LearnHarness

Автоматический перевод данной английской страницы, не проверенный носителем языка.

LearnHarness — настольное приложение для обучения с помощью ИИ-агентов, которое строит занятие вокруг того, что учащийся уже понимает, а не вокруг списка тем. Проект описывает четыре шага: измерение — зондирование идей, от которых зависит цель, чтобы найти, где заканчивается понимание; планирование — построение карты зависимостей до цели и показ её в виде карты занятия; обучение — прохождение по одному шагу рассуждения в ритме «предскажи — объясни — проверь», чтобы недоразумения исправлялись до того, как на них что-то будет построено; и практика — поток задач, нацеленных на собственные трудности учащегося.

Что можно с ним делать

Отличительный вход — поле мышления: учащиеся пишут или диктуют свои рассуждения и сомнения, а не только отвечают, и проект трактует это как способ, которым агент представляет рассуждение, а не как запись верных и неверных ответов. Приложение также может исследовать вопросы в фоне, генерировать визуальные объяснения и строить интерактивные демонстрации.

Что накапливается — это граф знаний из утверждений и цепочек рассуждений, связанных с исходными сессиями и читаемых последующими обучающими и практическими агентами как контекст; заметки можно импортировать. Проект утверждает, что граф хранит идеи и связи, а не оценки способностей.

Для кого это

Для самостоятельных учащихся, работающих со сложным материалом, и для преподавателей или разработчиков, которые хотят увидеть, как выглядит ИИ-тьютор, изначально построенный на агентах, когда его промпты и состояние можно проверить. Это TypeScript, приложение запускается из исходного кода, а его тесты описаны как детерминированные, без вызовов моделей.

Примечания и оговорки

Бесплатность относится к программному обеспечению, а не к инференсу: учащиеся приносят ключи провайдеров, подписку, локальный Claude Code CLI или любой OpenAI-совместимый эндпоинт и платят провайдеру без наценки; счётчик в реальном времени оценивает только известные затраты на API. Записи, чаты и ключи остаются на машине в виде обычных файлов, но проект предупреждает, что локальное хранение не означает офлайн-обработку, поскольку запросы к моделям, необязательная диктовка и веб-исследование обращаются к внешним сервисам. Установщик для Windows x64 не подписан, поэтому Windows выдаст предупреждение. Об исследованиях эффективности не сообщается, поэтому аргументация опирается на заявленное обоснование, а не на измеренные результаты; на момент проверки 2 ноября 2026 года у репозитория было примерно 4,800 звёзд.

Связанные концепции

• Агентный ИИ
• Интеллектуальное тьюторство
• Обучение на основе мастерства
• Скаффолдинг