LearnHarness

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

LearnHarness — настільний застосунок для навчання за підтримки агентів, який організовує урок навколо того, що учень уже розуміє, а не навколо переліку тем. Проєкт описує чотири кроки: вимірювання — зондування ідей, від яких залежить мета, щоб знайти, де розуміння закінчується; планування — побудова карти залежностей до мети й показ її як карти уроку; навчання — опрацювання одного кроку міркування за раз у ритмі «передбачити–пояснити–перевірити», щоб непорозуміння виправлялися до того, як на них щось будуватимуть; і практика — потік задач, націлених на власні труднощі учня.

Що з ним можна робити

Відмінний вхід — це поле мислення: учні пишуть або диктують свої міркування й невпевненість, а не лише дають відповіді, і проєкт трактує це як спосіб, у який агент уявляє міркування, а не як запис «правильно/неправильно». Він також може досліджувати питання у фоні, генерувати візуальні пояснення й будувати інтерактивні демонстрації.

Те, що накопичується, — це граф знань із тверджень і ланцюжків міркувань, пов’язаних із сесіями-джерелами й читаних пізнішими агентами навчання та практики як контекст; нотатки можна імпортувати. Проєкт зазначає, що граф зберігає ідеї та зв’язки, а не оцінки здібностей.

Для кого він

Незалежні учні, які працюють зі складним матеріалом, і викладачі чи розробники, які хочуть побачити, як виглядає ШІ-тьютор, орієнтований на агентів, коли його підказки й стан можна переглянути. Це TypeScript, запускається з вихідного коду, а його тести задокументовані як детерміновані, без викликів моделей.

Зауваження та обмеження

«Безкоштовно» стосується програмного забезпечення, а не інференсу: учні надають ключі постачальників, підписку, локальний Claude Code CLI або будь-яку сумісну з OpenAI кінцеву точку й платять постачальнику без націнки; живий лічильник оцінює лише відомі витрати на API. Записи, чати й ключі залишаються на машині як звичайні файли, але проєкт попереджає, що локальне зберігання не означає офлайн-обробку, адже запити до моделей, необов’язкова диктовка й веб-дослідження звертаються до зовнішніх сервісів. Інсталятор для Windows x64 не підписаний, тож Windows попередить. Дослідження ефективності не повідомляється, тому аргумент тримається на заявленому обґрунтуванні, а не на виміряних результатах; на момент перевірки 2 листопада 2026 року репозиторій мав приблизно 4 800 зірок.

Пов’язані поняття

• Агентний ШІ
• Інтелектуальний тьюторінг
• Освоєння навчального матеріалу
• Скаффолдинг