Bloom 开源 AI 家教
基于 Bloom 2-Sigma 研究的一对一 AI 家教:苏格拉底式提问 + 自适应课程,学什么都行。
- Star 数
- ★ 323
- 最近更新
- 4 天前
- License
- MIT
- 主语言
- Python
- FA 评分
- 57/100 · 缺口较多
30 秒速览
- 可在哪里用
- 通用 · 跨平台Claude Code · OpenAI API
- 开始前需要
- 典型场景
- 自学者想系统入门一个陌生领域:描述目标后先审阅大纲,再按自适应节奏逐节学习并拿到期末评测。
- 主要局限
- Web 版没有登录:能打开页面的人就是你,暴露到公网前必须套 VPN、Tailscale 或带 basic auth 的反向代理。
- 官网
- bloomtutor.app ↗ 来自 GitHub 仓库设置
- 维护状态
- 近 30 天有提交最近提交 2026-11-17近 7 天每天 +2.6 ★
- 源码审查
- 57/100 · 缺口较多
这个 Agent 能做什么,适合哪些场景?
Bloom 是一个开源的自学工具,灵感来自 Bloom 的“2 Sigma 问题”——一对一辅导能让学生成绩高出课堂均值两个标准差。它提供两条使用路径:一是 Claude Code(或 DeepSeek Harness)中的 bloom-tutor 技能,只需终端即可运行;二是自托管 Web 应用,由 FastAPI 后端和 Next.js 15 前端组成,默认 SQLite、可选 Postgres。核心流程统一为:生成大纲 → 逐节上课 → 高亮提问与批注 → 提交反馈 → 下一节按你的理解水平调整 → 评测 → 课程总结。Web 版还支持上传 PDF、Word、PPT、Excel、EPUB、Markdown、ZIP、项目文件夹或网页链接作为素材,并可用视觉模型把 PDF 页面转成可重排的 Markdown。它不自带模型,需要你填入任意 OpenAI 兼容接口的 API Key,所有数据留在自己的数据库中。
用户先描述学习目标或上传材料,Bloom 会追问几个澄清问题并生成一份“学完后能做什么”的大纲,供你审阅、修改或指定深度(simple/standard/deep)。之后逐节交付课程:每节开头回顾你在上一节思考题中的作答,回答你在高亮处提出的问题(PDF 内也可选段提问或标记但不提问),并遵循你的反馈(更短、更多例子、更慢等);最后一节是评测,随后生成课程总结。另有“Ask this lesson”可针对整节课或整份文件对话,选中文本可翻译成界面语言并解释语境与词根。材料路径下,backend/app 中的 uploads、web_import、document_import 会把文件、链接和浏览器剪藏转为可阅读页面;knowledge*.py 与 coordinate.py 将每门课映射到 Wikipedia Vital Articles 第 5 层的知识树上,并给出三个下一步课程建议。用户中心提供活动热力图、连续学习天数、高亮笔记汇总与 Markdown 导出。
- 自学者想系统入门一个陌生领域:描述目标后先审阅大纲,再按自适应节奏逐节学习并拿到期末评测。
- 工程师想用自己公司的文档、规范或一堆 PDF 上手新框架:上传资料包,让课程内容带来源引用。
- 习惯 Markdown 与终端的 Claude Code 用户:把 skills/bloom-tutor 复制进 .claude/skills/,用“帮我学 X”“我读完了”对话式推进。
- 读论文或网页时顺手学习:用浏览器剪藏扩展保存页面,或粘贴链接导入正文与图片后阅读提问。
- 想跟踪长期学习轨迹的人:在用户中心看热力图、笔记汇总,并沿知识地图挑选下一步方向。
- 需要私有部署的个人或小团队:用 docker compose 在一台机器上跑起无账号的学习环境。
安装与配置要点
摘自下方的安装和使用说明,以项目 README 的最新说明为准。
- 安装 / 启动命令
docker compose up -d --build # then open http://localhost:3000
- 端口
8000·3000- 环境变量
BACKEND_JWT_SECRETLLM_API_KEYLLM_BASE_URLLLM_MODELLLM_FAST_MODELPDF_READING_MODEL- 配置文件
.env.env.example- 运行环境
- Python 3.11+ · Node.js 20+
- 安装说明涉及
- Docker
如何安装或部署这个 Agent?
CLI 模式只需 Claude Code,无需后端。
git clone https://github.com/Li-Evan/BloomTutor.git
cd BloomTutor
# Install the tutor skill locally for this clone
mkdir -p .claude/skills
cp -R skills/bloom-tutor .claude/skills/
claude或以插件形式安装(打包 bloom-tutor 与 learn-* 技能):
/plugin marketplace add Li-Evan/BloomTutor
/plugin install bloom@li-evanDeepSeek Harness 用户可安装同一套技能:
dsh plugin --profile web add github:Li-Evan/BloomTutorWeb 模式需要 Python 3.11+(含 uv)、Node.js 20+(含 pnpm)以及任意 OpenAI 兼容模型的 API Key:
git clone https://github.com/Li-Evan/BloomTutor.git
cd BloomTutor
make setup # creates .env with a random BACKEND_JWT_SECRET, installs backend and frontend deps
# edit .env: fill in LLM_API_KEY, LLM_BASE_URL and LLM_MODEL
make dev-backend # terminal 1: runs the database migrations, then the API on 127.0.0.1:8000
make dev-frontend # terminal 2: the web app on http://localhost:3000或使用 Docker:
make setup # or: cp .env.example .env and fill it in yourself
docker compose up -d --build # then open http://localhost:3000如何使用这个 Agent?
CLI 模式启动后直接用自然语言指令开始学习:
Create a new folder and help me learn [any topic]Web 模式打开 http://localhost:3000,点击 New course,选择“Topic”或“Your materials”后按流程推进。关键环境变量:
# LLM_API_KEY, LLM_BASE_URL, LLM_MODEL: the model used for syllabi, lessons and answers
# LLM_FAST_MODEL: optional smaller model for the knowledge map, course placement and selection translation
# PDF_READING_MODEL: optional vision model for "PDF reading" (page images → Markdown)
# LLM_EXTRA_BODY: JSON passed as extra_body on every call, e.g. {"thinking":{"type":"disabled"}} for DeepSeek
# BACKEND_JWT_SECRET: shared by the frontend server and the backend
# DATABASE_URL: defaults to backend/storage/bloom.sqlite3常用命令:
make setup # create .env, install dependencies
make test # backend pytest + frontend tests
make up / make down # docker compose start / stop这个 Agent 有哪些优点和局限?
- 以 Bloom 2-Sigma、掌握学习、苏格拉底提问、间隔回想为明确设计原则,并把“回顾上节作答 + 按反馈调整下一节”写进课程引擎。
- 不绑定模型厂商:只要 OpenAI 兼容的 chat completions 接口即可,可接 OpenAI、DeepSeek、Qwen/DashScope、Moonshot 或本地 Ollama。
- 同一套技能包可在 Claude Code、DSH 插件和 Web 三种入口复用,skills/ 下每个目录无外部依赖,可直接复制使用。
- 素材路径完整:支持 PDF、Word、PPT、Excel、EPUB、Markdown、文本、ZIP、文件夹与网页链接,并保留来源引用。
- 自托管且单用户:无账号无计费,数据存在自己的 SQLite(或 Postgres)与 Docker 卷中,可选用 Langfuse 追踪模型调用。
- Web 版没有登录:能打开页面的人就是你,暴露到公网前必须套 VPN、Tailscale 或带 basic auth 的反向代理。
- 从旧 Vite 版本升级不迁移 bloom.db,新应用从 backend/storage/ 的空数据库开始。
- 需要自带模型 API Key,实际使用会产生按量计费的调用成本,且“PDF reading”另需一个视觉模型。
- 两套入口的配置成本不同:Web 模式要同时维护 Python 与 Node 两套工具链、.env 与 JWT 密钥。
- 无内置多用户、权限与计费能力,不适合班级或机构级部署。
这个 Agent 与同类方案有什么区别?
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Bloom 开源 AI 家教 当前 | 57 · 缺口较多 | — | ★ 323 | 4 天前 | Python | Claude Code · OpenAI API |
| YouTube Fetcher to Markdown | 81 · 表现良好 | Agent 插件 / 技能免费 | ★ 544 | 1 个月前 | Python | Codex · Claude Code |
| Obsidian Second Brain | 63 · 存在缺口 | Agent 插件 / 技能免费 + 模型费 | ★ 5.4k | 3 天前 | Python | Codex · Claude Code |
| Folio | 77 · 表现良好 | 自托管服务免费 + 模型费 | ★ 90 | 2 天前 | TypeScript | ChatGPT · Codex · Claude Code · Claude.ai |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
最小权限:后端仅绑定 127.0.0.1、docker compose 不发布后端、CORS 限定 WEB_URL,属合理默认(2);但无登录、任何人可访问即等同本人,且 JWT 密钥仅校验长度,扣分。用户确认:SKILL.md 强制单篇生成、禁止用户触发 summary,属产品设计而非破坏性操作,但上传/导入/删除等外部动作未见显式确认流程,仅 1。数据流透明:README 明确说明数据留在自有数据库、可选 Langfuse 追踪、模型网关可自选,main.py 日志刻意不打印 URL/密钥,较好(2)。敏感数据:conftest 强制测试离线、不连真实网关与 Langfuse,密钥长度校验,但未见对上传 PDF/用户笔记的加密或保留策略说明,2。依赖安全:有 secret-scan 与 lockfile 冻结安装,但未见依赖漏洞扫描/SBOM,1。外部影响:网页导入、浏览器剪藏、PDF 视觉模型会向外发请求,未见速率限制或域名白名单说明,1。回滚:仅说明旧 Vite 版数据库不迁移、新库从空开始,无备份/回滚指引,1。来源归属:LICENSE、THIRD_PARTY_NOTICES、字体 OFL 说明、知识树来源(Wikipedia Vital Articles)均有标注,2。
自洽性:SKILL.md 决策树、references 索引与 README 流程一致,main.py 启动校验缺配置即报错,2。依赖可用性:README 给出 Python 3.11+/Node 20+/uv/pnpm 版本,CI 用 uv.lock 与 pnpm-lock 冻结安装,2。失败信息:启动缺 JWT/LLM_MODEL 有中文明确报错,全局异常返回友好 detail 并带 CORS 头,housekeeping 失败记录并重试,2。
受众场景:区分 CLI 与 Web 两种模式、面向学习者与自托管者,2。能力边界:SKILL.md 明确单篇生成、苏格拉底提问≤2 轮、summary 不可主动触发,边界清晰,2。触发精度:description 列出中英触发词与场景,learn-deep 明确默认入口与单视角例外,2。环境适配:支持 OpenAI 兼容网关、Ollama、SQLite/Postgres、Docker,2。
信息架构:README 结构清晰、项目树与 docs/ARCHITECTURE 指引,2。安装说明:CLI/插件/DSH/Web/Docker 多路径步骤完整,3。命名稳定性:插件名 bloom、包名 bloomtutor-dsh、skill 名 bloom-tutor 并存,版本号 1.0.0/0.1.0/0.3.0 不统一,2。示例与 FAQ:有 example/ 与 GUIDE.md,但样本中未见 FAQ,2。已知限制:README 标注 PDF reading 实验性、无登录需置于认证之后、旧库不迁移,2。许可证:MIT 全文与第三方声明齐全,3。版本与变更日志:仅插件/包版本字段,未见 CHANGELOG,1。维护责任:作者署名 Li Zhengping/Evan,但发布者未经注册表验证,无维护承诺或安全联系渠道,1。
输出可用性:产出 syllabus/lesson/summary 等 Markdown 文档,格式模板在 references 中定义,可直接使用,2。边际价值:把 Bloom 2σ 与苏格拉底/费曼等方法打包为可移植 skill,有实际增量,但同类学习 skill 较多,2。成本收益:每篇课程需多次模型调用,Web 模式还需自托管数据库与前端,成本不低且效果依赖模型质量,1。
主张可追溯:README 引用 Bloom 1984 与 Wikipedia Vital Articles,但无具体链接或数据出处,1。交叉印证:README、SKILL.md、plugin.json 对功能描述基本一致,但 +2σ 效果主张无仓库内证据支撑,1。事实与推断分离:README 将研究结论与产品能力混述(如“把学习效果推向 +2σ”),未区分已证与推断,1。
- Web 模式无登录,任何人可访问即等同本人;暴露到公网前必须置于 VPN/反向代理认证之后。
- 上传资料、网页导入与浏览器剪藏会把内容发送到所配置的模型网关,需自行确认数据出境与隐私合规。
- 旧 Vite 版数据库不迁移,升级前请自行备份;仓库未提供回滚或备份流程。
- 发布者身份未经注册表验证,维护承诺与安全响应渠道不明确,长期可用性需自行评估。
- README 的 +2σ 效果主张缺少仓库内可核验证据,应视为产品愿景而非已证结论。
常见问题
我不填 API Key 能用吗?
Web 版能放到公网给多人用吗?
我可以换成本地模型或别家模型吗?
学习数据存在哪里?
知识地图的内容从哪里来?
Bloom 开源 AI 家教 官网是什么?
Bloom 开源 AI 家教 开源吗?
Bloom 开源 AI 家教 安全吗?
Bloom 开源 AI 家教 还在维护吗?
Bloom 开源 AI 家教 是谁开发的?
谢谢反馈,我们会据此改进页面。