LRBTeacher - 小红书内容创作教练

一个由大语言模型驱动的智能小红书内容创作教练

English | 中文

📖 项目简介

LRBTeacher 是一个基于智谱AI GLM模型的智能内容创作助手，专门为小红书内容创作者设计。通过多种教学模式和智能知识库管理，帮助用户提升内容创作技能，生成高质量的小红书笔记。

✨ 核心功能

🌐 多语言支持 (新功能!)

• 中英文双语界面: 支持中文（默认）和英文界面
• 实时语言切换: 无需重启应用即可切换语言
• 完整国际化: 所有界面元素、提示信息均支持多语言

🎯 多样化教学模式

• 模拟教学方法: 基于用户输入生成个性化人设，并创作相应风格的小红书笔记
• 互动式教学方法: 通过知识点问答和实时反馈提升创作技能
• 练习式教学方法: 提供实战练习机会，巩固学习成果
• 知识总结式教学方法: 系统化整理创作知识点
• 评估式教学方法: 对创作内容进行专业评估和改进建议

📚 智能知识库管理

• 文档上传: 支持PDF、TXT等多种格式文档上传
• 向量化存储: 使用FAISS进行高效的向量检索
• 智能问答: 基于知识库内容进行精准问答
• 知识图谱: 自动生成结构化知识图谱可视化

🔍 辅助功能

• 网络搜索: 集成DuckDuckGo搜索，获取最新信息
• 图像生成: 支持AI图像生成功能
• 流式响应: 实时显示AI生成内容
• 配置管理: 灵活的API配置和参数调整

🚀 快速开始

环境要求

• Python 3.8+
• Streamlit
• 智谱AI API密钥

安装步骤

1. 克隆项目

git clone https://github.com/yourusername/LRBTeacher.git
cd LRBTeacher

2. 安装依赖

pip install -r requirements.txt

3. 配置API密钥 启动应用后，在侧边栏的"🔑 API密钥管理"面板中设置你的智谱AI API密钥。

注意：为了安全起见，智谱AI API密钥不再在配置文件中硬编码，而是通过应用界面动态配置。Bing搜索功能已内置API密钥。

4. 运行应用

streamlit run main.py

5. 访问应用 在浏览器中打开 http://localhost:8501

🌐 语言切换

LRBTeacher 支持中英文双语界面：

1. 在应用侧边栏底部找到"语言 / Language"选择器
2. 选择你想要的语言（中文/English）
3. 界面会立即切换到所选语言

演示国际化功能：

streamlit run demo_i18n.py

📁 项目结构

LRBTeacher/
├── main.py                 # 主应用入口
├── know_app.py            # 知识图谱生成应用
├── quiz_app.py            # 测验应用
├── requirements.txt       # 依赖包列表
├── config/               # 配置文件
│   ├── config.py         # 主配置文件
│   └── model_config_example.py
├── methods/              # 教学方法模块
│   ├── simulate_teaching.py      # 模拟教学
│   ├── interactive_teaching.py   # 互动教学
│   ├── exercise_teaching.py      # 练习教学
│   ├── knowledge_summary.py      # 知识总结
│   └── assessment_teaching.py    # 评估教学
├── knowledge_base/       # 知识库管理
│   └── knowledge_base_management.py
├── utils/               # 工具模块
│   ├── api_client.py    # API客户端
│   ├── chat_helpers.py  # 聊天助手
│   ├── stream_handler.py # 流处理
│   ├── css_styles.py    # 样式文件
│   └── i18n.py         # 国际化支持
├── internet_search/     # 网络搜索模块
├── static/             # 静态资源
├── docs/               # 文档
├── demo_i18n.py        # 国际化功能演示
├── test_i18n_completeness.py # 国际化完整性测试
├── README_I18N.md      # 国际化技术文档
└── LANGUAGE_GUIDE.md   # 语言支持指南

🎮 使用指南

教学模式使用

1. 选择教学方法: 在侧边栏选择适合的教学模式
2. 输入内容: 根据提示输入相关信息
3. 获取指导: 系统将提供个性化的创作指导
4. 实践应用: 根据建议创作内容

知识库管理

1. 上传文档: 点击"知识库管理"上传相关文档
2. 向量化处理: 系统自动处理并存储文档向量
3. 智能检索: 通过问答方式检索相关知识
4. 可视化展示: 查看知识图谱结构

🛠️ 技术栈

• 前端框架: Streamlit
• AI模型: 智谱AI GLM-4.5
• 向量数据库: FAISS
• 文档处理: PyMuPDF
• 网络搜索: DuckDuckGo Search
• 图形可视化: Graphviz, Pyvis

📊 API配置

项目支持灵活的API配置，可在 config/config.py 中调整：

# 模型配置
DEFAULT_MODEL = "glm-4.5"
IMAGE_MODEL = "cogview-4-250304"

# 模型参数
MODEL_PARAMS = {
    "max_tokens": 4096,
    "temperature": 0.7,
    "stream": True,
}

📚 相关文档

• 国际化技术文档: 详细的国际化开发指南
• 语言支持指南: 用户语言切换使用说明
• API改进文档: API功能改进说明

🤝 贡献指南

我们欢迎所有形式的贡献！请查看 贡献指南 了解详情。

如何贡献

1. Fork 本项目
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

🙏 致谢

• 智谱AI - 提供强大的GLM模型支持
• Streamlit - 优秀的Web应用框架
• FAISS - 高效的向量检索库

📞 联系我们

• 项目主页: GitHub Repository
• 问题反馈: Issues
• 邮箱: your.email@example.com

---

如果这个项目对你有帮助，请给我们一个 ⭐️

© 2025 LRBTeacher. All rights reserved. Powered by GLM