使用说明

EDUMCP

EDUMCP是education Model Context Protocol的缩写，是一种创新的开放平台协议，旨在打破目前教育领域人工智能应用中的筒仓效应。基于强大的模型上下文协议（MCP），EDUMCP实现了不同AI模型、教育应用程序、智能硬件甚至教学内容之间的无缝互连和互操作性。

人工智能辅导系统可以通过故事生成模型、交互式游戏引擎或虚拟实验平台轻松共享和理解数据和上下文。通过建立这样一个标准化的沟通桥梁，EDUMCP为教育领域带来了前所未有的可能性，使各种人工智能工具能够协同工作，为用户提供更丰富、更个性化、更鼓舞人心的学习内容和服务。

EDUMCP单句视频创作框架

您只需要提供一个句子主题，EDUMCP就可以为儿童生成大约30-60秒的动画视频。它将支持英语翻译：对话内容修改和图像更改。比如：制作一个EDUMCP机器人的视频，让ROYA开始享受学习。

概述

AICHILDEDU是一个专为儿童设计的创新教育平台，利用人工智能的力量创造引人入胜、个性化和教育性的内容。该平台使用微服务架构来提供各种基于人工智能的教育体验，允许灵活扩展和功能扩展。

特性

个性化故事生成：创建针对特定年龄组、主题和教育重点的定制教育故事
教育测验创作：生成引人入胜的测验和问题，以强化学习目标
多媒体集成：将文本、图像、语音和视频组合成综合教育材料
适合年龄的内容：基于年龄组和发展阶段的内容定制
多语言支持：支持以多种语言生成内容
用户管理：具有家长、教师和管理员角色的综合用户系统
家长控制：强大的家长控制功能，确保适合儿童的内容
异步处理：资源密集型人工智能操作的非阻塞任务执行

系统架构

EDUMCP遵循微服务架构，包含以下关键组件：

                           ┌─────────────────┐
                           │   API Gateway   │
                           └───────┬─────────┘
                                   │
┌────────┬────────┬────────────────┼────────────────┬────────────────┐
│        │        │                │                │                │
▼        ▼        ▼                ▼                ▼                ▼
┌──────────┐ ┌─────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│   User   │ │ Content │ │ Learning     │ │Recommendation│ │  Analytics   │
│ Service  │ │ Service │ │ Service      │ │   Service    │ │   Service    │
└──────────┘ └─────────┘ └──────────────┘ └──────────────┘ └──────────────┘
                                 ┌──────────────────────────┐
                                 │       AI Services        │
                                 │                          │
                                 │ ┌─────────┐ ┌─────────┐  │
                                 │ │  Text   │ │ Image   │  │
                                 │ │Generator│ │Generator│  │
                                 │ └─────────┘ └─────────┘  │
                                 │ ┌─────────┐ ┌─────────┐  │
                                 │ │  Voice  │ │  Video  │  │
                                 │ │Generator│ │Generator│  │
                                 │ └─────────┘ └─────────┘  │
                                 └──────────────────────────┘

使用的技术

后端：Python、FastAPI、Uvicorn
数据库：PostgreSQL、MongoDB、Redis
AI和ML：LangChain、EDUMCP GPT模型、TensorFlow、PyTorch、Transformers
存储：MinIO（对象存储）
搜索：Elasticsearch
容器化：Docker，Docker Compose
认证：基于JWT的身份验证

入门指南

先决条件

Docker和Docker Compose
Python 3.10或更高版本（用于本地开发）

安装

克隆存储库：

git clone https://github.com/CHILDEDUAI/aichildedu.git
cd aichildedu

创建一个 .env 根目录中的文件，包含以下变量：

# Database
POSTGRES_USER=postgres
POSTGRES_PASSWORD=postgres
MONGODB_URI=mongodb://mongodb:27017/
MONGODB_DB=EDUMCP

# Authentication
SECRET_KEY=your_secret_key_change_in_production

使用Docker Compose启动服务：
```
docker-compose up -d
```
API网关将在 http://localhost:8000

地方发展设置

创建虚拟环境：

python -m venv venv
source venv/bin/activate  # On Windows, use `venv\Scripts\activate`

安装依赖项：
```
pip install -r requirements.txt
```

运行所需的服务：

uvicorn aichildedu.user_service.main:app --reload --port 8001

使用示例

生成一个故事

import requests

api_url = "http://localhost:8000/api/v1/ai/text/story"

story_request = {
    "title": "The Curious Robot",
    "theme": "Technology and Friendship",
    "age_group": "6-8",
    "characters": [
        {
            "name": "Robo",
            "description": "A curious and friendly robot who wants to learn about the world"
        },
        {
            "name": "Mia",
            "description": "A smart girl who loves technology and building things"
        }
    ],
    "educational_focus": "Introduction to robotics and programming concepts",
    "length": "medium",
    "language": "en"
}

response = requests.post(api_url, json=story_request)
task = response.json()

print(f"Story generation task created: {task['task_id']}")
print(f"Check status at: {task['status_check_url']}")

检查任务状态

import requests

task_id = "task_12345"
status_url = f"http://localhost:8000/api/v1/ai/text/tasks/{task_id}"

response = requests.get(status_url)
status = response.json()

print(f"Task status: {status['status']}")
print(f"Progress: {status['progress']}%")

检索生成的内容

import requests

task_id = "task_12345"
result_url = f"http://localhost:8000/api/v1/ai/text/tasks/{task_id}/result"

response = requests.get(result_url)
story = response.json()

print(f"Story Title: {story['title']}")
print(f"Summary: {story['summary']}")
print("\nContent:")
print(story['content'])

API文档

API文档可在以下网址获取：

API网关： http://localhost:8000/docs
用户服务： http://localhost:8001/docs
内容服务： http://localhost:8002/docs
学习服务： http://localhost:8003/docs
AI文本生成器： http://localhost:8010/docs
AI图像生成器： http://localhost:8011/docs
AI语音生成器： http://localhost:8012/docs
AI视频生成器： http://localhost:8013/docs

服务体系结构

用户服务

处理用户管理、身份验证和授权。管理用户配置文件、子帐户和家长控制。

内容服务

使用以下功能管理教育内容的创建、存储、检索和组织：

内容类型管理:
- 故事：具有性格发展、主题和道德课程的互动教育叙事
- 测验：可定制的问题集，包括答案、难度级别和评分机制
- 课程：具有教育目标和先决条件的结构化学习材料
内容组织:
- 分类：具有父子关系的内容分层组织
- 标签：灵活的内容标签，可提高可发现性和过滤性
- 集合：用户创建或策划的内容集（自定义、课程、特色）
内容过滤和搜索:
- 基于最小/最大年龄范围的适合年龄的过滤
- 难度级别过滤（初级、中级、高级）
- 内容评级过滤（G、PG、教育）
- 多语言支持
- 全文搜索功能
内容元数据:
- 教育价值追踪
- 主题和主题分类
- 阅读时间估算
- 字数统计指标
用户交互:
- 内容反应（喜欢、最喜欢、有用）
- 内容共享和权限
- 用户特定内容集合
多媒体资产管理:
- 图像、音频和视频资产的存储和检索
- 与教育内容的资产关联

学习服务

通过以下功能跟踪学习进度、个性化学习路径和教育成就：

学习路径管理:
- 课程设计：基于年龄组和科目的结构化学习路径
- 先决条件：学习材料的依赖性管理
- 进度跟踪：实时监控学习里程碑
- 自适应学习：根据表现动态调整内容难度
评估和评价:
- 进展评估：定期评估学习成果
- 技能水平分析：跟踪特定学科的能力
- 性能指标：学习活动的详细分析
- 成就系统：游戏化奖励和成就徽章
个性化功能:
- 学习风格检测：确定个人学习偏好
- 内容建议：基于人工智能的下一步学习建议
- 节奏调整：基于个人进步的灵活学习速度
- 基于兴趣的学习：根据表现出的兴趣定制内容
进度报告:
- 详细分析：全面的学习进度可视化
- 家长/教师仪表板：监护人和教育工作者的监测工具
- 进度报告：定期自动评估摘要
- 学习见解：人工智能生成的改进建议
协作学习:
- 同伴学习：促进小组学习活动
- 社会互动：安全、有节制的同行沟通
- 集团项目：协作教育任务
- 共同成就：社区学习里程碑
学习支持:
- AI辅导：困难概念的智能辅助
- 家庭作业帮助：有指导的问题解决支持
- 评审会议：自动审查具有挑战性的材料
- 学习资源：加深理解的附加材料

人工智能服务

文本生成器

创建具有以下功能的教育故事和测验：

基于年龄、主题和教育重点的个性化故事生成
可定制难度等级的测验生成
异步任务处理，实现更好的资源管理
基于模板的内容定制

图像生成器

创建插图以配合教育内容：

故事插图生成
字符可视化
教育图表

语音发生器

为教育内容提供音频旁白：

不同人物声音的故事叙述
多语言支持
适合年龄的语音适应

视频发生器

创建教育视频和动画：

故事动画
教育概念可视化
互动式学习内容

发展与贡献

开发工作流程

分叉存储库
创建要素分支
实施您的更改
为新功能编写测试
提交拉取请求

代码的风格

本项目遵循PEP 8风格指南。在提交PR之前，请确保您的代码符合这些标准。

许可证

此项目在Apache License 2.0下获得许可-有关详细信息，请参阅License文件。