Exam Buddy: Локальный инструме... Заметка
DEV Community на русском

Exam Buddy: Локальный инструмент для викторин на базе Gemma 3, созданный мной для экзамена друга по ОС

Exam Buddy — это локально работающий ИИ-инструмент для обучения, предназначенный для преобразования личных заметок в интерактивные викторины. Приложение призвано улучшить обучение, переходя от пассивного перечитывания к активному вспоминанию, что является более эффективным методом обучения. Оно генерирует вопросы для викторин непосредственно из предоставленного пользователем учебного материала, обеспечивая его соответствие содержанию конкретного курса.Когда пользователи отвечают неправильно, Exam Buddy предлагает персонализированные объяснения, адаптированные к их предпочтительным темам, таким как спорт, кулинария или фильмы. Инструмент предоставляет несколько режимов викторин, включая выбор из нескольких вариантов, письменные ответы с оценкой ИИ и смешанный формат. Он включает функцию последующих вопросов и ответов для более глубокого понимания и режим "повторить пропущенные" для фокусировки на сложных темах.Exam Buddy также отслеживает историю результатов и генерирует сводку областей, требующих повторения, после каждой викторины. Важным аспектом приложения является его полная автономная работа с использованием Ollama и модели Gemma 3 4B. Это гарантирует, что заметки и данные пользователей остаются на их локальном компьютере, повышая конфиденциальность и безопасность.Разработка включала преодоление проблем с надежностью небольших моделей, таких как непоследовательный вывод JSON и инженерия подсказок для точной оценки. Разработчик также решал проблемы, связанные с пользовательским интерфейсом, такие как перемешивание ответов и условия гонки при потоковой передаче данных. Проект подчеркивает практичность и мощь небольших, локально работающих моделей ИИ для персонализированных образовательных инструментов. Дизайн Exam Buddy ставит во главу угла конфиденциальность пользователей, избегая зависимости от внешних облачных API для обработки ИИ. Проект демонстрирует, что сложные задачи ИИ могут быть эффективно решены скромными локальными моделями при правильной реализации и защитных механизмах.
CdXz5zHNQW_PiwEFkgUzD.webp