Sobre o projeto

StudyMate é um projeto de código aberto de parceiro de aprendizado de IA, posicionado como um "fluxo de trabalho de aprendizado de matemática/ciência da computação, SKILL e mecanismo de HTML para cursos", com o conceito central de "learn with doing" (aprender fazendo). **Suporte multiplataforma**: O projeto pode ser executado como um preset de "modo de aprendizado" do DeepSeek Harness (DSH), empacotado como um plugin nativo de multiagentes do Google Antigravity, ou importado via arquivo ZIP para Codex / ChatGPT Work. O DSH depende de Node.js 22/24+, Python 3.9+ e PyYAML. **Divisão de trabalho de cinco agentes**: O sistema organiza cinco papéis conforme necessário: coleta de recursos (resource-scout, que organiza materiais de livros didáticos autoritativos e documentação oficial), coleta de imagens (image-scout, que extrai imagens de páginas da web para criar um banco de imagens), design de currículo (curriculum-designer, que organiza um roteiro de pontos de conhecimento com base em pré-requisitos), coach de aprendizado (learning-coach, que escreve o conteúdo de explicação dos cursos) e avaliação de prática (practice-evaluator, o único proprietário do banco de questões). Quando o host suporta, pode delegar a subagentes; caso contrário, conclui sequencialmente. **Estrutura do curso**: Cada curso tem um esboço, com pontos de conhecimento organizados em um roteiro por dependências, e cada nó é marcado com um tipo de aula (aula conceitual / aula prática / aula experimental). Os cursos são renderizados em HTML, com estilo próximo a livros didáticos clássicos, incluindo imagens ricas, questões personalizadas e objetivos de projeto. O progresso do aprendizado é salvo em arquivos, e novas conversas podem herdar o progresso. **Memória compartilhada entre disciplinas**: O sistema lembra o nível atual do usuário, métodos eficazes de explicação e pontos de dificuldade comuns, sem necessidade de se apresentar novamente ao mudar de disciplina. **Capacidades de engenharia**: O repositório inclui 12 definições de habilidades (controle geral + 5 papéis + 6 protocolos), 5 esquemas de estrutura de dados, modelos de página e recursos de front-end, scripts de geração de página inicial e renderização de cursos, quatro verificações de validação (esboço / curso / banco de imagens / frontmatter de habilidades) e testes de regressão com npm test. O espaço de trabalho de exemplo inclui dois cursos completos: álgebra linear e redes de computadores, prontos para clonar e explorar. O projeto é licenciado sob MIT, mantido por Cattofu, com grupo de comunicação QQ e compromisso de manutenção de longo prazo.