获得一对一AI辅导

获得量身定制的教学大纲与自适应课程，实现学习效率的显著提升。

详细介绍

Bloom

Bloom 是一款基于 AI 的私人导师，基于 Bloom 的 2-Sigma 研究（一对一辅导可使成绩提升两个标准差，达到前 2%）。它生成结构化教学大纲，逐一授课，读取你的注释和反馈，然后根据你的理解水平个性化调整下一节课，就像真正的导师一样。

适用场景

任何想学习某个主题的人

支持三种方式：输入主题、上传源文件（PDF/TXT/MD）或项目文件

适合需要自适应学习节奏、希望获得个性化反馈的用户

效果预览

核心能力

三种课程模式 ：通过主题生成课程、上传 PDF/TXT/MD 源文件、或上传项目文件（直接渲染文件，支持高亮和提问，不生成课程大纲）

学习深度选择 ：创建课程时选择简单、标准或深度大纲扩展，课程卡片上会显示对应徽章

参考材料 ：创建主题课程时，可粘贴教材章节、论文或笔记作为参考

下一主题推荐 ：根据你的学习历史生成 3 个可继续学习的主题，可刷新、保存到学习队列，或直接开始正常课程

高亮问答 ：在课程或源文件中选中任意文本，点击弹出图标即可提问，高亮内容保持黄色标记，AI 即时回答，支持追问，窗口可拖动并折叠为边距点

自适应课程 ：每节课根据上一节课的反馈弥补你的具体知识缺口

章节侧边栏 ：阅读时快速跳转各课

可折叠大纲 ：追踪掌握进度，避免杂乱

流式生成 ：实时观看 AI 撰写下一节课

个人中心与学习日历 ：查看月度学习日历、每日活动统计、六个月的贡献热力图

工作方式

主题模式

创建课程 → AI 生成教学大纲和第一课

阅读课程 → 高亮文本 → 添加注释

撰写反馈 → 回答思考题

点击“完成阅读” → AI 生成下一课（包含答案回顾、注释回复和新内容）

重复直到所有掌握项被勾选 ✓

自动生成评估 → 然后总结

源文件模式

上传 PDF/TXT/MD → AI 生成教学大纲和源文件阅读章节

阅读源文件 → 高亮文本 → 提问并立即获得答案

点击“完成阅读” → AI 读取完整源文件 + 问答记录，然后生成下一课

继续正常的自适应课程流程

项目文件模式

上传单个文件、多个文件或整个文件夹 → 每个文件直接渲染为一页

阅读每个文件 → 高亮文本 → 提问并立即获得答案

不生成大纲或下一课；文件和问答记录用于生成下一步建议

你需要提供

Web 模式

Python 3.11+ 和 Node.js 18+

一个兼容 OpenAI 的 LLM API 密钥（例如 DashScope、OpenAI 等）

配置 .env 文件中的 LLM_API_KEY

CLI 模式

Claude Code

将 bloom-tutor 技能添加到 Claude Code 后使用

你会获得

一个完整的个性化课程（包含大纲、多节课）

自适应学习体验：每节课根据你的反馈调整内容

高亮问答记录，AI 即时回答

课程评估和总结

下一主题推荐，持续扩展学习

使用示例

Web 模式 ：打开网站，点击“New Course”，选择“Topic”，输入“Python 基础”，设置学习深度，然后开始学习。

CLI 模式 ：在 Claude Code 中说“Create a new folder and help me learn [任意主题]”。

选型说明

模式
设置
最适合

CLI
Claude Code + 终端
喜欢 Markdown 编辑器的进阶用户

Web
浏览器（React + FastAPI）
视觉学习者、可分享的配置

两种模式都遵循相同的流程：大纲 → 课程 → 注释 → 反馈 → 下一课 → 评估 → 总结。

可用的 Claude Code 技能

Bloom 附带一组可移植的 Claude Code 技能，每个技能独立无依赖，复制到 skills 目录后可直接使用。

技能
功能

bloom-tutor
完整的交互式辅导系统：大纲 → 自适应课程 → 注释 → 评估 → 总结

learn-deep
默认深度入口：一次性运行所有五个透镜，然后帮你选择方向

learn-crossover
利用已有知识学习新概念（结构类比）

learn-occam
决定是否值得学习、学到多深（ROI、够用即可）

learn-graph
构建某个领域的知识图谱地图和学习路径

learn-prototype
通过构建最简陋的可用原型并迭代来学习

learn-feynman
通过向他人解释来验证是否真正理解

科学原理

概念
含义

Bloom 的 2-Sigma
一对一辅导比课堂教学提高两个标准差

掌握学习
真正理解概念后再继续前进

苏格拉底式提问
用提问代替直接给出答案

间隔提取
课程开始时回顾思考题以巩固记忆

自适应路径
内容根据个人反馈实时调整

注意事项

Web 模式需要有效的 OpenAI 兼容 API 密钥，请确保在 .env 文件中正确配置。

CLI 模式需要安装 Claude Code 并正确配置技能目录。

项目文件模式不生成大纲或后续课程，仅用于阅读和提问。

所有数据本地处理，AI 调用通过你自己的 API 密钥完成。

课程内容完全由 AI 生成，建议用户根据自身判断验证信息准确性。

试试这样做

• 请帮我创建一个关于量子力学基础的学习课程，并根据我的反馈调整后续教学难度。
• 我上传了一份关于人工智能的 PDF 文档，请根据文档内容为我制定一份学习大纲。
• 请使用费曼技巧测试我对刚刚学习的编程概念的理解程度。

作者：Li-Evan 学生研究者 / 所有人 ｜ GitHub Stars 209 ｜ 标签：教学研究 知识管理 已认证 开源许可: MIT

来源：colaos.ai ｜ Skill ID：bloom