LLM 学习计划生成器

一个基于大语言模型的个性化学习计划生成工具，能够根据用户的技术背景和学习目标，生成符合 SMART 原则的双周粒度学习计划，并进一步细化为日粒度学习安排。

我试着用 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale 分别给我制定了一个半年学习计划。

• DeepSeek-V3.2 学习计划
• DeepSeek-V3.2-Speciale 学习计划

之前我也用 Gemini3-P 手动制定了一个半年学习计划，你可以在这篇知乎文章里 五年INTP失业程序员，半年计划勇闯大模型岗位 查看并进行对比。

另外还有日粒度的计划，以 week 1-2 为例：

• DeepSeek-V3.2
• DeepSeek-V3.2-Speciale
• Gemini3(放在知乎)

🌟 核心功能

• 🎯 根据用户背景和目标生成个性化学习计划
• 🔍 对初始计划进行批判性审查，生成多个修正方案
• 📊 对比分析多个方案，生成最优最终计划
• 📅 基于最终计划生成详细的日粒度学习安排
• 🌐 支持多种大模型平台（DeepSeek、Google Generative AI）
• 📝 结构化输出（Markdown + JSON 格式）
• 📋 命令行交互界面
• 📚 完整的日志记录

🚀 快速开始

1. 安装依赖

uv venv && uv pip install -e .

2. 配置环境变量

复制 .env.example 为 .env，并填写 API 密钥等配置：

cp .env.example .env

编辑 .env 文件，配置大模型 API 密钥：

# 大模型配置
PLATFORM=deepseek  # 可选值: deepseek, google
MODEL_NAME=deepseek-chat
API_KEY=your_api_key_here

3. 准备输入文件

创建两个文本文件：

• background.txt：包含你的技术背景介绍
• goal.txt：包含你的学习目标

示例：

background.txt

我是一名前端开发工程师，有2年React开发经验，熟悉JavaScript和TypeScript，了解基本的后端知识。

goal.txt

我想在3个月内掌握全栈开发技能，能够独立开发完整的Web应用。

4. 生成学习计划

source .venv/bin/activate && python -m src.cli generate --background-file background.txt --goal-file goal.txt --output-dir plans

5. 查看生成结果

生成的计划将保存在指定的输出目录中：

• plans/overall_plan.md：最终双周学习计划
• plans/overall_plan.json：JSON格式的最终计划
• plans/daily/：日粒度学习计划（按双周划分）

📖 技术文档

详细的技术设计文档请查看：

技术设计文档

🛠️ 命令行参数

planer generate [OPTIONS]

选项：
  --background-file, -bf TEXT  包含个人技术背景介绍的文件路径  [默认: background.txt]
  --goal-file, -gf TEXT        包含学习目标的文件路径  [默认: goal.txt]
  --output-dir, -o TEXT        输出目录，默认使用配置文件中的值
  --verbose, -v                启用详细日志输出
  --help                       显示帮助信息

📁 项目结构

llm-as-learning-planer/
├── src/                     # 源代码目录
│   ├── cli.py               # 命令行界面
│   ├── config.py            # 配置管理
│   ├── model_client.py      # 模型客户端
│   ├── prompt_manager.py    # 提示管理器
│   └── workflow.py          # 工作流定义
├── prompts/                 # Prompt 模板目录
├── docs/                    # 文档目录
├── logs/                    # 日志输出目录
├── plans/                   # 计划输出目录
├── .env                     # 环境变量配置
├── .env.example             # 环境变量示例
├── background.txt           # 背景示例文件
├── goal.txt                 # 目标示例文件
└── README.md                # 项目说明文档

🎨 支持的大模型平台

• DeepSeek：使用 DeepSeek API
• Google Generative AI：使用 Google Gemini API

📝 配置项说明

配置项	类型	默认值	描述
PLATFORM	str	deepseek	大模型平台
MODEL_NAME	str	deepseek-chat	模型名称
API_KEY	str	必填	大模型 API 密钥
LOG_LEVEL	str	INFO	日志级别
LOG_DIR	str	logs	日志目录
LOG_TO_FILE	bool	True	是否输出日志到文件
OUTPUT_DIR	str	plans	计划输出目录

🤝 贡献

欢迎提交 Issue 和 Pull Request！

📄 许可证

MIT License

📞 联系方式

如有问题或建议，欢迎通过 GitHub Issues 反馈。