家庭学习助手

让学习计划从一句话开始。Agent 负责理解与编排,业务规则留在代码里。

Independent projectLive · 已上线PythonLangGraphReact
01

背景与要解决的问题

用 AI 学一门语言或一个知识领域时,真正的摩擦不在「问不到答案」,而在三件事:资料是 PDF 和截图,没法复习;今天学的东西,三天后就找不到;工具每次都要从头描述背景。

所以产品的主线不是聊天,而是把资料沉淀成词库与任务。对话只是入口,产物是结构化的学习资产。

02

线上产品

家庭学习助手登录页:左侧为产品主张与 Agent 对话示例,右侧为登录表单
yidongxun.com 登录页(2026.11 截图)。左侧展示「一句话 → Agent 配置预览 → 确认后写入 → 独立练习」的主路径。
移动端登录页
移动端 390px
已上线能力
  • 对话式需求理解与工具编排
  • 学习资料解析与词条抽取
  • 词库创建与整理
  • 听写任务生成与调度
  • 独立练习页:专注完成听写
  • 创建 / 修改 / 删除前的人工确认
  • 登录与个人数据隔离

能力清单依据线上产品的登录页说明与产品实际路径整理;细节以登录后的产品为准。

03

核心流程

1 资料输入→2 内容解析→3 用户确认→4 词库管理→5 任务创建→6 听写练习

第 3 步是刻意设计的:模型抽取的词条必须经人确认才入库,避免错误内容被当成学习材料固化下来。

04

Agent 架构概览

请求链路
React Client
对话与确认
FastAPI
鉴权 · 会话 · SSE
Main Agent
理解意图 · 选能力
Subgraph
固定顺序的子图
执行与数据
Tool Registry
schema · 路由
Executor
校验 · 重试 · 超时
Service
权限 · 事务 · 状态
MySQL
业务数据 · 检查点

架构示意,用于表达分层与调用方向;具体模块名与实现细节以代码为准。

05

关键工程设计

Agent 不直接访问数据库

模型不拼 SQL、不认识表名。它能做的只是选择「调用哪个工具」,工具内部再走 Service。

Service 是业务逻辑、权限、事务与状态校验的唯一入口

这四件事在 prompt 里写不清楚,也验不了。放在代码里,才能被单元测试覆盖。后端按 11 个业务领域分模块,禁止跨模块访问 Repository;User 模块负责认证与个人数据隔离。

Tool Calling 与 Workflow 编排职责分离

确定的顺序写成边,只有真正需要语义判断的分支交给模型。单 Agent + 内部 Subgraph,LLM 只负责意图理解与工具选择。

Checkpoint、人工确认与失败恢复

基于 LangGraph Checkpointer 实现流程中断与恢复:长任务中断后从最后一个可信状态继续,而不是整条链路重跑;确认点先展示结果,用户确认后再执行,副作用保持幂等。

06

技术栈

PythonFastAPILangGraphReactTypeScriptMySQLSSELangSmithDeepSeek
07

从 0 到上线

从 Java 后端转到 AI Agent 技术栈,从零独立设计并交付了这款产品:产品定义、架构、全栈开发与部署都是一个人完成。 过程中踩过的坑——工具边界、上下文膨胀、状态恢复、成本与延迟——都写进了 「手搓 Agent」28 篇。