学习图很抓人，但它还在考你

有开发者在 X 上试了开源 AI 学习工具 LearnHarness，任务是学会从零构建反向传播。结论先摆出来：实时学习图很抓人，教学环节没跟上。帖子作者的原话是，有时感觉自己被测试，没被教。

LearnHarness 的定位是 agent harness for learning。项目开源，AGPL-3.0，聊天记录、知识图谱、设置和 API key 都存在本地，模型用自己的 key 或兼容端点。桌面端覆盖 macOS、Windows、Linux。它把学习拆成测量、计划、教学、练习四步。先探测理解边界，再生成从当前起点到目标的依赖图，之后按步骤教学，练习会话从知识图谱里取材。

试用任务是从零学反向传播。LearnHarness 先问探测问题，再用 Mermaid 现场生成学习路线。路线把学习内容、目标和起点评估揉在一起。答题时对应节点高亮，能看到当前在路线哪一段，也能看到为什么变化率排在反向传播前面。

问题也出在这里。帖子作者连续答题、连续收到纠错，其中有些内容还没理解，就被要求展示理解。那一刻需要的是解释、图示和 worked example，不是下一道探测题。有回复者 Tim Moon 问，怎样让它更像老师，应该注意到学习者卡在哪，帮着走过去，别直接跳到下一题。Robin 的回复更直接：实时图给了可见性，缺了深入解释，流程更像 quiz，不像 lesson。还有中文回复担心，探测题连着问，会不会越学越紧张。

知识图谱是 LearnHarness 更值得看的部分。它把学到的内容存成命题和推理链，记录单个判断和前提，链接回来源会话。后续教学可以读图，不用从零开始。练习也能从图里抽题。它存的是想法和连接，不是能力评分。这个方向比单纯记录答对答错更接近学习，但前提是节点上的解释足够，否则图越漂亮，测试感越强。

帖子作者想做的下一步是把工作图搬进 AI tutor 白板。卡在某个节点时，一起算一个例子，计算过程保持可见，改一个输入，追踪哪些值跟着变。作者说正在构建。这个方向不新，难在把图和讲解接起来，让节点能展开成可操作步骤，不停在“你答错了”。

帖子作者在试 LearnHarness 前，先用 Teachable Code 探索 GitHub repo，再读它的教学方法。Teachable Code 把代码库变成交互式课程，保持系统图可见，跟着当前步骤看源码和输入输出。3D 用于张量和内存，2D 用于应用和工具调用。它提供五个例子：mini-SGLang、nanoGPT、SWE-agent、DeepTutor、AI chatbot。每个例子都能在浏览器里跑，有中英文页面。

Teachable Code 的说明里有一句值得抄给所有教学工具：讲清证据边界。五个课程展示的是教学格式，不重现上游项目发布的结果。nanoGPT 用自建小 CPU 模型按源码结构走，没有运行上游代码；mini-SGLang 是缓存规则回放，token 数不是速度基准；SWE-agent 用上游提交的录制演示文本，没有调用实时模型；DeepTutor 和 AI chatbot 的 prompt 和工具 schema 来自源码，对话和工具结果只是示意。学习结果没有用学习者评估过。这种坦白比“智能 tutor”四个字有用。

两个项目放在一起看，能看到同一道分水岭。测量理解、生成路径、把路径变成教学，三件事里最容易做的是画图，最难做的是在卡住时把推理摊开。LearnHarness 的图能告诉你走到哪，不能替你走。开源和本地存储让系统提示可见可编辑，适合想研究 agent harness 的开发者；普通用户要自己配模型、处理 key，门槛不低。如果学习工具最后只剩出题和判分，那只是把练习册搬进聊天框。