v0.5

LearnGraph v0.5.0
v0.5 围绕图谱学习、复习练习和实时语音导师完善了核心体验，并增强了移动端交互、沙箱网络治理和数据迁移保护。
新功能

• 节点学习页：可为图谱节点生成教材、互动实验和闯关测评，让学习内容与知识图谱直接关联。
• 学习计划与练习中心：在图谱中查看学习安排和掌握进度；新增复习、练习、出题与判分功能。
• AI 图谱封面：支持生成矢量或位图封面，也可使用模板或自定义图片。
• 实时语音导师：支持实时语音对话、逐句语音播报和与播放进度同步的字幕，并提供语音延迟信息。
• 产物分享与预览：可管理分享链接；子应用预览支持暂停和恢复。
  体验与可靠性改进
• 改进语音识别、播报打断、重连和字幕同步；增强移动端麦克风权限处理与语音会话恢复。
• 改进移动端侧栏和图谱抽屉的拖拽体验，并优化对话流式显示、附件处理和模型设置。
• 支持导入已有 Provider 配置，并改进模型能力识别和不同厂商的模型参数适配。
• 为沙箱出网增加按任务审批与预算控制；改进网络策略更新时的实例管理。
• SQLite 有待应用的迁移时，启动前会进行预检并创建迁移前备份；同时增加 Agent 流并发控制，降低连接池耗尽风险。
  问题修复
• 修复学习页生成卡住、HTTP 访问下闯关评测崩溃等问题。
• 修复实时语音连接降级、字幕延迟或重复、打断后播报未正确取消等问题。
• 修复带附件消息发送、切换账户后工作区残留等问题。
  升级提示
• 沙箱隔离网页抓取默认关闭。需要使用时，请先配置出网代理、运行镜像和工作区白名单，再显式启用相关设置。
• 旧 SQLite 数据库在存在待迁移内容时会自动备份；默认保存在数据库文件旁的 migration-backups/ 目录，并保留最近 5 份。

# LearnGraph v0.4 — 从学习图谱，到跨端 Agent 学习工作台 🚀

v0.4 是 LearnGraph 到目前为止变化最大的一次更新。

最开始，我只是想做一个：

能随着学习不断生长的知识图谱。

但随着 Agent、Sandbox、Memory、双向子应用、多智能体以及移动端逐渐加入，LearnGraph 已经开始变成一个真正能够理解目标、寻找资料、执行任务、生成内容、收集反馈并持续调整学习状态的 Agent Learning Workspace。

📱 Android 移动端正式加入

LearnGraph 现在不再局限于浏览器。

新增原生 Android 客户端，并持续针对移动场景进行了大量适配：

• 原生 Kotlin + Jetpack Compose 客户端
• 最新切换至 GeckoView 139 内嵌浏览器内核
• WebExtension Bridge 打通 Web 与 Android 原生能力
• 手机专属响应式布局
• 系统文件选择与原生下载管理
• 拍照后直接作为附件交给 Agent
• 系统分享内容进入 LearnGraph 分享收件箱
• 扫码连接 LearnGraph 服务
• 生物识别、回复通知、震动反馈
• TTS 朗读与桌面小组件
• 登录状态持久化与断线恢复

现在可以在电脑部署 LearnGraph，然后直接用手机连接自己的学习工作台。

🤖 Agent 能力继续升级

Agent 不再只是“调用几个工具”。

v0.4 加入并完善了：

• 多智能体 / SubAgent 任务系统
• Agent 任务持久化、预算限制、取消 / 重试 / 等待
• 多个 Agent 工具并行执行
• 会话执行轨迹视图
• 更完整的 Skill 渐进式加载机制
• 手动 Context 压缩
• Provider Prompt Cache / Reasoning 能力适配

复杂任务可以被拆分、委派并执行，而不是全部挤在一次模型调用里完成。

🃏 Magic Card → 双向交互子应用

Magic Card 继续向真正的“小应用”演进。

现在 Agent 可以生成：

• 算法可视化
• 参数实验
• Stepper 分步教学
• Quiz / 练习
• 表单
• 小游戏
• 数据采集页面
• 各类自定义交互学习工具

更重要的是：

用户在子应用里的操作，可以重新成为 Agent 的输入。

v0.4 新增 SubApp Client SDK、交互事件、状态回传、分析请求以及交互契约。

页面不再只是 AI 生成后就失去联系的 HTML，而开始真正形成：

Agent → UI → 用户操作 → 数据 → Agent

的双向闭环。

🧠 学习状态与 Memory 继续演进

能力图谱开始真正由学习证据驱动。

节点可以显示：

• 连续掌握度
• 置信度
• 学习证据数量
• 当前误区

长期记忆则继续采用事件溯源结构，并补充无模型情况下的降级策略。

LearnGraph 正在逐渐把：

“我学过什么”

变成：

“我为什么认为你已经掌握了什么。”

🎙️ 更完整的语音输入

v0.4 对 ASR 链路进行了较大升级：

• Realtime WS / 分段上传双通道
• 通道失败自动降级
• 自适应环境底噪 VAD
• 中文 / 英文 / 自动语言选择
• ASR 热词
• 听写结果一键沉淀为热词
• Provider × Model × Transcription Mode 能力标注

📦 产物、分享与执行体验

这一版还加入了：

• 独立的「产物」一级入口
• HTML / PDF / PPTX / ZIP 等产物发布链路
• 会话快照分享与只读页面
• 子应用全屏展示
• 产物库渐进加载
• 沙箱二进制文件交付
• Docker 数据 bind mount
• Sandboxd 与审批制出网链路持续完善

---

LearnGraph 现在越来越不像一个单纯的“知识图谱项目”。

它正在逐渐形成这样一条完整链路：

目标
→ 图谱
→ Agent
→ 工具 / Sandbox / SubAgent
→ 学习内容与交互应用
→ 用户实践
→ Evidence
→ Mastery
→ Memory
→ 下一步行动

而现在，这套学习环境也终于从浏览器走到了手机上。

Web + Android，图谱 + Agent + Sandbox + Memory + SubApp。

v0.4 只是这条路上的又一个节点。

下一步，我希望让图谱里的节点真正成为：

可以被学习、执行、提交、验证和完成的任务。

欢迎体验、提 Issue / PR，也欢迎 Star ⭐

first tag

LearnGraph

一张会随学习持续生长的知识路线图。

LearnGraph 是一个面向真实学习目标的 AI 学习工作台。

你可以从一个问题、一个学习目标，或者多份课程资料开始。系统会帮助你梳理目标、生成知识图谱，并随着后续学习、练习、资料补充和掌握情况持续更新这张图。

它希望解决的不是“再做一个 AI 聊天框”，而是让 AI 真正参与一个长期学习过程：

目标 → 知识结构 → 学习 → 练习 → 反馈 → 掌握 → 下一步行动

---

✨ 核心特色

🗂️ 多文件联合建图

一次加入多份 PDF、Word、课件、笔记或其他学习资料，LearnGraph 会结合你的学习目标，对资料进行统一理解，并组织成一张完整的知识路线图。

不再需要逐个文件询问 AI，再由自己手动拼接知识点。

---

🌱 可生长学习图谱

知识图谱不是一次生成后就固定下来。

学习过程中，你可以继续：

• 拆分某个知识点
• 补充新的学习内容
• 调整学习范围
• 根据已有图谱继续生成分支
• 根据实际学习情况修改路线

最终得到的不是一份静态目录，而是一张随着学习过程持续生长的知识地图。

---

↔️ 双向交互 UI

AI 不只能输出 Markdown、图片和代码。

LearnGraph 中，Agent 可以生成真正可交互的学习界面，例如：

• 小测验
• 表单
• 可视化
• 动画
• 小游戏
• 实验页面
• 自定义学习工具

更重要的是，这些界面并不是一次性的展示结果。

用户在界面中的点击、选择、答题等操作可以再次成为 Agent 的输入，Agent 可以理解这些事件，并继续修改页面状态或执行下一步任务。

形成：

Agent → UI → 用户操作 → Agent → UI

的双向交互闭环。

---

🧩 渐进式 Agent Runtime

随着 Agent 能力增加，如果一次把所有 Tool、Skill 和 MCP 工具都塞进上下文，不仅会消耗大量 Token，也会增加模型选错工具的概率。

LearnGraph 采用渐进式能力披露机制。

Agent 启动时只获得少量核心能力，需要完成某项任务时，再主动搜索和激活对应的：

Tool / Skill / MCP / Sandbox Capability

也就是说：

需要什么能力，再加载什么能力。

这使 Agent 可以拥有大量扩展能力，同时避免所有工具长期占据上下文。

---

📦 安全隔离沙箱

文件处理、代码执行、前端构建和 Agent 生成的应用运行在独立 Docker Sandbox 中，而不是直接运行在宿主机环境。

沙箱默认限制网络访问。

当任务确实需要互联网资源时，可以通过受控的外部资源获取和 Egress 策略完成访问。

整体遵循：

联网获取，离线执行。

既允许 Agent 搜索资料、获取图片和代码，又尽量避免直接给执行环境开放无限制互联网访问。

---

🧠 事件溯源长期记忆

LearnGraph 的记忆并不是简单保存一段“用户摘要”。

重要的学习状态、历史行为和长期信息以事件形式记录，并保留对应的来源、时间、状态和上下文。

因此记忆可以：

• 被追溯
• 被更新
• 被失效
• 被重新确认
• 根据当前任务按需召回

Agent 不需要每次重新理解整个学习历史，而可以根据当前任务重新构建最相关的上下文。

---

LearnGraph 想做什么？

传统 AI 学习工具通常围绕一次对话展开：

提问 → 回答 → 下一次提问

LearnGraph 更希望建立一个长期存在的学习状态：

              Goal
               │
               ▼
        Knowledge Graph
               │
               ▼
            Learning
               │
               ▼
            Evidence
               │
               ▼
            Mastery
               │
               ▼
          Next Action
               │
               └──────────► Knowledge Graph

知识图谱记录你准备学什么。

Evidence 记录你实际做过什么。

Mastery 描述你目前掌握到什么程度。

Memory 保存长期学习过程中的重要状态。

Agent 则根据这些信息决定：

现在最值得做的下一件事情是什么。

---

一句话概括

LearnGraph 将多文件学习、可生长知识图谱、长期记忆、Agent、双向生成式 UI 和安全沙箱连接起来，让 AI 从“回答问题”进一步参与完整的学习过程。