# xiaoxq

**Repository Path**: llwglxixi/xiaoxq

## Basic Information

- **Project Name**: xiaoxq
- **Description**: 个性化考公学习多智能体系统
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 1
- **Created**: 2026-06-30
- **Last Updated**: 2026-07-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README


系统以 **用户画像** 为数据中枢，五个Agent实时读取画像并做出个性化决策，形成真正的“自适应学习闭环”。

## 4. 核心功能

### 4.1 用户画像冷启动
- 注册后强制填写10题初始问卷（学历、目标考试、备考阶段、自评强弱模块、学习时长等）
- 系统结合问卷 + 后续学习行为，动态维护包含模块掌握度、错误标签、能力值、学习风格的**多维学习者模型**

### 4.2 诊断Agent
- 5道自适应选择题 + 1道申论概括题
- 基于Elo算法实时更新能力值
- 输出各模块掌握度雷达图和优先级建议

### 4.3 规划Agent（第一层个性化推送）
- 基于画像生成阶段性学习路径
- 优先安排薄弱模块 + 高频考点 + 先修依赖
- 步骤卡片展示，含知识点名称、预计耗时、目标正确率

### 4.4 内容讲解Agent（第二层个性化推送）
- 同一知识点根据掌握度生成基础/进阶版本讲解
- 包含核心技巧、真题举例、常见陷阱、速解口诀
- 支持表格和图表渲染

### 4.5 练习Agent + 即时反馈
- 每个知识点4道选择题 + 1道申论小题
- 选择题即时判分，申论题由LLM评分并给出要点批注
- 难度随用户水平动态调整

### 4.6 错题复盘Agent（第三层个性化推送）
- 单次练习错题≥3题时主动触发
- 四步复盘流程：错因归总 → 原题重做 → 薄弱点速讲 → 变式题巩固
- 支持断点续传，未完成的复盘次日提醒

### 4.7 复习Agent（时机级个性化推送）
- 基于SM-2算法的间隔复习：1/3/7/15天提醒
- 复习内容为变式题（非原题）
- 若错题在复盘中已巩固，智能调整间隔

### 4.8 学习仪表盘
- 模块掌握度雷达图（实时更新）
- 知识点进度条（红/黄/绿着色）
- 学习时长热力图
- 待复盘/待复习提醒角标

## 5. 技术架构

### 5.1 技术栈
| 层 | 技术 | 
|----|------|
| 前端 | Vue 3 + TypeScript + Element Plus + ECharts |
| 业务后端 | Node.js 18+（NestJS/Express） |
| AI后端 | Python 3.10+ FastAPI + LangGraph |
| 数据库 | MySQL 8.0 |
| 缓存 | Redis 7 |
| 向量存储 | Chroma |
| 知识图谱 | NetworkX |
| 部署 | Docker Compose |

### 5.2 架构亮点
- **双后端微服务**：Node.js处理业务逻辑和鉴权，Python专注LLM调用和多智能体协作，充分利用各自生态优势
- **统一LLM网关**：所有Agent通过网关调用大模型，支持模型热切换，便于实验对比和成本控制
- **LLM网关**：所有Agent通过统一网关调用大模型，便于模型切换与成本管理
- **用户画像服务**：独立模块，各Agent通过统一接口读取画像快照，保证个性化决策一致性
- **Prompt工程化**：所有Agent的提示词存于独立YAML文件，可配置、可迭代

## 6. 拟解决的关键问题

1. **冷启动诊断**：如何在少量交互中准确评估学习者水平？
2. **内容生成可控性**：如何保证LLM生成的题目和讲解正确、不超纲？
3. **多Agent协作一致性**：如何让五个Agent共享同一学生模型，避免决策矛盾？
4. **长程记忆与遗忘感知**：如何让系统跨会话记住学生状态，并在遗忘临界点准确干预？
5. **个性化推送精准度**：如何让画像真正驱动差异化教学，而非流于形式？

## 7. 预期创新点

- **面向公考教育的LLM多Agent协作框架**：将教学闭环映射为五个协同智能体
- **融合问卷、认知诊断与LLM推理的混合画像模型**：兼顾可解释性与语义理解
- **“立即复盘+间隔复习”双重错题干预机制**：兼顾短期纠错与长期记忆巩固
- **画像驱动全链路个性化推送**：让“诊断→规划→讲解→练习→复盘→复习”每一环节都因人而异

## 8. 项目范围与约束

**本期范围**：
- 公考行测四大模块（言语理解、数量关系、判断推理、资料分析）+ 申论小题
- 约30个叶子知识点，完整的学习闭环
- Web端（桌面浏览器适配）

**明确不做**：
- 申论大作文批改
- 音视频讲解
- 移动端App
- 社交/排名/模考
- 真实真题（使用自建模拟题）

## 9. 开发计划（约6周）

| 周次 | 任务 |
|------|------|
| 第1期 | 基础框架搭建：前端脚手架、Node/Python服务启动、数据库迁移、Docker环境 |
| 第2期 | 用户系统+问卷+画像初始化、知识图谱加载 |
| 第3期 | 诊断Agent → 规划Agent → 讲解Agent 线性串联，前端学习主界面 |
| 第4期 | 练习Agent + 申论评分 + 错题复盘Agent |
| 第5期 | 复习Agent + 学习仪表盘 + 全链路联调 |
| 第6期 | 测试、文档、部署验证、准备答辩 |