Learning Planner - 学习规划师

个人学习管理系统，帮助设定学习目标、制定计划、跟踪进度，并提供间隔重复复习功能。

功能特性

1. 学习目标管理

• - 技能树定义与分解
• 知识点层级管理
• 目标优先级设置
• 目标完成时间规划

2. 学习计划生成

• - 每日学习任务生成
• 每周学习计划
• 计划自动调整
• 学习提醒设置

3. 进度跟踪与可视化

• - 学习进度实时跟踪
• 进度可视化图表
• 学习时长统计
• 完成率分析

4. 间隔重复复习系统

• - SM-2 算法实现
• 卡片式复习
• 自动调度
• 遗忘曲线优化

5. 学习资源管理

• - 资源链接收藏
• 资源分类管理
• 资源与知识点关联
• 资源使用统计

6. 学习成果评估

• - 自我评估记录
• 测试成绩管理
• 学习效果分析
• 能力成长曲线

安装

bash
cd ~/.openclaw/workspace/skills/learning-planner
pip install -e .

添加到 PATH (可选)

ln -s ~/.openclaw/workspace/skills/learning-planner/src/learning_cli.py ~/.local/bin/learning

使用方法

学习目标

bash

创建学习目标

learning goal create Python 编程 --description 掌握 Python 编程语言 --deadline 2024-12-31

创建子目标（知识点分解）

learning goal create Python 基础语法 --parent 1 --priority high learning goal create Python 面向对象 --parent 1 --priority high learning goal create Python 高级特性 --parent 1 --priority medium

列出目标

learning goal list

查看目标详情

learning goal show 1

更新目标进度

learning goal progress 1 --percent 75

完成目标

learning goal complete 1

学习计划

bash

生成今日学习计划

learning plan today

生成本周学习计划

learning plan week

查看计划

learning plan list

标记任务完成

learning plan complete 1

推迟任务

learning plan postpone 1 --days 1

间隔重复复习

bash

创建复习卡片

learning card create Python 列表推导式语法 --answer [x for x in iterable if condition] --tags python,basics

今日复习

learning review today

查看复习统计

learning review stats

手动调整卡片难度

learning card difficulty 1 --level hard

学习资源

bash

添加资源

learning resource add Python 官方文档 --url https://docs.python.org --type documentation --tags python

关联资源到目标

learning resource link 1 --goal 1

列出资源

learning resource list

搜索资源

learning resource search python

进度与报告

bash

学习统计

learning stats

生成学习报告

learning report --days 30

查看技能树进度

learning tree

学习时长统计

learning time --days 7

数据存储

数据库位置：~/.config/learning-planner/learning.db

bash

查看数据库路径

learning data path

技术栈

• - Python 3.8+
• SQLite 数据存储
• Click (CLI 框架)
• Rich (终端美化)
• SM-2 间隔重复算法

数据模型

学习目标表 (goals)

python { id: int title: str # 目标名称 description: str # 描述 parent_id: int # 父目标 ID priority: str # 优先级: low, medium, high status: str # 状态: active, completed, paused progress: float # 进度 0-100 deadline: str # 截止日期 estimated_hours: int # 预估学习时长 completed_hours: int # 已完成时长 created_at: str updated_at: str }

学习计划表 (plans)

python { id: int goal_id: int # 关联目标 title: str # 任务标题 description: str # 描述 scheduled_date: str # 计划日期 estimated_minutes: int # 预估时长(分钟) status: str # 状态: pending, completed, postponed completed_at: str # 完成时间 created_at: str }

复习卡片表 (cards)

python { id: int goal_id: int # 关联目标 front: str # 卡片正面（问题） back: str # 卡片背面（答案） tags: str # 标签 ease_factor: float # 难度系数 interval: int # 间隔天数 repetitions: int # 重复次数 next_review: str # 下次复习时间 last_review: str # 上次复习时间 created_at: str }

复习记录表 (reviews)

python { id: int card_id: int # 卡片 ID quality: int # 评分 0-5 reviewed_at: str # 复习时间 time_spent: int # 用时(秒) }

学习资源表 (resources)

python { id: int title: str # 资源名称 url: str # 链接 resource_type: str # 类型: video, article, book, documentation tags: str # 标签 goal_id: int # 关联目标 notes: str # 备注 created_at: str }

学习时长记录表 (sessions)

python { id: int goal_id: int # 关联目标 start_time: str # 开始时间 end_time: str # 结束时间 duration: int # 时长(分钟) notes: str # 备注 }

SM-2 算法说明

间隔重复算法基于 SuperMemo-2 算法：

1. 1. 评分 (Quality): 0-5 分

- 5: 完美回答 - 4: 正确回答，犹豫 - 3: 正确回答，困难 - 2: 不正确，接近正确 - 1: 不正确，记得一点 - 0: 完全忘记

1. 2. 难度系数 (EF): 初始 2.5，范围 1.3-2.5

- EF = EF + (0.1 - (5-q) (0.08 + (5-q) 0.02))

1. 3. 间隔天数:

- 第1次: 1天 - 第2次: 6天 - 第n次: 前间隔 * EF