使用说明
🚀 EduPilot：下一代人工智能导师生态系统
基于模型上下文协议（MCP）的生产就绪多代理编排引擎
大规模提供超个性化、自适应和互动的学习体验。
🌎 愿景
传统教育的规模很小。静态课程无法适应，单一提示的法学硕士缺乏真正学习所需的记忆、教学结构和安全性。
EduPilot 通过利用 分散式多代理架构。我们使用 LangGraph 充当路由监控器状态机。它动态拦截自然语言意图，并将任务路由到高度专业化、面向目标的任务 船员AI 专家代理人。结果如何？一个完全自主的数字导师，保持永久状态，通过Vector RAG咨询真实的教科书，并在新成立的学校无缝地提供一切服务 模型上下文协议（MCP）.
⚡ 技术栈
我们这里不做单片架构。这是一个模块化的、事件驱动的编排堆栈：
- 编排层:
LangGraph（监控状态机） - 特工情报:
CrewAI&LangChain（课程策划器、疑问解答器、测验生成器） - 知识检索与RAG:
ChromaDB（用于超低延迟上下文检索的本地嵌入） - 状态和记忆持久性:
SQLite（用于纵向掌握映射的本地离线存储） - API和扩展性:
FastAPI（REST端点）+FastMCP（克劳德桌面集成） - 前端应用程序：零依赖香草HTML/CSS/JS（Glassmorphism暗模式）
🧠 特工部队
| 微服务代理 | 主要职责 | 相关能力 |
|---|---|---|
| 👑 编排者 | 行车调度员： 无限地承担任务，对语义意图进行分类，获取SQLite掌握记忆，并将其路由到正确的船员。 | Routing, State Augmentation, Guardrails |
| 🧑🏫 课程个性化设置 | 动态课程： 根据学生的需求动态调整5E模型定制的课程计划 精确 学习风格（视觉、听觉、动觉）和年龄。 | Bloom's Taxonomy Scaling, Adaptive Difficulty |
| 🛡️ 怀疑解决程序 | RAG解释者： 触发跨课程教科书的矢量数据库检索，以准确回答问题，而不会产生非学校董事会事实的幻觉。 | ChromaDB, Pinecone, Misconception Bridging |
| 📝 测验生成器 | 评估： 为MCQ生成精确的、针对误解的干扰物。 | Formative Assessment |
| 📊 进度跟踪器 | 内存核心： 解析会话输出，并在持久SQLite内存层内永久更新学生掌握水平（0-100）。 | Spaced Repetition Data, Database Hydration |
📦 快速启动安装
在60秒内在本地开发环境中启动并运行。
1.克隆和设置虚拟环境
python -m venv venv
source venv/bin/activate # On Windows: .\venv\Scripts\Activate.ps1
2.水合物依赖性
pip install -r requirements.txt
3.注入环境密钥
复制 .env.example 到 .env 并配置您的基础模型提供者（建议使用Anthropic进行推理，OpenAI进行生成）：
ANTHROPIC_API_KEY="sk-ant-..."
OPENAI_API_KEY="sk-proj-..."
🎯 运行平台
EduPilot旨在在任何地方运行。选择您喜欢的交互方式：
方法A：交互式Web应用程序（推荐）
启动REST后端：
uvicorn main:app --reload --host 0.0.0.0 --port 8000
然后只需双击 frontend/index.html 在您的本地计算机上启动我们完全解耦、零构建步骤、超高级的聊天界面。
方法B：本地MCP集成（Claude Desktop）
因为EduPilot是官方 MCP服务器，您可以将代理编排器直接导入Claude！
只需修改您的 claude_desktop_config.json 文件：
{
"mcpServers": {
"edu-pilot-agent": {
"command": "C:/path/to/venv/Scripts/python.exe",
"args": ["C:/path/to/mcp_server.py"]
}
}
}
注意：请确保指向 python.exe 在虚拟环境中，这样依赖关系才能正确解决！
方法C:MCP检查员
想在本地使用裸机MCP工具吗？
npx @modelcontextprotocol/inspector .\venv\Scripts\python.exe mcp_server.py
建于❤️ 为了AGI驱动的教育的未来。