新 ← 下一步行动 ← 能力图谱变化 ← Agent 学习与证据
| 阶段 | 产出 | LearnGraph 如何处理 |
|---|---|---|
| G · Goal | 结构化目标 | 澄清真实学习目标，保留用户确认与约束 |
| R · Representation | 目标图谱 | 生成可审核、可修订、带版本的知识结构 |
| E · Evidence | 证据记录 | 将学习行为与产出转换为带来源的可追溯证据 |
| M · Mastery | 能力状态 | 基于证据解释掌握状态、置信度与复习风险 |
| A · Action | 下一步行动 | 综合目标权重、前置关系、能力缺口和时间形成推荐 |
目标图谱和能力图谱是 LearnGraph 的两个长期视图：
- 目标图谱记录为了目标需要学习的知识结构，重要更新经过用户审核；
- 能力图谱记录用户实际形成的能力，由练习、解释和实践等可追溯证据持续驱动。
| 领域 | 已接入的产品与代码能力 |
|---|---|
| 目标与图谱 | Goal 澄清与确认、候选图谱审核、目标图谱、能力图谱与图谱工作台 |
| 学习对话 | Session、Message/MessagePart、SSE 流、消息版本、分支和结构化消息渲染 |
| 资料与来源 | 文件上传、解析状态、本地对象存储、文档学习、联网来源与引用 |
| 证据与行动 | Evidence、Mastery、练习、作答反馈、复习风险和下一步行动相关流程 |
| Agent 与扩展 | 模型、搜索、研究、Memory、MCP、Storage 等 Provider 边界，以及沙箱能力探测 |
| 工作区治理 | 登录、Membership、RBAC/ACL、用量、审计、迁移预检和工作区设置 |
| 长期记忆 | 工作区隔离的 Markdown Memory、稳定 ID、Revision/CAS、恢复期和导出 |
- 更多主流模型适配：持续扩展文本、视觉、推理、图片生成和语音模型，让不同学习任务可以匹配更合适的模型能力。
- 可更换的 Agent 内核：在统一的 Goal、Graph、Evidence、Mastery 和 Action 契约之上接入不同 Agent Runtime，支持按场景选择和演进智能体内核。
- 桌面端与移动端：围绕连续学习体验建设桌面客户端和移动客户端，让路线、资料、对话、练习与复习跨设备衔接。
- 更丰富的学习工具生态：继续完善 Skills、MCP、可信组件、文档学习和研究能力，让 Agent 可以组合更多专业工具完成真实学习任务。
- 更完整的端到端验收：持续覆盖跨模块浏览器场景、真实远程 Provider、权限边界和完整 Agent 学习闭环。
当前版本以 Web 应用为主要入口，远程模型、联网搜索、网页抓取、研究、ASR 和外部 Memory 等能力需要配置对应 Provider。
| 工具 | 版本 |
|---|---|
| Node.js | 20+ |
| npm | 10+ |
| Python | 3.11+ |
| uv | 最新稳定版 |
| Docker | 可选，仅沙箱能力需要 |
git clone https://github.com/SunnyBoy-y/LearnGraph.git
cd LearnGraph
npm run dev:installdev:install 会在前端或后端缺少 .env 时，自动从对应的 .env.example 创建本地配置；已有 .env 会原样保留。随后脚本按照 frontend/package-lock.json 和 backend/uv.lock 安装依赖，并联合启动前后端。后续可直接运行：
npm run dev| 服务 | 默认地址 |
|---|---|
| Web | http://127.0.0.1:5173 |
| API | http://127.0.0.1:8000 |
| OpenAPI | http://127.0.0.1:8000/docs |
| Health | http://127.0.0.1:8000/api/v1/health |
需要修改端口时：
npm run dev -- --frontend-port 5174 --backend-port 8001脚本使用 Node.js 编排，在 Windows、macOS 和 Linux 上使用相同命令。当前发布整理已在 Windows 上完成实际检查；macOS/Linux 建议在发布前通过 CI 或目标设备复核。
空数据库首次启动时会创建 admin 管理员，并只在后端控制台打印一次高强度临时密码。首次登录后请立即修改密码。
默认配置不会创建 Demo 身份，也不会启用本地演示模型。如需显式开发演示，可在本地 .env 中单独开启，并与真实功能验收区分。
本地配置文件说明
npm run dev 和 npm run dev:install 每次启动时都会检查 frontend/.env 与 backend/.env。缺失文件会从同目录的 .env.example 自动创建，已经存在的文件不会被修改或覆盖。需要自定义配置时，直接编辑生成的本地 .env 即可。
Provider API Key 默认由操作系统安全凭据库保护。首次在页面保存 API Key 时会自动生成版本化主密钥，无需在 .env 中配置 LEARNGRAPH_MASTER_KEY。托管部署可显式选择 environment 兼容模式并注入高熵主密钥。
Browser / React 19 + TypeScript + Vite
├─ React Router · TanStack Query · React Flow
├─ Streamdown / AI Elements
└─ ApiClient: Bearer + X-Workspace-ID + JSON/SSE
│
▼
FastAPI /api/v1
├─ routers: HTTP/SSE 契约、认证、权限与错误边界
├─ services: Goal、Graph、Chat、File、Learning 等用例
├─ repositories: 工作区作用域的数据访问
└─ provider ports
├─ local: 文件存储、Markdown Memory
└─ remote: 模型、搜索、抓取、研究、Mem0、MCP
│
▼
SQLAlchemy 2 · SQLite · local filesystem
SQLite 是当前 MVP 的规范业务事实源。SSE 负责传输，Session、Message、MessageVersion、MessagePart 和事件仍会持久化。前端统一访问 LearnGraph 后端，由服务端完成认证、工作区授权、Provider 调用和事实写入。
查看仓库结构
LearnGraph/
├─ frontend/ React + TypeScript + Vite
│ └─ src/
│ ├─ api/ 领域 API 与统一客户端
│ ├─ features/ 页面和业务交互
│ ├─ components/ UI、图谱与消息渲染
│ └─ types/ 前端领域类型
├─ backend/
│ └─ app/
│ ├─ api/routers/ HTTP/SSE 路由
│ ├─ services/ 业务用例
│ ├─ repositories/ 数据访问
│ ├─ providers/ Ports 与适配器
│ └─ domain/ 模型与 Schema
├─ developer-docs/ 可公开部署的开发者 HTML 文档
├─ scripts/ 跨平台启动与检查脚本
└─ .github/assets/ README 公共素材
| 命令 | 作用 |
|---|---|
npm run dev |
使用已有依赖联合启动前后端 |
npm run dev:install |
从锁文件安装依赖并启动 |
npm run check |
前端 lint/生产构建 + 后端语法/应用导入检查 |
npm run check:install |
从锁文件安装依赖后执行全部检查 |
npm run check:frontend |
仅执行前端检查 |
npm run check:backend |
仅执行后端检查 |
npm run build:frontend |
构建前端生产产物 |
npm run dev 会从 5173 开始自动选择第一个可用的前端端口，终端会显示实际地址。公共代码快照不包含内部开发文档、测试夹具或浏览器产物，因此 npm run check 不代表真实 E2E 或远程 Provider 验收已经完成。
涉及模型、搜索、研究或关键业务流程的发布，还应使用真实配置、真实 HTTP/SSE 和真实浏览器操作完成验证。
X-Workspace-ID是作用域提示；后端会重新校验 Membership、权限与资源范围。- Provider Secret 由后端加密保存，不进入浏览器、日志、SSE、审计或导出。
- 模型、搜索、研究和沙箱能力均采用显式可用性状态，调用结果与失败边界可以追踪。
- Docker 沙箱不可用时返回明确状态，宿主机不会成为隐式执行环境。
- 数据库、上传内容、本地 Memory、缓存、构建产物与真实凭据均由 Git 排除。
- 学习资产面向 Markdown、JSON 等开放格式导出，支持长期持有和迁移。
欢迎在 SunnyBoy-y/LearnGraph 提交 Issue 或 Pull Request。
修改前请沿完整数据流核对页面、API、权限、服务、持久化与 Provider 边界；涉及 AI、搜索或研究时，请清楚标注是否完成真实远程 Provider 验收。新增功能需要保持来源、权限、事务、审计和用户审核边界的一致性。
LearnGraph 基于 MIT License 开源。
感谢 CC-Switch 的开源贡献。本项目的 GitHub Copilot 接入，以及 Baidu Qianfan Coding Plan、火山 Agentplan、OpenRouter、Longcat、Kimi、Kimi For Coding、ModelScope 和 Xiaomi MiMo 快捷配置参考了 CC-Switch 的供应商预设与适配工作。
学AI上L站！ https://linux.do/