Skip to content
Proyectos

maplexrain/unyra has 138 GitHub stars and 24 forks. GitHot measured +1 stars in 24 hours, +20 in 7 days, and +58 in 15 days. Last checked 2026-11-20 21:56 UTC. Last push 2026-11-18.

Cómo se miden estas cifras

Crecimiento de estrellas medido

in 24h
+1
in 7 days
+20
in 15 days
+58
in 1 month
Recopilando historial

Cambios netos en períodos que se solapan, no totales diarios. Los datos no disponibles se dejan en blanco. Las estrellas indican interés, no calidad.

Acerca de

归一 Unyra · 探索式学习:本地优先的 AI 学习辅助桌面应用(Electron + React)

Aprendizaje

README.md

Original
归一 Unyra Logo

归一 Unyra · 探索式学习工作台

Local-First Agentic Learning App · 本地优先的 AI 探索式学习桌面应用

从一个想弄懂的目标出发,把知识逐层拆成可探索的拓扑节点,让超级导师在讲义上为你动笔。

Release Platform Electron React TypeScript TailwindCSS Documentation

📥 下载安装包 (Releases) · 📖 项目架构文档 · 💬 提交反馈与交流群 · ❤️ 赞助支持


归一 Unyra 交互工作台全景:左侧路线图,中间知识拓扑画布,右侧超级导师


💡 它解决什么问题?

在通用的聊天窗口里,学习往往是线性的、容易遗忘的:

  • 讲过的概念迅速沉入冗长的对话记录,几天后无从翻查;
  • 概念之间的依赖关系错综复杂,聊天界面却只能展现单一扁平流水;
  • AI 仅在输入框外部“打字陪聊”,无法沉淀出一份条理严密、能随时复习演进的讲义读物。

归一 Unyra 将学习重构为一张清晰的「拓扑知识网」,并从根本上解决深度学习的核心痛点:

维度 传统线性聊天 (Chat) 归一 Unyra 探索式学习
知识组织 线性流式对话,翻页即忘,概念扁平 有向无环图 (DAG) 拓扑,依赖分明,概念可被多个节点引用而不重复创建
产出载体 聊天气泡里的瞬时片段 一份活的教学文档 + 任意多份笔记,原地持续更新,支持分屏对照与跨文档精准跳转
AI 参与度 仅在输入框外部打字回答 超级导师直接动笔:在沙箱中执行编排,教学文档、节点结构、试卷、批注一次性落定
学习检验 用户主观扫读,缺乏客观反馈 独立全屏考试窗口 + 错题追因,自动记录客观得分与用时,导师针对薄弱项写讲解
数据与隐私 存在第三方云端数据库中 本地优先 (Local-First),数据全在本地以纯 Markdown / YAML / JSON 存储,模型请求端到端直连

1. 讲解的细粒度如何自适应控制?(三层调节回路)

面对复杂的知识体系,AI 教学最怕“要么泛泛而谈太浅显,要么长篇大论吓退初学者”。Unyra 采用三层动态回路精准调节讲解细粒度:

  • 🧠 基础层 · 模型先验推演:利用大模型的常识与逻辑推理能力,先预估该领域标准的认知进阶阶梯,自顶向下梳理概念脉络。
  • 🔍 辅助层 · 表单提问 (Ask) + 网络检索 (RAG):
    • 主动澄清 (api.ask):当面临认知分水岭或不确定用户水平时,导师不自作主张瞎猜,而是主动弹出一张轻量交互表单(支持单选/多选/填空)确认背景;
    • 事实检索 (api.web.search):遇到具体工程版本、前沿动态或特定事实细节时,导师自动联网检索最新资料,避免停留在抽象空谈。
  • 🎯 兜底层 · 用户探索主动拓展前置知识(选词裂变):
    • 没有任何算法能 100% 预判每个人知识盲区。当用户在讲义中读到某个未掌握的前提概念时,鼠标选词按数字键 1,系统即可在当前节点下裂变出一个子节点展开专向讲解;
    • 学懂前置知识后,顺着拓扑图随时退回主线。把控学习深度与节奏的终极权力,始终在学习者手中。

2. 教学文档的权威性与真实性如何保障?

避免大模型“一本正经地胡说八道”(幻觉),是进阶严肃学习的生命线:

  • ⚖️ 直觉与严谨「双轨制」排版:正文严格遵守教学规律,先以通俗生活隐喻建立直觉(怎么想),紧随严格的数学/工程标准定义与边界约束(公式与严格判定),最后标出易错禁区。绝不因通俗而偷换概念,兼顾好懂与权威。
  • 💻 代码沙箱本地真实编译运行:讲义中的代码片段不是不可运行的“死文本”。在超级导师的编排下,代码块支持一键在本地隔离沙箱中转译与真实执行,输出结果直接挂在代码块下方,经得起实操检验。
  • 📚 规范公式与事实来源透明:全篇公式走标准 KaTeX 语法(主流 Markdown 编辑器原生兼容);检索引述保留来源 URL;再由独立全屏考场的客观计算题反向检验掌握成色,彻底打破模型幻觉。

3. 教学内容如何为用户量身特化?(用户画像与双层记忆)

千人一面的教材无法满足不同背景的学习者。Unyra 内置了不破坏大模型前缀缓存的高效个性化系统:

  • 👤 客观画像 (user.yaml):记录学习者的学历层次、专业背景、已有技能与偏好语言。画像信息作为客观背景首轮注入或按需读取,不污染系统提示词,避免改动个人信息导致全量前缀缓存失效。
  • 📝 无感提问与直写画像:导师通过 api.ask 询问学习者的偏好或水平,用户提交表单的瞬间,数据直接校验并增量落盘至 user.yaml,不经由大模型二次复述,杜绝信息走样。
  • 🧠 双层记忆网络 (Memory System):
    • 工作记忆 (mind.json):记录当前目标内部的研讨进展、待办事项与专属约定;
    • 长期记忆 (state.json):跨学习目标记录用户的认知习惯、高频薄弱项与个性特征。
  • 💡 心智模型动态映射:当面对同一个“函数”概念时,面对计算机背景的学习者,导师会类比为“映射与接口契约”;面对文科背景的学习者,则类比为“投币自动售卖机”,因材施教。

🎯 典型学习场景

场景 1:复杂学科与概念拆解(以《高等数学》为例)

从直觉到严谨定义,建立系统性认知,告别死记硬背。

  1. 结构化展开路线:输入目标后,导师根据知识依赖生成全景路线图(如:从“工具箱早启:函数”到“函数与定义域”,再延伸至极限与导数),节点层级清晰,配有 Minimap 导航缩略图。
  2. 先讲直觉,再讲原理:导师在教学文档中动笔撰写讲义,用“投一个数,吐一个数的机器”通俗破题,再给出严谨的数学定义,并标注求定义域的关键禁区。

教学文档阅读界面:直觉版与严谨版解释、公式排版与提示框

  1. 交互式辅助理解(超级文档):导师还可编写带有动态图表和滑动控件的交互页面(例如“定义域探测器”),拖动滑块即可直观观察函数在禁区附近的变化曲线与未定义点,让抽象概念跃然眼前。

交互式超级文档:定义域探测器与动态函数曲线

  1. 选词即学,逐层深潜:阅读讲义时若遇到生疏术语,鼠标高亮选词,按数字键 1 即可在当前节点下裂变子节点展开细讲,按 2 由导师在正文划出两三句行内注解。

场景 2:随堂练习与客观自测(独立考试窗口)

检验学没学会,用客观判分与错题讲解形成完整闭环。

  1. 一键发起考试:针对当前节点生成的随堂小测,在独立的沉浸窗口中作答。
  2. 纯粹防干扰卷面:单栏清晰排版,题目与选项支持标准 LaTeX 数学公式渲染;支持单选题、填空题以及手写草稿答卷上传。

独立考试窗口:函数与定义域随堂小测、LaTeX公式题目与答题卡

  1. 智能阅卷与薄弱项追因:交卷后客观题本地自动判分,主观题由导师批阅;导师对照历史错题归纳易错点,并在那次考试副本中附上详细的错题讲解,反复考的成绩天然成组对比。

🌟 核心功能特性

🗺️ 结构画布与知识拓扑 (Structure Canvas)

  • 概念拓扑图谱 (DAG):知识拆解为独立节点,节点间建立明确依赖边。同一个核心概念可被多个上层知识点引用,避免重复构建。
  • 流畅平移与缩放:画布支持大范围缩放与平移,附带实时 Minimap 导航小地图,方便宏观总览与微观阅读快速切换。
  • 自动适配任务类型:系统性学习生成多层级完整大纲树;对于阅读代码库、查阅报错或单点答疑等临时任务,只建根节点导读文档,不制造多余的空节点。

🧑‍🏫 超级导师与动态讲义 (Super Agent)

  • 一个目标一份上下文:同一目标下的所有节点共享对话上下文,切节点不丢失历史,保持模型前缀缓存高效稳定。
  • 代码沙箱直接动笔:导师通过 JavaScript 沙箱统一操作文档读写、节点管理与试卷编排,讲解内容直接写入教学文档,并在对话中说明修改理由。
  • 思考链可见与智能跟随:思考气泡实时滚动显示生成过程;输出时窗口自动贴底,向上翻阅时自动解除跟随,不打扰阅读节奏。
  • 上下文智能压缩:长对话自动或手动生成交接摘要与未完待办清单,淘汰旧消息残渣,关键约定永不遗忘。
  • 三种导师人格随心切:
    • 标准导师(默认):耐心引导,先直觉后原理;
    • 简洁导师:直奔主题,只讲核心逻辑与解法;
    • ADHD 导师:充满好奇,主线穿插趣味支线,善用 emoji 辅助视觉标记。

⚡ 选词即学与快捷交互

  • 1~4 数字盲操快捷菜单:在文档中选中文本即可唤出菜单,按数字键直接触发:
    • 1 学习:在当前节点下创建子节点并自动开讲;
    • 2 了解:导师在正文中划定两三句上下文相连的行内释义注解;
    • 3 注解:添加用户个人的 Markdown 批注;
    • 4 询问:精准定位原句向导师发起深度提问。
  • 复制的是 Markdown 原文:阅读视图中按下 Ctrl+C,存入剪贴板的是纯净标准的 Markdown 源码(公式与标记均保持原样)。
  • 精准行号跳转:支持 moji:doc/#节点id/note#L12-L20 语法,点击即可自动滚屏并高亮对应行段。

📑 自由分屏工作区与文档能力

  • VS Code 级多区分屏:页签支持任意拖动排序、左右并排或上下叠放分割;各分屏具备独立页签管理与焦点记忆。
  • 数学公式与图表:内置 KaTeX 数学排版(零字体网络依赖),支持用 ```plot 围栏动态绘制函数解析图像。
  • 代码块高亮与沙箱运行:集成 VS Code TextMate 40+ 语言语法高亮,代码块支持一键在隔离沙箱中编译执行并查看输出。
  • PDF 预览与本地 OCR:支持 PDF 文件高清矢量阅读,内置 PaddleOCR / 系统文字识别覆盖层,轻松进行划词、提取与问答。
  • 本地离线语音输入:集成 SenseVoiceSmall 离线语音模型(228MB),按住空格即可转写,音频不出本机。
  • 多格式导出:Ctrl+E 一键导出整洁 Markdown、单文件 HTML 网页或 PDF 文档。

🎨 13 套精心调优的主题配色

文档与界面的视觉设计深度打磨,代码高亮配色随主题同步变换,无论是深夜自习还是白天阅读,都能提供舒适沉浸的视觉体验:

13套外观与主题配色面板:浅色、深色、暖纸、琥珀、纯白、静谧蓝、石黑、夜航蓝等

  • 浅色系:浅色、暖纸、琥珀、纯白;
  • 深色系:深色、石黑、夜航蓝、高对比、纯黑;
  • 雅致色系:演变绿、静谧蓝、霁紫、樱花粉。

🔒 本地优先与隐私安全 (Local-First)

所有学习数据与讲义均保存在本机用户数据目录下,不经过任何第三方云端。

%APPDATA%/unyra/users/{uid}/
├── user.yaml            # 用户画像与基本设置
├── setting.yaml         # 外观、快捷键、AI 接入配置
├── state.json           # 界面状态(打开的页签、分屏、未保存暂存)
├── docs/{目标名}/       # 纯文本 Markdown 教学文档、多份笔记、考试试卷
└── web/                 # 离线归档的参考网页
  • 纯明文文件存储:讲义与笔记均为标准 .md 文件,不锁死在专属数据库中。可随时使用外部编辑器打开或备份至移动硬盘。
  • AI 请求端到端直发:由 Electron 本地主进程直接与您配置的服务商进行通信,绝无中间代理服务器。

🚀 快速开始

1. 下载安装包

请前往 GitHub Releases 发布页 获取:

  • Unyra-Setup-<版本>.exe:标准 Windows 安装向导(推荐,自动处理更新与桌面快捷方式,无需管理员权限)。
  • win-unpacked.zip:便携版,解压后双击 归一 Unyra.exe 即可直接运行。

2. 填入 API Key 即可使用

  1. 启动应用,选择或新建一个本机用户;
  2. 点击顶栏右上角 设置 (⚙️),在 AI 设置中填入您的 API Key(默认支持 DeepSeek 官方接口,也可配置任意兼容 OpenAI 协议的服务,如通义千问、Kimi、GLM、本地 Ollama 等);
  3. 点击左侧 新建目标,输入您想要学习的课题,导师将即刻为您生成路线并开讲!

💻 本地开发

# 1. 克隆仓库
git clone https://github.com/maplexrain/unyra.git
cd unyra

# 2. 安装依赖
npm install

# 3. 安装 Electron 运行环境
node node_modules/electron/install.js

# 4. 启动开发模式(支持热重载)
npm run dev

# 5. 运行完整测试套件
npm run test

# 6. 代码检查与打包
npm run lint
npm run typecheck
npm run build
npm run release:win

[!TIP] 国内网络如遇 GitHub 二进制包下载缓慢,可在 PowerShell 中配置镜像:
$env:ELECTRON_MIRROR="https://cdn.npmmirror.com/binaries/electron/"


🏗️ 核心技术栈

  • 桌面核心:Electron 44 · Node.js 24 · ESBuild
  • 前端架构:React 19 · TypeScript 7 · Vite 8 · Tailwind CSS 4 · Anime.js · Lucide Icons
  • 编辑器与排版:CodeMirror 6 · VS Code TextMate / Oniguruma · Marked · KaTeX · FunctionPlot
  • 端侧 AI 运行时:ONNX Runtime Node · PaddleOCR · Sherpa-ONNX (SenseVoiceSmall) · PDF.js

💬 社区与反馈

如果您在学习与使用过程中遇到问题,或有好的产品建议,欢迎交流:


❤️ 致谢与赞助

归一由作者全职独立开发,负责从架构、代码、文档到发布的全部工作。每一位朋友的认可与赞助,都是支撑项目持续前进的坚实动力。

在此特别鸣谢首位赞助者 瑞宝 与所有支持归一的朋友!

👉 查看完整赞助者名单与致谢记录 (持续更新)


Made with ❤️ by maplexrain. Empowered by Open Source.