[毕业设计] feat: 添加智能学习助手毕业设计项目

Co-creation-projects/LYGreen-agent-learning-helper/README.md

@@ -0,0 +1,110 @@
+# AgentLearningHelper - 智能学习助手
+
+> 这是一个 Demo 项目。
+> 项目链接：
+> [前端项目](https://github.com/LYGreen/agent-learning-helper-frontend)
+> [后端项目](https://github.com/LYGreen/agent-learning-helper-backend)
+
+## 📝 项目简介
+
+AgentLearningHelper 是一个智能学习助手，能够帮助用户生成学习课程、生成练习题、答疑解惑
+
+### 核心功能
+
+- **学科导向课程生成**：根据用户输入的特定学科或知识点，利用 LLM 动态构建结构化的课程大纲。
+
+- **自适应习题库**：为每个章节实时生成配套练习题，确保题目难度与教学内容匹配。
+
+- **智能判题与反馈**：利用 AI 进行语义分析，指出用户答案中的知识盲区并给出改进建议。
+
+## 🛠️ 技术栈
+
+- FastAPI（服务端）
+- OpenAI API（调用大模型）
+- Vue（客户端）
+
+## 🚀 快速开始
+
+### 安装依赖
+
+```bash
+cd backend
+pip install -r requirements.txt
+cd ../frontend
+npm install
+```
+
+### 配置参数
+- 后端：
+```
+MODEL=
+BASE_URL=
+OPENAI_API_KEY=
+```
+
+- 前端：
+```
+VITE_BACKEND_URL=
+```
+
+### 运行项目
+
+- 运行前端：
+```bash
+cd frontend
+npm run dev
+```
+
+- 运行后端：
+```bash
+cd backend
+uvicorn main:app --reload
+```
+
+## 📖 使用示例
+
+在浏览器中输入 `http://localhost:5173` 访问
+
+## 📂 项目结构
+
+```
+agent-learning-helper/
+├── backend/
+│   ├── ...
+│   ├── main.py             # 主程序
+│   ├── requirements.txt    # 依赖列表
+│   └── .env.example        # 环境变量示例
+├── frontend/
+│   ├── ...
+│   └── .env.example        # 环境变量示例
+├── img/
+│   └── ...                 # README.md 图片
+├── .gitignore              # Git忽略文件
+└── README.md               # 项目说明文档
+```
+
+## 🔧 技术实现
+
+- **课程生成智能体**：根据用户输入的学科生成课程
+- **习题生成智能体**：根据用户当前的学习进度生成习题
+- **答疑解惑智能体**：判断用户的答案是否正确
+
+## 📊 示例输出
+
+![](img/image0.png)
+
+## 🚧 未来改进
+
+- [ ] 添加知识库，使生成的课程不具有误导性，同时增加答疑解惑的正确性
+- [ ] RAG 检索知识库
+- [ ] LaTeX 渲染
+- [ ] ...
+
+## 🙏 致谢
+
+感谢 [Datawhale](https://github.com/datawhalechina) 社区和 [Hello-Agents](https://github.com/datawhalechina/hello-agents) 项目！
+
+## 📄 许可证
+
+本项目采用 MIT 许可证。
+

Co-creation-projects/LYGreen-agent-learning-helper/backend/.example.env

@@ -0,0 +1,3 @@
+MODEL=
+BASE_URL=
+OPENAI_API_KEY=

Co-creation-projects/LYGreen-agent-learning-helper/backend/alh/agents/agent.py

@@ -0,0 +1,17 @@
+from abc import ABC, abstractmethod
+from alh.llm.llm_model import LLMModel
+
+class Agent(ABC):
+
+    def __init__(self, llm_model: LLMModel):
+        self.llm_model = llm_model
+
+    def run(self, data: dict = None):
+        try:
+            return self._execute(data)
+        except Exception as e:
+            raise e
+
+    @abstractmethod
+    def _execute(self, data: dict = None):
+        pass

Co-creation-projects/LYGreen-agent-learning-helper/backend/alh/agents/check_answer_agent.py

@@ -0,0 +1,69 @@
+from alh.agents.agent import Agent
+from alh.llm.llm_model import LLMModel
+from pydantic import BaseModel
+
+CHECK_ANSWER_AGENT_PROMPT = """
+你是一个学习助手，你的任务是帮助用户进行学习辅导，根据问题和用户给出的答案，进行反馈。
+若答案基本正确，则设置 can_pass 为 True，反之为 False；content 输出解析。
+若答案不正确，则设置 can_pass 为 False；content 可以给出提示。
+你需要根据下面的 Json Schema 来生成，可以插入 \\n 表示换行:
+{json_schema}
+你必须只能输出 Json 格式，用 ```json ```包裹，不要输出任何其他内容。
+
+现在，请开始吧。
+
+问题：
+{question}
+
+用户的答案：
+{user_input}
+
+"""
+
+class FeedbackModel(BaseModel):
+    content: str
+    can_pass: bool
+
+class CheckAnswerAgent(Agent):
+    def __init__(self, llm_model: LLMModel):
+        super().__init__(llm_model)
+        self.prompt_temperate = CHECK_ANSWER_AGENT_PROMPT
+
+    def _execute(self, data: dict = None):
+        subject = data["subject"]
+        question = data["question"]
+        user_answer = data["user_answer"]
+
+        max_steps = 10
+
+        for step in range(max_steps):
+            formatted_prompt = self.prompt_temperate.format(
+                json_schema=FeedbackModel.model_json_schema(),
+                question=f"学科：{subject}\n问题：{question}",
+                user_input=user_answer
+            )
+
+            streamer = self.llm_model.stream_talk(formatted_prompt)
+
+            response = ""
+
+            for chunk in streamer:
+                response += chunk
+
+            try:
+                json_str = self._extract_json_str(response)
+                json = self._parse_json(json_str)
+                return json
+            except Exception as e:
+                print("Error: " + str(e))
+                continue
+
+        return None
+
+    def _extract_json_str(self, response: str):
+        import re
+        return re.search(r"```json(.*?)```", response, re.DOTALL).group(1)
+
+    def _parse_json(self, json_str: str):
+        import json
+        return json.loads(json_str)

Co-creation-projects/LYGreen-agent-learning-helper/backend/alh/agents/question_generate_agent.py

@@ -0,0 +1,63 @@
+from alh.agents.agent import Agent
+from alh.llm.llm_model import LLMModel
+from pydantic import BaseModel
+
+QUESTION_GENERATE_AGENT_PROMPT = """
+你是一个问题生成器，你的任务是根据用户的学习内容生成一个问题。
+你需要根据下面的 Json Sehcma 来生成（可以用 \\n 表示换行）:
+{json_schema}
+你必须只能输出 Json 格式，用 ```json ```包裹，不要输出任何其他内容。
+
+现在，请开始吧。
+
+用户：
+{user_input}
+
+"""
+
+class QuestionWritingModel(BaseModel):
+    question: str
+
+class QuestionGenerateAgent(Agent):
+    def __init__(self, llm_model: LLMModel):
+        super().__init__(llm_model)
+        self.prompt_temperate = QUESTION_GENERATE_AGENT_PROMPT
+
+    def _execute(self, data: dict = None):
+        subject = data["subject"]
+        title = data["title"]
+        description = data["description"]
+        content = data["content"]
+
+        max_steps = 10
+
+        for step in range(max_steps):
+            formatted_prompt = self.prompt_temperate.format(
+                json_schema=QuestionWritingModel.model_json_schema(),
+                user_input=f"学科：{subject}\n标题：{title}\n描述：{description}\n内容：{content}\n"
+            )
+
+            streamer = self.llm_model.stream_talk(formatted_prompt)
+
+            response = ""
+
+            for chunk in streamer:
+                response += chunk
+
+            try:
+                json_str = self._extract_json_str(response)
+                json = self._parse_json(json_str)
+                return json
+            except Exception as e:
+                print("Error: " + str(e))
+                continue
+
+        return None
+
+    def _extract_json_str(self, response: str):
+        import re
+        return re.search(r"```json(.*?)```", response, re.DOTALL).group(1)
+
+    def _parse_json(self, json_str: str):
+        import json
+        return json.loads(json_str)

Co-creation-projects/LYGreen-agent-learning-helper/backend/alh/agents/schedule_generate_agent.py

@@ -0,0 +1,69 @@
+from alh.agents.agent import Agent
+from alh.llm.llm_model import LLMModel
+from dataclasses import dataclass
+from typing import List
+from pydantic import BaseModel
+
+SCHEDULE_GENERATE_AGENT_PROMPT = """
+你是一个课程生成器，你的任务是根据用户的输入设计一个课程，尽量多并具体。
+你需要根据下面的 Json Schema 生成一个课程（可以用 \\n 表示换行）:
+{json_schema}
+你必须只能输出 Json 格式，用 ```json ```包裹，不要输出任何其他内容。
+
+现在，请开始吧。
+
+用户输入:
+{user_input}
+
+"""
+
+@dataclass
+class Step:
+    title: str
+    description: str
+    content: str
+
+class ScheduleGenerateModel(BaseModel):
+    steps: List[Step]
+
+class ScheduleGenerateAgent(Agent):
+    def __init__(self, llm_model: LLMModel):
+        super().__init__(llm_model)
+        self.prompt_template = SCHEDULE_GENERATE_AGENT_PROMPT
+
+    def _execute(self, data: dict = None):
+        subject = data["subject"]
+
+        max_steps = 10
+
+        # 减少出错
+        for step in range(max_steps):
+            formatted_prompt = self.prompt_template.format(
+                json_schema=ScheduleGenerateModel.model_json_schema(),
+                user_input=f"生成一个 {subject} 的学习计划"
+            )
+
+            streamer = self.llm_model.stream_talk(formatted_prompt)
+
+            response = ""
+
+            for chunk in streamer:
+                response += chunk
+
+            try:
+                json_str = self._extract_json_str(response)
+                json = self._parse_json(json_str)
+                return json
+            except Exception as e:
+                print("Error: " + str(e))
+                continue
+
+        return None
+
+    def _extract_json_str(self, response: str):
+        import re
+        return re.search(r"```json(.*?)```", response, re.DOTALL).group(1)
+
+    def _parse_json(self, json_str: str):
+        import json
+        return json.loads(json_str)

Co-creation-projects/LYGreen-agent-learning-helper/backend/alh/command/command.py

@@ -0,0 +1,47 @@
+import os
+from dotenv import load_dotenv
+from alh.llm.openai_model import OpenAIModel
+from alh.agents.schedule_generate_agent import ScheduleGenerateAgent
+from alh.agents.question_generate_agent import QuestionGenerateAgent
+from alh.agents.check_answer_agent import CheckAnswerAgent
+
+load_dotenv()
+
+MODEL = os.getenv("MODEL")
+BASE_URL = os.getenv("BASE_URL")
+OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
+
+class Command:
+    def __init__(self):
+        raise RuntimeError("Command is an abstract class")
+
+    def _init_command(self):
+        self.model = OpenAIModel(BASE_URL, OPENAI_API_KEY, MODEL)
+        self.schedule_generate_agent = ScheduleGenerateAgent(self.model)
+        self.question_generate_agent = QuestionGenerateAgent(self.model)
+        self.check_answer_agent = CheckAnswerAgent(self.model)
+
+    @classmethod
+    def get_instance(cls):
+        if not hasattr(cls, 'instance'):
+            cls.instance = super().__new__(cls)
+            cls._init_command(cls)
+        return cls.instance
+
+    def run(self, command: str, data: dict):
+        if command == "/generate":
+            subject = data["subject"]
+            return self.schedule_generate_agent.run({ "subject": subject })
+        elif command == "/generate_question":
+            subject = data["subject"]
+            title = data["title"]
+            description = data["description"]
+            content = data["content"]
+            return self.question_generate_agent.run({ "subject": subject, "title": title, "description": description, "content": content })
+        elif command == "/check_answer":
+            subject = data["subject"]
+            question = data["question"]
+            user_answer = data["user_answer"]
+            return self.check_answer_agent.run({ "subject": subject, "question": question, "user_answer": user_answer })
+        else:
+            pass