已集成懒猫 OIDC 登录。 CogniLoop 是一个面向自学、备考和知识沉淀的 AI 学习系统。你可以把课程资料、文档、笔记和试卷整理成知识库，让系统基于这些资料进行问答、出题、批改、学习画像分析和薄弱点追踪。 ## 适合谁使用 - 正在备考、刷题或复习课程的个人用户。 - 需要把 PDF、讲义、笔记整理成可检索知识库的学习者。 - 希望根据自己掌握情况自动生成练习题的人。 - 需要和同学、朋友组成学习圈，互相出题、挑战和分享资料的小组。 ## 首次使用 1. 打开应用，点击“使用懒猫账号登录”。 2. 登录后进入仪表盘。 3. 如果你是管理员，进入“系统管理”，检查 LLM、Embedding 和 OCR 配置。 4. 确认模型配置可用后，先创建一个知识库并上传资料。(如果不配置模型，文件会解析失败) 5. 文档解析完成后，即可使用知识库问答、智能出题和学习画像功能。 ## 配置 LLM 与 Embedding 首次使用前，建议先进入“系统管理”配置模型服务。CogniLoop 中最重要的是两类模型：LLM 核心模型和 Embedding 向量模型。它们用途不同，不能简单互相替代。 ### LLM 核心模型 LLM 是负责“理解、生成和推理”的聊天模型。它用于： - 根据知识库内容生成回答。 - 生成练习题和试卷。 - 批改主观题。 - 分析错题和薄弱知识点。 - 生成学习画像和复习建议。 配置位置：系统管理 -> 系统设置 -> LLM 核心模型。 需要填写： - API Key：模型服务的密钥。 - Base URL：OpenAI 兼容接口地址，例如 `https://api.openai.com/v1`，或你使用的第三方兼容接口地址。 - Model Name：聊天模型名称，例如 `gpt-4o-mini`、`gpt-4o`、`deepseek-v4-flash` 等。 如果你使用 `deepseek-v4-flash` 这类聊天模型，可以把它配置在 LLM 核心模型里。只要服务商提供 OpenAI 兼容接口，它就可以用于出题、批改、问答生成和学习画像分析。 ### Embedding 向量模型 Embedding 是负责“把文本转成向量”的模型。它不负责聊天和生成答案，而是负责知识库检索。系统会把上传的文档切分成片段，再用 Embedding 模型转成向量存入数据库。之后用户提问或出题时，系统才能从知识库中找出相关资料。 Embedding 用于： - 文档上传后的向量化索引。 - 知识库问答中的相关片段检索。 - 基于知识库内容出题。 - RAG 检索增强生成。 配置位置：系统管理 -> 系统设置 -> AI 服务配置 -> EMBEDDING 向量。 需要填写： - API Key：Embedding 服务密钥，可以和 LLM 使用同一个服务商，也可以不同。 - Base URL：Embedding 服务的 OpenAI 兼容接口地址。 - Model Name：专门的向量模型名称，例如 `text-embedding-3-small`、`bge-m3`、`qwen3-embedding` 等。 注意：聊天模型通常不能作为 Embedding 模型使用。比如 `deepseek-v4-flash` 可以作为 LLM 核心模型，但不能替代 Embedding。要使用知识库问答和基于文档出题，必须另外配置可用的 Embedding 模型。 ### 配置建议 最小可用配置： - LLM 核心模型：必须配置。否则出题、批改、问答生成和学习画像不可用。 - Embedding 向量：强烈建议配置。否则上传文档后无法正常建立知识库索引，知识库问答和基于文档出题会受影响。 - OCR 识别：可选。只有需要扫描试卷图片或 PDF 来生成试卷模板时才需要。 配置完成后，先点击“测试连接”。Embedding 测试成功后，如果已经上传过文档，建议点击“重建全部索引”，让旧文档使用当前向量模型重新生成索引。