The AI-Powered Deep Study Assistant for Systematically Learning & Mastering Any Material.
"Education is what remains after one has forgotten what one has learned in school." — Albert Einstein
在面对 800 页的权威技术认证、前沿英文学术论文、晦涩的架构白皮书或外语专著时，每一个严肃的**自学者（Autodidact）**往往都经历过这些痛苦：
- 机翻软件生硬割裂：长难句生搬硬套、上下文语境丢失、关键术语前后矛盾；
- “虚假学会”的快餐总结：市面上的 AI 总结工具把几十页干货压缩成几行干瘪的省流要点，看的时候以为懂了，真正合上书脑中空空，完全没有建立深刻认知；
- 缺乏深度拆解与就地追问：遇到晦涩逻辑、复杂公式推导或隐藏前提时无处求证，难以由浅入深彻底吃透原作者的思维脉络。
💡 特别说明：Omnididact 不是一个“知识库”，也不是来帮你“整理散落笔记”的。
它的核心使命是作为一个全材料深度研学助手：以科学的自学与理解方法论为基石，协助你逐段推敲、就地追问、解构难点，真正系统性地自学并吃透复杂材料，把硬核知识内化为自己的真本事。
📥 全材料导入枢纽 🔍 结构化解构与清洗 📖 双语沉浸研学
[系列网页 / 知识库文件夹 / EPUB] ──▶ [目录树嗅探 / 保序并发抓取] ──▶ [句段平行中英排版]
[PDF / Word / MD / TXT] [跨页断行缝合 / 图片离线缓存] │
▼
🌐 随身离线成果大厅 🗂️ 科学内化与巩固 🤖 即时伴读深度追问
[单文件/多文档纯静态SPA] ◀── [SM-2 遗忘曲线自测闪卡] ◀── [就地费曼式答疑解惑]
- 结构拆解与全材料兼容：精准提取 PDF、Word、EPUB、Markdown 资料包以及系列网页技术文档的层级章节、代码块与公式图表；
- 保序并发与高可用自愈：8 路异步受控并发抓取大型 Web 文档站（如 1000+ 章节），内置 25 秒超时隔离、自动重试、在线图片 Fallback 与单章增量补抓；
- 双语精读：段落级中英平行排版，默认墨玉羊皮等 4 套经典研学护眼主题，配合向下滚动自动隐藏顶栏，沉浸专注；
- 即时伴读追问（核心）：段落级带上下文滑动窗口的专属研学私教，随时对长难句、核心论点、工程权衡发起就地费曼式追问与概念解构；
- 科学自测内化：从核心概念中提炼互动 3D 闪卡与镂空挖空题（Cloze），基于 SuperMemo SM-2 间隔重复算法进行主动回忆自测，巩固长期记忆；
- 离线成果携带：所有双语对照、伴读解析与自测卡片均可一键导出为零外部依赖的单文件或离线静态研学成果大厅，断网随身可用，直传 Cloudflare Pages 或 GitHub Pages。
Omnididact 围绕“大模型配置 ➔ 材料导入 ➔ 批量翻译与双语精读 ➔ 段落伴读追问 ➔ 闪卡提炼 ➔ SM-2 科学自测”打造了完整的闭环。以下为核心功能与操作步骤说明：
系统内置解耦的模型抽象层，支持本地私有大模型与云端 API 无缝协同，并按研学场景精细化分配模型职责：
- 多源 Provider 统一接入：原生支持 OpenAI 兼容协议（DeepSeek、OpenRouter、SiliconFlow、Moonshot、vLLM）、本地自建模型（Ollama、LM Studio）、企业级及边缘云（Cloudflare Workers AI、NVIDIA NIM、AMD ROCm）以及自定义网关插件；
- 分工模型灵活指定：可分别针对 文本翻译、研学伴读助教 和 多模态/OCR 设定默认的 Provider 与对应模型；
- 即时连通性检测：输入端点或 API Key 后，点击即可一键测试服务连通性，并自动拉取并刷新最新可用模型列表。
访问研学工作台（/study），您可以在同一个现代化工作台中一站式完成文档阅读、双语对照、伴读追问、笔记记录与闪卡生成：
-
📥 全材料导入枢纽 (Omni-Material Import Hub)：
点击左侧 【导入研学材料】，支持统一导入多达 4 类知识载体：
-
🌐 知识性系列网页 / 文档站 (Web Series)：
- 智能嗅探文档框架侧边栏（MkDocs、Docusaurus、GitBook、Sphinx 等）；
- 自动圈选所属专题模块姊妹篇（如 OWASP MASTG 专题），支持在树状目录中自由多选或全选；
- 8 路保序受控并发：1000+ 章节大文档抓取时间由 1+ 小时缩短至 5~8 分钟，严格保持原目录序号；
- 单页 25 秒熔断与抖动重试：网络偶发抖动自动重试，持续超时单页熔断，彻底告别整书挂起卡死；
- 图片双轨 Fallback：图片下载失败自动保留源站公网绝对 URL，在线直连展示，绝不出现 404 裂图；
- 失败按需重抓：侧边栏自动检测未完成或超时的章节，显示【重抓失败 (X章)】，极速增量补齐。
-
📁 Markdown 资料文件夹 / 压缩包 (Folder & Zip)：
- 支持在浏览器中直接选择本地项目文件夹或上传
.zip压缩包； - 自动识别
SUMMARY.md、mkdocs.yml、_sidebar.md或数字前缀文件树； - 自动识别并迁移包内
images/等静态图片附件。
- 支持在浏览器中直接选择本地项目文件夹或上传
-
📚 EPUB 原生电子书 (E-Book)：
- 纯原生无损解包容器，提取书名、作者与 NCX/NAV 目录树，将各章节与插图按阅读流转化为标准教材。
-
📄 常规学术文档：
- 原生支持 PDF（文字版/扫描版）、Word (DOCX)、单 Markdown、TXT。
-
🌐 知识性系列网页 / 文档站 (Web Series)：
-
⚡ 批量翻译与双语平行排版：
- 点击顶栏 【⚡ 批量翻译】 或章节头部的 【⚡ 批量翻译本章】，系统按当前绑定的翻译模型逐段并行沉浸式翻译；
- 原文与译文采用段落级平行排版，默认墨玉羊皮（Sepia）、**深邃夜色（Dark）**等 4 套护眼主题，版心宽度自适应调节；
- 阅读时向上滚动自动显现导航顶栏，向下深入阅读时自动渐隐，提供极致沉浸感。
-
🤖 段落 Chat（AI 伴读助教）：
- 阅读中遇到长难句、晦涩公式或工程权衡时，点击段落旁的 【🤖】 图标即可在右侧唤出伴读抽屉；
-
滑动上下文窗口：智能带入当前段落的前后文（支持自由设置前带
$N$ 段、后带$M$ 段），确保大模型答疑具备宏观上下文脉络； - 预置快捷指令胶囊：提供“长难句剖析”、“核心术语提炼”、“通俗解释论点”、“自测思考题”等一键提问，深入推敲难点。
-
📝 研学笔记与章首导读：
- 支持在章首添加“全章导读与学习总结”，支持对任一学术概念划选抓取并撰写富文本笔记。
-
🗂️ 考点闪卡一键提炼：
- 伴读助教在拆解段落核心考点后，会自动生成符合记忆规律的问答卡（QA）或镂空填空卡（Cloze）；
- 只需点击 【➕ 采纳加入闪卡】，即可瞬间将其归入当前文档的配套闪卡复习库中。
点击顶栏的 【🗂️ 闪卡】 进入 SM-2 闪卡记忆中心，将阅读理解吸收的知识牢固沉淀为长期记忆：
- 🎴 3D 真实卡片翻转自测：
- 正面展现核心问题或挖空语句，按空格键或点击即可触发 3D 平滑翻转查看反面权威解析；
- 支持问答卡（QA）与镂空掩码（Cloze），倒逼大脑进行主动回忆（Active Recall）。
- 🧠 启发式伴读助教（不剧透答案）：
- 自测卡壳时无需直接翻看答案，点击右侧助教的 【💡 启发线索】、【🎯 核心考点定位】 或 【🗺️ 知识体系背景】，AI 导师会提供思维脚手架与背景线索，引导你自主推理并回忆出答案。
- 📈 SuperMemo SM-2 科学遗忘曲线调度：
- 自测完成后，根据自我记忆反馈评分：
[1] 忘记 / 再来（重置复习间隔，自动归入错题攻坚集）[2] 困难 / 模糊（微调缩短间隔，近期强化）[3] 良好 / 记得（按遗忘曲线标准间隔推进）[4] 熟练 / 掌握（跃升复习间隔，进入稳固记忆期）
- 系统精确计算并安排下一次复习时间，彻底告别“前学后忘”。
- 自测完成后，根据自我记忆反馈评分：
- 极简自适应排版：支持标准版心（1100px）、紧凑版心（850px）、宽屏与全宽切换，配备字体逐级缩放（A-/A+）；
- 4 套经典研学主题：默认护眼墨玉羊皮（Sepia）、深邃夜色（Dark）、纯净雅白（Light）、雅致墨绿（Forest）；
- 平滑智能顶栏：随阅读深度自动渐隐，触顶平滑浮现；全章节目录树秒级跳转。
- 多形态全材料支持：
- 技术文档站 (Web Series)：原生支持 MkDocs、Docusaurus、GitBook、Sphinx 目录嗅探与层级多选；
- 资料包 (Folder & Zip)：一键拖入 Markdown 文件夹或压缩包，智能识别
SUMMARY.md/mkdocs.yml； - 电子书 (EPUB)：纯原生无损解析书籍元数据、NCX 目录与插图；
- 学术文献：高保真解析 PDF（文字版/扫描版）、Word (DOCX) 及 TXT。
- 高保真图表与双轨 Fallback：本地化离线嵌入插图，若源站下载超时自动降级保留公网绝对 URL 在线直连，绝不裂图；
- 排版断裂自动修复：自动识别 PDF 换行误切断词并无缝缝合，还原流畅语义流；
- 8路保序并发与故障自愈：上千章节大型文档受控并发高速抓取，单页 25 秒超时熔断防死锁，支持侧边栏【失败重抓】一键按需补齐。
内置统一的 Provider 抽象架构，支持一键热切换与连通性测试：
- 🟢 LM Studio：本地显卡运行开源大模型（默认
http://127.0.0.1:1234/v1）； - 🦙 Ollama：本地极速运行 Llama 3、Qwen 2.5、DeepSeek-R1（默认
http://127.0.0.1:11434）； - 🌐 OpenAI 兼容协议：原生直连 DeepSeek、OpenRouter、Moonshot、SiliconFlow、vLLM；
- ⚡ 企业级与边缘云：支持 Cloudflare Workers AI、NVIDIA NIM、AMD ROCm；
- 🧩 可插拔插件体系：通过
plugins/目录可零侵入扩展企业私有网关或专属协议。
基于 SuperMemo SM-2 间隔重复算法 与 3D 真实卡片翻转，让自学阅读提炼的考点真正跨越艾宾浩斯遗忘曲线。
- 离线研学大厅（Portal SPA）：一键将所有研读完成的文献、双语对齐、AI 伴读答疑与自测卡片打包为纯静态站点，支持全站模糊检索、分类筛选与自测进度记忆；
- 零成本随身携带/全球托管：解压即可直接双击离线打开学习，亦可拖拽至 Cloudflare Pages（全球免费 CDN）或部署至 GitHub Pages / Nginx；
- 增量 Patch 发布规范：每消化完一篇新材料，导出增量补丁包，只需放入
docs/并复制粘贴配置到docs.json，秒级完成成果同步，无需全站重新打包！
# 1. 克隆代码
git clone https://github.com/coodajingang/Ominididact.git
cd Ominididact
# 2. 准备配置文件
cp config.example.json config.json
# 3. 后台启动容器
docker compose up -d
# 4. 浏览器访问
# 打开 http://localhost:8000/studygit clone https://github.com/coodajingang/Ominididact.git
cd Ominididact
# 创建并激活 Python 虚拟环境
python3 -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
# 安装后端依赖
pip install -r requirements.txt# 复制示例配置文件
cp config.example.json config.json在 config.json 中配置你常用的大模型（例如填写 DeepSeek API Key 或启动本地 LM Studio / Ollama）。
# 构建前端静态产物
cd frontend
npm install
npm run build
cd ..
# 启动 Omnididact 服务
python proxy.py打开浏览器访问：http://127.0.0.1:8000/study，即可开启深度研学！
Omnididact 允许你把所有深入研读、中英对照、AI 深度答疑与自测闪卡的研学成果完整导出为纯静态离线页面，断网环境下也能随时自学复习：
- 导出全站研学大厅：在左侧资料库顶部点击 【📦 导出全站静态多文档知识库包】（包含所有材料的研读工作台与 3D 自测闪卡）；
- 离线自学或一键托管：
- 完全本地离线：解压后直接双击
index.html，无需启动 Python 后端，在任意浏览器中即可离线查看对照研读与自测闪卡； - 部署到 Cloudflare Pages / GitHub Pages：将解压后的文件夹整体拖入上传，10 秒内即可拥有一个属于自己的全球在线研学自测网站！
- 完全本地离线：解压后直接双击
- 后续增量追加新材料：
- 研学完新材料后，导出单篇文档的 【🧩 增量补丁包 (.zip)】；
- 将包内
docs/{doc_id}放入站点的docs/下，将patch_entry.json内容追加进根目录docs.json，刷新即刻上线！
omnididact/
├── proxy.py # FastAPI 主应用入口 (安全 CORS、全站鉴权)
├── auth.py # 全站统一 API Token 鉴权引擎
├── config_store.py # 配置脱敏、安全合并与环境变量注入
├── config.json # 配置文件 (模型服务商、Prompt模板)
├── study/ # 核心研学引擎模块
│ ├── service.py # 核心业务层 (路径校验、组装离线大厅/全站Zip)
│ ├── routers/ # 业务域模块化路由 (documents, chat, flashcards, ...)
│ ├── parser.py # 文档结构化解析与章节拆分
│ ├── flashcard_manager.py # 闪卡生成、标准 SM-2 算法调度
│ ├── anki_exporter.py # 纯 Python 官方 Anki .apkg 导出器
│ └── ...
├── providers/ # 统一模型接入层 (OpenAI/Ollama/LM Studio...)
├── plugins/ # 可扩展网关插件目录
├── templates/
│ ├── portal.html # 静态多文档研学大厅门户 SPA
│ └── flashcards.html # 离线 3D 闪卡交互 SPA
├── frontend/ # React 19 + TypeScript + Tailwind 现代化前端
└── docs/ # 技术架构白皮书与详细指引
Omnididact 严格遵循生产级安全基线设计：
- 全站统一 API Token 鉴权：通过
OMNIDIDACT_API_TOKEN环境变量启用全局鉴权，前端与静态导出自动适配，采用恒定时间比对防御计时攻击； - 配置接口敏感凭证自动脱敏与保持：所有 API Key、Secret 在读取与前端展示时自动掩码（如
****cdef），保存时自动保留本地已有真实密钥； - 环境变量优先覆盖 (12-Factor App)：支持
OPENAI_API_KEY、DEEPSEEK_API_KEY等环境变量直接注入，无需在config.json中保存明文密钥； - 路径遍历与写副作用防御：所有
doc_id和静态图片路径均经白名单正则与Path.relative_to封闭性强校验，纯读 GET 请求彻底移除写副作用； - CORS 来源白名单与 Debug 日志脱敏：默认仅允许
localhost/127.0.0.1跨域，严禁通配符携带凭证，Debug 日志强制过滤 Header 敏感字段与截断超长 Body。
- 多格式学术文献解析与图文混排高保真提取
- 句段平行双语精读与上下文滑动窗口 AI 助教
- 3D 翻转考点闪卡与 SuperMemo SM-2 科学记忆复现
- 导出 Anki 官方
.apkg格式闪卡包 - 纯静态离线研学成果大厅与增量 Patch 合并规范
- 知识概念解构与逻辑推导图谱自动生成（Mermaid / 3D 概念脉络图）
我们非常欢迎社区开发者为 Omnididact 贡献力量！无论是提交 Bug 报告、新增模型 Provider 适配器、优化双语排版样式，还是改进提示词工程，请随时发起 Pull Request 或 Issue。
- Fork 本仓库并新建分支 (
git checkout -b feature/amazing-feature) - 提交你的修改 (
git commit -m 'feat: Add some amazing feature') - 推送到你的分支 (
git push origin feature/amazing-feature) - 发起 Pull Request
本项目基于 Apache License 2.0 协议开源。