ise-agent 0.1.0

ISE3309 AI 智能助教系统 - 基于级联式 RAG 架构的课程助教

ISE3309 AI 课程助教系统

这是一个基于创新框架：级联式 RAG 架构的 AI 助教系统。 它首先基于 ISE3309 《人工智能算法实践》 的课程课件进行回答，并自动提取技术关键词去 CS231n / CS224n / CS336 等国外优秀人工智能课程资料中检索进阶内容进行补充。

我们将分三类用户进行使用讲解：

• 普通用户（推荐）：只需一行命令安装，即可使用 → 快速开始
• 开发者：想在此项目上进行延伸拓展或是想利用自己的资料搭建 AI 助教 → 开发者指南
• 本地用户：需要在本地环境手动设置 → 使用者指南

---

🚀 快速开始（一键安装）

安装

pip install ise-agent

或者从 GitHub 源码安装：

git clone https://github.com/likelihood333/ISE3309-AI-Intelligent-Teaching-Assistant.git
cd ISE3309-AI-Intelligent-Teaching-Assistant
pip install -e .

首次运行

首次运行时会自动启动交互式配置向导，引导你完成设置：

ise-agent

配置向导会询问：

1. 选择大语言模型提供商（通义千问、Gemini、OpenAI 兼容 API 或本地模型）
2. 输入 API Key（根据选择的提供商）
3. 设置 HuggingFace 镜像站（可选，用于加速模型下载）

配置会自动保存到 ~/.ise_agent_config.json，下次运行时会自动加载。

构建知识库（首次使用必需）

如果你是首次使用，或者需要更新知识库：

ise-agent-build

这将：

• 扫描本地文档（data/source/ISE3309/ 下的 PDF/Notebook）
• 抓取在线课程资料（从 data/source/curated_links.txt）
• 构建向量数据库

开始对话

配置完成后，直接运行：

ise-agent

即可开始与 AI 助教对话！

---

🛠 开发者指南 (前置数据准备)

如果您需要更新或添加课程资料，请遵循以下步骤：

1. 整理本地 PDF/Notebook

• 将 ISE3309 的讲义存放在 /data/source/ISE3309/ 目录下。
• 章节识别规则：系统会根据文件夹名称或文件名（如 Lecture14）自动识别章节。请确保路径中包含 LectureXX 关键字。
• 支持格式：.pdf 和 .ipynb。

2. 更新在线课程链接

• 所有的在线课程（CS231n, CS224n, CS336）抓取清单统一维护在 /data/source/curated_links.txt 中。
• 文件格式：

  # CS224N
  https://example.com/slides1.pdf
  
  # CS336
  https://example.com/lecture1.json
  

• 系统会自动根据 # 课程名 注释对链接进行分组归类。

3. 构建/更新知识库

每次修改完本地文件或 curated_links.txt 后，必须重新运行构建脚本：

# 使用 uv 或你的虚拟环境 Python
python -m scripts.build_kb

• 该脚本会清空旧的向量数据库，重新解析所有 PDF/Notebook，并实时爬取在线链接。
• 构建完成后，终端会显示 “总耗时” 和各个课程的 “文档块数量统计”。

---

📖 使用者指南 (手动运行说明)

如果你不想通过 pip 安装，可以在本地直接运行：

1. 环境准备

使用 uv 工具安装虚拟环境：

pip install uv # 如果没有安装需执行
uv venv agent python==3.11
pip install -r requirements.txt

2. 配置 API Key

方式一：环境变量（推荐）

export QWEN_API_KEY="your-api-key"  # 使用千问
export LLM_PROVIDER="qwen"          # 或 "gemini", "openai_compatible", "local"

方式二：修改 config.py 直接在 config.py 中填入你的 API Key。

3. 运行 AI 助教系统

直接在根目录下运行：

python main.py

4. 系统特色

• 双段输出：
  • 绿色框：来自 ISE3309 的核心解答。
  • 紫色框：来自顶级 CS 课程的技术原件摘录（对比进阶）。
• 性能透明：每次回答下方都会显示 “⏱ 性能统计”，包括：
  • 检索耗时：在向量库中寻找相关片段的时间。
  • 生成耗时：大模型逻辑思考和组织语言的时间。

5. 退出问答

对话框中输入 quit、exit 或使用 Ctrl+C 即可。

---

⏱ 性能指标说明

系统会自动记录并打印以下环节的耗时：

1. 系统初始化：加载向量库索引的时间（仅在 main.py 启动时）。
2. 检索耗时：包括 Step 1（ISE3309）和 Step 3（CS 进阶）两次向量搜索的总和。
3. 生成耗时：包括 Step 1（核心回答）、Step 2（关键词提取）和 Step 3（进阶回答）三次模型调用的总和。