获得一对一AI辅导
bloom
基于布鲁姆教育分类法研究的 AI 教学助手，通过自适应学习路径和交互式反馈，实现一对一深度学习体验。
试试这样做
请帮我创建一个关于量子力学基础的学习课程，并根据我的反馈调整后续教学难度。
我上传了一份关于人工智能的 PDF 文档，请根据文档内容为我制定一份学习大纲。
请使用费曼技巧测试我对刚刚学习的编程概念的理解程度。
详细介绍
Bloom
Bloom 是一款基于 AI 的私人导师，基于 Bloom 的 2-Sigma 研究（一对一辅导可使成绩提升两个标准差，达到前 2%）。它生成结构化教学大纲，逐一授课，读取你的注释和反馈，然后根据你的理解水平个性化调整下一节课，就像真正的导师一样。
适用场景
- 任何想学习某个主题的人
- 支持三种方式：输入主题、上传源文件（PDF/TXT/MD）或项目文件
- 适合需要自适应学习节奏、希望获得个性化反馈的用户
效果预览
核心能力
- 三种课程模式：通过主题生成课程、上传 PDF/TXT/MD 源文件、或上传项目文件（直接渲染文件，支持高亮和提问，不生成课程大纲）
- 学习深度选择：创建课程时选择简单、标准或深度大纲扩展，课程卡片上会显示对应徽章
- 参考材料：创建主题课程时，可粘贴教材章节、论文或笔记作为参考
- 下一主题推荐：根据你的学习历史生成 3 个可继续学习的主题，可刷新、保存到学习队列，或直接开始正常课程
- 高亮问答：在课程或源文件中选中任意文本，点击弹出图标即可提问，高亮内容保持黄色标记，AI 即时回答，支持追问，窗口可拖动并折叠为边距点
- 自适应课程：每节课根据上一节课的反馈弥补你的具体知识缺口
- 章节侧边栏：阅读时快速跳转各课
- 可折叠大纲：追踪掌握进度，避免杂乱
- 流式生成：实时观看 AI 撰写下一节课
- 个人中心与学习日历：查看月度学习日历、每日活动统计、六个月的贡献热力图
工作方式
主题模式
- 创建课程 → AI 生成教学大纲和第一课
- 阅读课程 → 高亮文本 → 添加注释
- 撰写反馈 → 回答思考题
- 点击“完成阅读” → AI 生成下一课（包含答案回顾、注释回复和新内容）
- 重复直到所有掌握项被勾选 ✓
- 自动生成评估 → 然后总结
源文件模式
- 上传 PDF/TXT/MD → AI 生成教学大纲和源文件阅读章节
- 阅读源文件 → 高亮文本 → 提问并立即获得答案
- 点击“完成阅读” → AI 读取完整源文件 + 问答记录，然后生成下一课
- 继续正常的自适应课程流程
项目文件模式
- 上传单个文件、多个文件或整个文件夹 → 每个文件直接渲染为一页
- 阅读每个文件 → 高亮文本 → 提问并立即获得答案
- 不生成大纲或下一课；文件和问答记录用于生成下一步建议
你需要提供
Web 模式
- Python 3.11+ 和 Node.js 18+
- 一个兼容 OpenAI 的 LLM API 密钥（例如 DashScope、OpenAI 等）
- 配置
.env文件中的LLM_API_KEY
CLI 模式
- Claude Code
- 将
bloom-tutor技能添加到 Claude Code 后使用
你会获得
- 一个完整的个性化课程（包含大纲、多节课）
- 自适应学习体验：每节课根据你的反馈调整内容
- 高亮问答记录，AI 即时回答
- 课程评估和总结
- 下一主题推荐，持续扩展学习
使用示例
- Web 模式：打开网站，点击“New Course”，选择“Topic”，输入“Python 基础”，设置学习深度，然后开始学习。
- CLI 模式：在 Claude Code 中说“Create a new folder and help me learn [任意主题]”。
选型说明
| 模式 | 设置 | 最适合 |
|---|---|---|
| CLI | Claude Code + 终端 | 喜欢 Markdown 编辑器的进阶用户 |
| Web | 浏览器（React + FastAPI） | 视觉学习者、可分享的配置 |
两种模式都遵循相同的流程：大纲 → 课程 → 注释 → 反馈 → 下一课 → 评估 → 总结。
可用的 Claude Code 技能
Bloom 附带一组可移植的 Claude Code 技能，每个技能独立无依赖，复制到 skills 目录后可直接使用。
| 技能 | 功能 |
|---|---|
| bloom-tutor | 完整的交互式辅导系统：大纲 → 自适应课程 → 注释 → 评估 → 总结 |
| learn-deep | 默认深度入口：一次性运行所有五个透镜，然后帮你选择方向 |
| learn-crossover | 利用已有知识学习新概念（结构类比） |
| learn-occam | 决定是否值得学习、学到多深（ROI、够用即可） |
| learn-graph | 构建某个领域的知识图谱地图和学习路径 |
| learn-prototype | 通过构建最简陋的可用原型并迭代来学习 |
| learn-feynman | 通过向他人解释来验证是否真正理解 |
科学原理
| 概念 | 含义 |
|---|---|
| Bloom 的 2-Sigma | 一对一辅导比课堂教学提高两个标准差 |
| 掌握学习 | 真正理解概念后再继续前进 |
| 苏格拉底式提问 | 用提问代替直接给出答案 |
| 间隔提取 | 课程开始时回顾思考题以巩固记忆 |
| 自适应路径 | 内容根据个人反馈实时调整 |
注意事项
- Web 模式需要有效的 OpenAI 兼容 API 密钥，请确保在
.env文件中正确配置。 - CLI 模式需要安装 Claude Code 并正确配置技能目录。
- 项目文件模式不生成大纲或后续课程，仅用于阅读和提问。
- 所有数据本地处理，AI 调用通过你自己的 API 密钥完成。
- 课程内容完全由 AI 生成，建议用户根据自身判断验证信息准确性。