[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$f188lec8sgoag2":3},{"code":4,"message":5,"data":6,"timestamp":26},10000,"success",{"full_name":7,"position":8,"description":9,"language":10,"stars":11,"forks":12,"stars_gained":13,"age_days":14,"hn_threads":15,"one_liner":16,"summary_md":17,"topic":18,"github_topics":21,"license":22,"homepage":23,"updated_at":24,"history":25},"amosblomqvist\u002Flearnharness",6,"Agent harness for learning difficult things.","TypeScript",1046,176,127,8,[],"一个桌面学习智能体：先测出你已掌握的部分，再按依赖关系规划到目标的路径，并把理解沉淀成可跨会话复用的知识图谱。","## 解决什么问题\n\n自学硬核内容时，通常只有两条路：固定进度的课程默认你和它假设的水平一致；通用聊天机器人只回答你问的那一句，并不知道你已掌握什么。两者都会在同一处翻车——讲解的起点不对，或者讲完不检查你是否真的懂了。LearnHarness 的做法是：教学前先探测你对每个前置概念的理解边界，再据此规划讲解，并在过程中根据你的回答和推理动态调整。\n\n## 有什么不同\n\n核心产物不是聊天记录，而是一张由命题和推理链构成的知识图谱，以明文本地文件保存。课程被组织成从起点到目标的依赖图，练习题目也从图谱中生成，而不是取自固定题库。“说出你的思路”输入框（可打字或听写）是关键设计：智能体判断下一步主要靠你的推理过程，而不只是对错。和通用聊天客户端相比，它是一套结构化的教学闭环；和 Anki 这类闪卡工具相比，图谱是关系性和解释性的，并且由对话生成而非手工编写。\n\n## 适合谁\n\n适合自学真正难的内容（数学、物理、系统类计算机课题）的人：愿意把推理写出来，也希望跨会话保持连续性。已经会学习、想追踪概念依赖关系的用户收益最大。不适合考前突击、想被动看视频式学习的人，也不适合不愿按 token 付费或不愿把学习上下文发给模型服务商的用户。\n\n## 上手成本\n\n桌面应用，支持 macOS（Apple Silicon）、Windows x64（安装包未签名，会遇到 SmartScreen 警告）和 Linux x64，支持应用内更新。需要自备模型服务商 API Key，支持 30 多家服务商；听写和联网搜索需另外配置 Key。没有订阅加价，但因为费用由服务商按用量收取，所以有实时费用表。数据和 Key 存在本地，但模型请求仍会离开本机——本地存储不等于离线处理。许可证为 AGPL-3.0，如果要 fork 或嵌入需注意。开发环境是常规的 `npm install` 加 `npm run dev`，测试不依赖 LLM 和网络，结果确定性。\n\n## 点评\n\n这是一个全新的项目：上线 8 天，约 1085 stars，峰值期在 new board 上以每天约 127 stars 增长、排到第 6，但 Hacker News 上没有任何讨论，也没有上过 Trending 日榜。这更像是发布期的冲高，而不是长期积累，README 对模型评测质量和长周期课程下图谱是否可靠也着墨不多。设计思路具体，本地优先、自带 Key 的定位也自洽，如果自适应辅导确实是你的刚需，值得试用。但请把它当作实验品：做好遇到粗糙之处的准备，并确保笔记能导出，以防项目停摆。",{"slug":19,"name":20},"learning","学习资源",[],"AGPL-3.0","learnharness.ai","2026-10-25T02:36:02Z",[],1792909589]