LearnHarness

Dies ist eine automatische Übersetzung der englischen Seite; sie wurde noch nicht von einer muttersprachlichen Person geprüft.

LearnHarness ist eine Desktop-Anwendung für agentengestütztes Lernen, die eine Lektion um das, was eine lernende Person bereits versteht, herum organisiert statt um eine Themenliste. Das Projekt beschreibt vier Züge: messen – die Ideen sondieren, von denen das Ziel abhängt, um herauszufinden, wo das Verständnis endet; planen – eine Abhängigkeitskarte zum Ziel ableiten und sie als Unterrichtskarte zeigen; unterrichten – jeweils einen Denkschritt in einem Rhythmus aus Vorhersagen, Erklären und Prüfen durcharbeiten, damit Verwirrungen behoben werden, bevor etwas darauf aufgebaut wird; und üben – ein Strom von Aufgaben, die auf die eigenen Schwierigkeiten der lernenden Person zielen.

Was man damit tun kann

Der besondere Eingang ist das Denkfeld: Lernende schreiben oder diktieren ihre Überlegungen und ihre Unsicherheit, statt nur zu antworten, was das Projekt so versteht, dass der Agent Denken abbildet und keine Richtig-falsch-Aufzeichnung führt. Er kann außerdem Fragen im Hintergrund recherchieren, visuelle Erklärungen erzeugen und interaktive Demonstrationen bauen.

Was sich ansammelt, ist ein Wissensgraph aus Aussagen und Denkketten, die auf ihre Ursprungssitzungen zurückverweisen und von späteren Lehr- und Übungsagenten als Kontext gelesen werden; Notizen lassen sich importieren. Das Projekt betont, dass der Graph Ideen und Verbindungen speichert, keine Bewertungen von Fähigkeiten.

Für wen es gedacht ist

Für selbstständig Lernende, die an schwierigem Stoff arbeiten, sowie für Lehrende oder Entwickelnde, die sehen wollen, wie ein agentennativer KI-Tutor aussieht, wenn seine Prompts und sein Zustand einsehbar sind. Es ist in TypeScript geschrieben, läuft aus dem Quellcode, und seine Tests sind als deterministisch dokumentiert, ohne Modellaufrufe.

Hinweise und Einschränkungen

Kostenlos betrifft die Software, nicht die Inferenz: Lernende bringen Provider-Schlüssel, ein Abonnement, eine lokale Claude Code CLI oder einen beliebigen OpenAI-kompatiblen Endpunkt mit und zahlen den Anbieter ohne Aufschlag; ein Live-Zähler schätzt nur bekannte API-Kosten. Aufzeichnungen, Chats und Schlüssel bleiben als einfache Dateien auf dem Rechner, doch das Projekt warnt, dass lokale Speicherung keine Offline-Verarbeitung bedeutet, da Modellanfragen, optionales Diktieren und Webrecherche alle externe Dienste erreichen. Der Windows-x64-Installer ist nicht signiert, Windows wird also warnen. Es wird keine Wirksamkeitsstudie berichtet, die Begründung stützt sich daher auf die dargelegte Ratio statt auf gemessene Ergebnisse; das Repository hatte zum Prüfzeitpunkt am 2. November 2026 etwa 4.800 Sterne.

Verbundene Konzepte

• Agentische KI
• Intelligentes Tutoring
• Meisterschaftslernen
• Scaffolding (Gerüstbildung)