প্রকল্প সম্পর্কে

LearnMate AI হলো একটি AI অধ্যয়ন সহচর, যা অধ্যয়ন সামগ্রীকে Spaces এবং Projects এ সংগঠিত করে, আপলোড করা PDF প্রসেস করে এবং একটি টিউটর প্রদান করে যা শুধুমাত্র আপলোড করা সামগ্রী থেকে পৃষ্ঠা উল্লেখ সহ প্রশ্নের উত্তর দেয়। যখন কোনো প্রশ্নের উত্তর সামগ্রীতে কভার করা থাকে না, সিস্টেম স্পষ্টভাবে "পর্যাপ্ত প্রমাণ নেই" সংক্রান্ত প্রতিক্রিয়া প্রদান করে। কুইজ দুর্বল ধারণাগুলোকে লক্ষ্য করে, ফ্রি-টেক্সট উত্তরকে মূল্যায়ন করে প্রতিক্রিয়া দেয় এবং প্রতিটি ধারণার দক্ষতা স্কোর আপডেট করে। ব্যাকগ্রাউন্ড জব ব্যবহারকারীর নিজের সামগ্রীর উপর ভিত্তি করে সুপারিশ তৈরি করে এবং একটি Growth ড্যাশবোর্ড প্রবণতা প্রদর্শন করে। স্থাপত্যটি React/Vite ফ্রন্টেন্ডকে Node.js/Express API এবং BullMQ ব্যাকগ্রাউন্ড ওয়ার্কারের সাথে একত্রিত করে। PDF কে প্রতি পৃষ্ঠা হিসেবে প্রসেস করা হয়: টেক্সট এক্সট্র্যাকশন, চাঙ্কিং, BAAI/bge-small-en-v1.5 এর মাধ্যমে এমবেডিং তৈরি করে pgvector এ সংরক্ষণ এবং ধারণা এক্সট্র্যাকশন। টিউটরের প্রতিক্রিয়ার জন্য প্রজেক্টের চাঙ্কগুলোর উপর সিমিলারিটি সার্চ ব্যবহার করা হয় এবং প্রমাণের পর্যাপ্ততা নিশ্চিত করতে স্কিমা-ভ্যালিডেটেড JSON ব্যবহার করা হয়। কুইজ প্রশ্ন নির্বাচন দক্ষতার ফাঁক, কম অনুশীলন, সাম্প্রতিকতা এবং ভুলের উপর ভিত্তি করে ধারণাগুলোকে স্কোর করে। দক্ষতা গণনার জন্য শুধুমাত্র যোগ করা যায় এমন ইতিহাস ব্যবহার করা হয় যেখানে নতুন প্রমাণের 60/40 ওয়েটিং রাখা হয়। স্ট্যাকের মধ্যে Prisma সহ PostgreSQL (Neon) এবং pgvector, জব কিউয়ের জন্য Redis (Upstash), LLM কলের জন্য Groq, হোস্ট করা এমবেডিংয়ের জন্য Hugging Face, PDF স্টোরেজের জন্য Cloudinary এবং HTTP-only কুকি সহ JWT প্রমাণীকরণ অন্তর্ভুক্ত। লোকাল সেটআপের জন্য Node.js 20+, pgvector সক্রিয় Postgres ডাটাবেস, Redis এবং Groq, Hugging Face ও Cloudinary এর API কী প্রয়োজন। প্রজেক্টটি বাস্তব অবকাঠামোর বিরুদ্ধে ইন্টিগ্রেশন টেস্ট অন্তর্ভুক্ত করে যা ক্রস-ব্যবহারকারী বিচ্ছিন্নতা, অ্যাডমিন অ্যাক্সেস, দক্ষতা গণিত, অভিযোজিত নির্বাচন, টিউটরের সামগ্রী ভিত্তিকতা এবং সামগ্রী প্রসেসিং আইডেমপোটেন্সি কভার করে। Vercel (ফ্রন্টেন্ড) এবং Render (সম্মিলিত API এবং ওয়ার্কার প্রসেস) এর জন্য ডিপ্লয়মেন্ট ডকুমেন্ট করা আছে।