SmartNotes (智能笔记助手)

一句话描述: 一个利用 AI 将碎片化笔记转化为结构化知识并在生成测验的智能助手。

团队成员与贡献

姓名	学号	主要贡献 (具体分工)
程俊	2411020113	(组长) 核心逻辑开发、Prompt 编写
张健	2411020104	前端界面设计
孙赫	2411020105	文档撰写、测试与 Bug 修复

核心功能

• 智能整理: 自动将杂乱的文本整理为清晰的层级结构（标题、要点）。
• 自动摘要: 提炼核心观点，生成简洁摘要。
• 互动测验: 基于笔记内容生成选择题，帮助巩固记忆。

🛠️ 拉取与运行指南 (Installation & Run)

1. 克隆项目 (Clone)

首先将项目代码拉取到本地：

git clone http://hblu.top:3000/Python2025-CourseDesign/zhangjiansunhe.git
cd zhangjiansunhe

2. 安装依赖 (Install Dependencies)

本项目推荐使用 uv 进行快速包管理：

# 如果未安装 uv
curl -LsSf https://astral.sh/uv/install.sh | sh

# 同步依赖
uv sync

3. 启动应用 (Run App)

uv run streamlit run app.py

📖 操作指南

1. 配置设置 (Configuration)

在左侧侧边栏进行基础设置：

• 服务提供商: 根据你拥有的 API Key 选择 OpenAI 或 DeepSeek。
• API Key: 输入你的 API 密钥（输入框会自动隐藏内容以保护隐私）。
• Base URL:
  • 选择提供商后会自动填充默认地址。
  • 如果使用中转服务（如 AIHubMix），请手动修改为中转商提供的 Base URL。
• 模型选择:
  • OpenAI: 推荐 gpt-4o (效果最好) 或 gpt-4o-mini (性价比高)。
  • DeepSeek: 推荐 deepseek-chat (通用) 或 deepseek-reasoner (推理增强)。

2. 核心功能使用

A. 📝 智能整理与摘要

1. 在主界面的文本框中粘贴你的原始笔记（支持杂乱的会议记录、课堂速记等）。
2. 在下方单选框中选择 "整理 & 摘要"。
3. 点击 "🚀 开始处理" 按钮。
4. 结果: 右侧栏将显示：
   • 核心摘要: 3-5句话提炼的内容精华。
   • 结构化笔记:这是修复语病并重新排版后的 Markdown 笔记。

B. 🧠 生成测验

1. 同样粘贴笔记内容。
2. 选择 "生成测验" 选项。
3. 点击开始处理。
4. 结果: AI 将生成 3 道单项选择题，每道题都包含：
   • 题目描述
   • 4 个选项
   • 折叠的答案与解析（点击可展开查看，方便自测）。

3.常见问题

• 报错 "Invalid API Key": 请检查 Key 是否复制完整，或是否选对了提供商。
• 响应慢: AI 思考需要时间，特别是 DeepSeek-R1 (Reasoner) 模型，请耐心等待。

心得：

在梳理AI相关知识点的过程中，我们摸索出一套从实践心得转化为专业知识点总结的方法，收获颇丰。

此前整理笔记时，我们常陷入主观感受堆砌的误区，写满“这个算法很好用”“调参很关键”之类的表述，既不系统也不便复习。后来我尝试剥离个人感悟，聚焦核心概念、原理与应用逻辑，才发现知识点总结的精髓在于客观与结构化。比如将“用CNN做图像分类调参后准确率提升”的实践，拆解为CNN的特征提取原理、超参数优化方法和适用场景，形成清晰的知识模块。

这种转换不仅让我夯实了基础，更培养了系统化的思维方式。它要求我精准提炼专业术语，梳理各知识点的逻辑关联，用标准化的表述替代口语化描述。如今，我能快速将零散的学习心得转化为条理分明的知识点清单，无论是备考复习还是实践应用，都能快速调取所需内容。

用AI思维总结知识点，本质是对知识的二次消化，这一方法让我们的学习效率事半功倍。