AI 驱动的知识图谱 + 学习路径生成器 + 资源聚合器
面向机器人等工程领域的 Knowledge OS。不是课程网站，不是思维导图，而是围绕工程目标组织的知识网络。
当前版本：v0.6 · 知识库：232 节点 / 197 关系
LearnMap 是一个将散乱的技术文档、笔记、个人画像自动转化为结构化知识图谱的工具。你可以导入一份 Markdown 笔记，AI 提取出其中的技术概念、关系、学习路径，你审核确认后存入知识库，越用越大。
设计流程：
粘贴文本 → AI 提取 → 人工审核 → 确认入库 → 图谱展示
↓
知识挑战 → 人类补充描述
| 功能 | 说明 |
|---|---|
| 📝 导入文本 | 粘贴 Markdown，AI 自动提取节点/关系/学习路径，流式进度推送 |
| ✅ 审核面板 | 逐节点审核：接受、拒绝、编辑、手动添加，确认后才入库 |
| 🧠 知识挑战 | 随机出题（描述节点/定义关系），你的回答存入知识库 |
| 🌐 图谱浏览 | 5 种布局（力导向/同心圆/树状/层级/网格），交互式拖拽缩放 |
| 📋 大纲视图 | 幕布风格的缩进树，按层级展开/收起 |
| 📊 贡献查看 | 所有人类写的描述和关系，在节点详情页和贡献面板展示 |
| 📚 知识库累积 | 每次确认入库的数据累积增长，启动时自动加载 |
LearnMap/
├── README.md ← 本文件
├── learnmap.code-workspace ← VSCode 多根工作区
│
├── doc/ ← 设计文档（新人从这里开始）
│ ├── goal.md ← 产品愿景
│ ├── ontology.md ← 实体类型定义（17 种）
│ ├── relation.md ← 关系类型定义（14 种）
│ ├── setup.md ← 环境配置教程
│ ├── review/ ← 阶段评审与进度
│ ├── input/ ← 导入的原始文档
│ └── result/ ← DeepSeek 抽取结果
│
├── database/
│ └── knowledge_base.json ← 累积的知识库（232 节点）
│
├── scripts/
│ └── extract_graph.py ← 提取 pipeline（md → DeepSeek → JSON）
│
├── ai/
│ └── prompt/
│ └── md_to_graph.txt ← DeepSeek prompt v0.5
│
├── server.py ← 后端 API + 静态文件服务
└── graph.html ← 前端（2133 行单页应用）
# 1. 安装 Python 环境
conda create -n projectlearner python=3.11 -y
conda activate projectlearner
pip install openai python-dotenv
# 2. 配置 API Key
# 编辑 .env 文件（不上传到 GitHub）：
# DEEPSEEK_API_KEY=sk-xxxxxx
# 3. 启动服务器
python server.py
# 4. 打开浏览器
# http://localhost:8080
# 5. 导入文档
# 点击「📝 导入文本」→ 粘贴 Markdown → 「🚀 分析」
# → 审核节点 →「✅ 确认入库」doc/goal.md— 理解产品定位和设计哲学doc/ontology.md— 理解数据模型（17 种节点类型）doc/relation.md— 理解关系语义（14 种关系类型）doc/setup.md— 配置本地开发环境doc/review/vision-vs-reality.md— 了解当前进度和待办
| 层 | 技术 |
|---|---|
| 前端 | 原生 HTML/CSS/JS + Cytoscape.js |
| 后端 | Python http.server（单文件） |
| AI | DeepSeek API（OpenAI-compatible） |
| 存储 | JSON 文件（后续迁移到图数据库） |
| 环境 | Miniconda + VSCode |
MVP ████████████████████████████████ (已完成)
├─ 文本导入 + AI 提取
├─ 图谱可视化 + 三栏布局
├─ 审核面板 + 知识库持久化
└─ 知识挑战 + 人类贡献
V1 ████░░░░░░░░░░░░░░░░░░░░░░░░░░ (进行中)
├─ 图数据库（SQLite / Neo4j）
├─ 学习路径算法（拓扑排序）
├─ 前置知识自动计算
└─ "我要学 X" → 周计划生成
V2 (未开始)
├─ 多源资源聚合（论文/GitHub/视频）
├─ AI 自动摘要 + 质量评分
└─ 社区贡献 + 审核
V3 (未开始)
├─ Agent 驱动学习规划
├─ 数字孪生课程
└─ 完整工程闭环
MIT