[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-83891":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":9,"language":10,"languages":9,"totalLinesOfCode":9,"stars":11,"forks":12,"watchers":13,"openIssues":12,"contributorsCount":12,"subscribersCount":12,"size":12,"stars1d":12,"stars7d":14,"stars30d":14,"stars90d":12,"forks30d":12,"starsTrendScore":12,"compositeScore":15,"rankGlobal":9,"rankLanguage":9,"license":16,"archived":17,"fork":17,"defaultBranch":18,"hasWiki":17,"hasPages":17,"topics":19,"createdAt":9,"pushedAt":9,"updatedAt":20,"readmeContent":21,"aiSummary":9,"trendingCount":12,"starSnapshotCount":12,"syncStatus":22,"lastSyncTime":23,"discoverSource":24},83891,"rapid-expert","luyou666\u002Frapid-expert","luyou666","Interactive CLI\u002Fdomain learning agent for 5-12 day practical business execution.",null,"Python",59,0,53,7,44.2,"MIT License",false,"main",[],"2026-06-12 04:01:42","# 急速专家\n\n语言：中文 | [English](README.en.md)\n\n![急速专家项目展示图](docs\u002Fassets\u002Frapid-expert-showcase.svg)\n\n这是一个泛用型“领域专家速成 Agent”。用户在终端里直接与 Agent 对话，Agent 负责理解目标、追踪上下文、规划学习路径、调用本地工具、检索资料、执行任务和产出交付物。\n\n它不是静态模板包，也不是文档批量产出工具。它面向任意行业或知识领域，通过交互式对话、系统化学习引导、资料检索、风险边界检查和本地 harness 执行，帮助 0 基础用户在 5 到 12 天内借助 AI \u002F Agent 工具参与真实业务任务，而不是只获得百科式知识。\n\n## 项目定位\n\n- 交互式 CLI Agent：以 `study hacker` 作为主要交互入口。\n- 面向学习和业务执行：不是只聊天，也不是只生成文档，而是带用户逐步完成任务。\n- 本地优先：默认在本机运行，必要时调用模型 API、GitHub、搜索或 harness 工具。\n- 可扩展 harness：支持 CLI、HTTP、MCP\u002Fstdio、队列和平台适配包。\n- 垂直目标：帮助用户快速进入投资研究、创业、求职、咨询、产品开发等场景。\n\n## 免责声明\n\n本项目仅用于学习、研究、资料整理和 Agent 工作流编排，不构成法律、投资、医疗、心理、网络安全、化工、生物安全、税务、会计、审计、合规或监管意见。高风险领域的任何关键判断都必须由具备资质的专业人士确认。详见 [DISCLAIMER.md](DISCLAIMER.md)。\n\n## 隐私与安全\n\n本项目默认本地优先运行，不内置遥测或用户追踪。交互式 CLI 可能在本地生成 `.env.local`、`.study-hacker.local.json`、`sessions\u002F`、`outputs\u002F`、`queue\u002F` 和 `dist\u002F` 等运行时文件；这些路径可能包含提示词、配置、日志、报告或执行状态，已被 `.gitignore` 排除，不应提交到 GitHub。\n\n如果你配置外部模型、搜索、GitHub token、代理网关或自定义 API base URL，请先确认对应服务的隐私政策、数据保留策略和使用条款。详见 [PRIVACY.md](PRIVACY.md) 与 [SECURITY.md](SECURITY.md)。\n\n## License\n\n本项目基于 MIT License 开源。详见 [LICENSE](LICENSE)。\n\n## 目标用户\n\n- 需要快速理解新行业的投资研究人员\n- 正在验证创业方向的创始人或产品负责人\n- 准备转行、求职、面试的人\n- 需要短时间产出咨询分析或行业报告的人\n- 需要为产品开发、BD、运营、战略做领域调研的人\n\n## 默认目标\n\n用户在 5 到 12 天内完成：\n\n1. 建立目标领域的产业地图和核心术语体系。\n2. 识别上下游、关键角色、利润来源、成本结构、护城河和风险边界。\n3. 学会使用 Agent 搜索最新资料、公司动态、政策、新闻、GitHub 项目和已有工具。\n4. 完成至少 1 个接近真实业务的实战交付物。\n5. 通过最终验收：能够在 AI \u002F Agent 辅助下参与相关业务讨论、拆解任务、检索证据、提出判断。\n\n## 使用方式\n\n1. 先运行 `system\u002Fintake-questions.md` 中的用户访谈流程。\n2. Agent 根据用户回答，使用 `domain-kit-template\u002F` 组织具体领域的学习路径、资料结构和业务交付物。\n3. 使用 `system\u002Fadaptive-learning-protocol.md` 根据课程难度生成 5 到 12 天学习计划。\n4. 使用 `skills\u002F` 中的技能文件驱动 Agent 执行调研、分析、训练和验收。\n5. 使用 `rag\u002F` 建立检索和证据管理规则。\n6. 使用 `memory\u002F` 记录用户基础、学习进度、薄弱点和已形成的判断框架。\n7. 根据目标平台选择 `adapters\u002F` 中的适配方案。\n8. 在 OpenClaw \u002F OpenHands 类平台中，可使用 `adapters\u002Fopenclaw-openhands\u002Fscripts\u002F` 的最小脚本链路执行资料收集、来源分级和报告生成。\n\n## 兼容与适配\n\n本项目本身是一个可运行的 CLI Agent，同时提供下列平台的适配材料：\n\n- Claude Code \u002F Claude Skills\n- Hermes Agent\n- OpenClaw \u002F OpenHands 类编程 Agent\n- 通用 Markdown 版本\n\n## 关键原则\n\n- 先问清楚领域、基础、目标、风险，再制定学习路线和执行计划。\n- 联网检索必须标注来源、时间、证据强度和不确定性。\n- 优先搜索已有 Agent、开源项目、Skills、RAG、课程、数据库，判断能否复用。\n- 高风险领域只做学习、识别风险、合规判断，不替代专业人士。\n- 输出必须服务于真实业务任务，不写空泛概念堆砌。\n\n## 验收标准\n\n合格的套件必须帮助用户完成至少一个实战任务，例如：\n\n- 写一份行业分析报告\n- 判断一个创业方向是否值得继续验证\n- 拆解一家公司的商业模式\n- 对比 3 个竞品\n- 识别一个方案中的风险点\n- 为求职面试准备行业认知和案例回答\n- 为产品开发提出可验证的领域需求假设\n\n## Agent Harness 改造层\n\n本项目已加入最小可运行的 Agent Harness 层，可作为 OpenClaw \u002F OpenHands 类编程 Agent 平台的执行内核雏形：\n\n- `scripts\u002Fharness.py`：统一运行入口。\n- `harness\u002Fruntime.py`：固定执行循环，按 `risk -> plan -> scan -> rank -> github_search -> build -> evaluate` 执行。\n- `harness\u002Ftools.py`：基于 argv 的工具注册和安全执行，不拼接 shell 字符串。\n- `harness\u002Fpermissions.py`：工具执行权限检查，限制可运行工具和脚本。\n- `harness\u002Fstate.py`：会话状态、事件日志和输出目录。\n- `harness\u002Fconfig\u002Ftool_registry.json`：机器可读工具注册表。\n- `harness\u002Fconfig\u002Fpermission_profile.json`：权限配置。\n- `harness\u002Fschemas\u002Ftask.schema.json`：任务输入结构。\n- `examples\u002Fharness\u002Fai-app-startup-task.json`：示例任务。\n- `scripts\u002Fharness_server.py`：标准库 HTTP API 外壳，便于外部 Agent 平台调用。\n- `scripts\u002Fharness_mcp.py`：无第三方依赖的 MCP 风格 JSON-RPC stdio 外壳。\n- `scripts\u002Fharness_queue.py`：文件型任务队列和 Worker。\n- `scripts\u002Frag_index.py`：轻量 RAG 索引构建与检索脚本。\n\n交互式终端 Agent：\n\n```powershell\npowershell -ExecutionPolicy Bypass -File scripts\u002Finstall_study_command.ps1\nstudy hacker\n```\n\n`study hacker` 会进入赛博朋克风格的 Study Hacker 交互壳，直接与用户对话，识别学习\u002F业务目标、用户基础水平、每天投入时间和是否允许联网检索，然后按需调用 harness 执行任务并产出学习执行包。\n当用户表达“我想成为某领域专家”时，CLI 会优先确认了解程度；若用户是 0 基础或低基础，会先用一句话定义、3 个最小词、通俗比喻和简单案例建立地基，再逐步推进实战任务，并在每个阶段主动追问下一步信息。\n\n首次交互式启动会先引导配置 API provider、base URL、model 和 API key。配置会写入本地忽略文件 `.study-hacker.local.json` 与 `.env.local`，配置成功后后续启动不会再弹出。需要重配时在壳内输入 `\u002Fconfig`，或运行：\n\n```powershell\nstudy hacker --reset-config\n```\n\n最短运行命令：\n\n```bash\npython scripts\u002Fharness.py run --task examples\u002Fharness\u002Fai-app-startup-task.json --session-id demo\npython scripts\u002Fharness.py status --session-id demo\n```\n\n分步运行：\n\n```bash\npython scripts\u002Fharness.py run --task examples\u002Fharness\u002Fai-app-startup-task.json --session-id demo --to-step plan\npython scripts\u002Fharness.py run --task examples\u002Fharness\u002Fai-app-startup-task.json --session-id demo --resume --from-step scan\npython scripts\u002Fharness.py step --task examples\u002Fharness\u002Fai-app-startup-task.json --session-id demo-risk --name risk\n```\n\nHTTP API：\n\n```bash\nexport HARNESS_API_TOKEN=\"$(python -c 'import secrets; print(secrets.token_urlsafe(32))')\"\npython scripts\u002Fharness_server.py --host 127.0.0.1 --port 8765\ncurl -H \"Authorization: Bearer $HARNESS_API_TOKEN\" http:\u002F\u002F127.0.0.1:8765\u002Fhealth\n```\n\n`HARNESS_API_TOKEN` is required by default, including for `127.0.0.1`. Use\n`HARNESS_ALLOW_UNAUTHENTICATED=1` only for isolated local development where no\nuntrusted local process can reach the port.\n\n可用端点：\n\n- `GET \u002Fhealth`\n- `POST \u002Fsessions`\n- `POST \u002Fsessions\u002F{session_id}\u002Frun`\n- `POST \u002Fsessions\u002F{session_id}\u002Fsteps\u002F{tool_name}`\n- `GET \u002Fsessions\u002F{session_id}`\n- `GET \u002Fsessions\u002F{session_id}\u002Fevents`\n\nMCP \u002F stdio 接入：\n\n```bash\npython scripts\u002Fharness_mcp.py\n```\n\n当前暴露的工具：\n\n- `rapid_expert_run`\n- `rapid_expert_step`\n- `rapid_expert_status`\n- `rapid_expert_events`\n- `rapid_expert_rag_search`\n- `rapid_expert_queue_submit`\n- `rapid_expert_queue_run_next`\n- `rapid_expert_queue_status`\n- `rapid_expert_queue_approve`\n\n任务队列：\n\n```bash\npython scripts\u002Fharness_queue.py submit --task examples\u002Fharness\u002Fai-app-startup-task.json\npython scripts\u002Fharness_queue.py run-next\npython scripts\u002Fharness_queue.py worker --max-jobs 10 --stop-when-empty\npython scripts\u002Fharness_queue.py list\npython scripts\u002Fharness_queue.py status --job-id \u003Cjob_id>\n```\n\n审批闸门：\n\n`harness\u002Fconfig\u002Fpermission_profile.json` 中的 `approval_required_tools` 会让敏感工具先停在 `awaiting_approval`。批准后继续：\n\n```bash\npython scripts\u002Fharness.py approve --session-id \u003Csession_id> --tool github_search\npython scripts\u002Fharness.py run --task examples\u002Fharness\u002Fai-app-startup-task.json --session-id \u003Csession_id> --resume --from-step github_search\n```\n\n队列任务批准：\n\n```bash\npython scripts\u002Fharness_queue.py approve --job-id \u003Cjob_id> --tool github_search\npython scripts\u002Fharness_queue.py run-next\n```\n\n注意：`approved_tools` 是内部审批状态，不允许放进外部 `task` JSON。必须通过 CLI、HTTP 或 MCP 的审批动作写入。\n\n任务取消与重试：\n\n```bash\npython scripts\u002Fharness_queue.py cancel --job-id \u003Cjob_id>\npython scripts\u002Fharness_queue.py retry --job-id \u003Cjob_id>\n```\n\nRAG 索引：\n\n```bash\npython scripts\u002Frag_index.py build --sources outputs\u002Fsources_ranked.json --output outputs\u002Frag_index.json\npython scripts\u002Frag_index.py search --index outputs\u002Frag_index.json --query \"目标问题\"\n```\n\n如果任务设置 `no_network=true`，Harness 会跳过 GitHub 网络检索并把最终状态置为 `needs_review`，避免把离线占位资料误判为可交付结果。\n\n## Diagnostics and Export\n\n```bash\npython scripts\u002Fharness_diag.py health\npython scripts\u002Fharness_diag.py metrics\npython scripts\u002Fharness_diag.py export --output dist\u002Frapid-expert-harness.zip\n```\n\nThe exported zip excludes runtime directories, queue jobs, locks, local outputs, caches, logs, and `.env*` files.\n\n## Platform Contracts\n\n```bash\npython scripts\u002Fharness_contract.py write\n```\n\nThis writes:\n\n- `deploy\u002Fopenapi.json`\n- `deploy\u002Fmcp-tools.json`\n\n## Docker\n\n```bash\ncopy .env.example .env\n# Edit .env and set HARNESS_API_TOKEN to a long random token before starting the HTTP API.\ndocker compose up --build\ncurl -H \"Authorization: Bearer \u003CHARNESS_API_TOKEN>\" http:\u002F\u002F127.0.0.1:8765\u002Fhealth\n```\n\nEnvironment defaults are documented in `.env.example`.\n\n## Release\n\nBefore publishing:\n\n```bash\npython scripts\u002Fharness_contract.py write\npython scripts\u002Frun_tests.py\npython scripts\u002Fvalidate_deploy.py\npython scripts\u002Fharness_diag.py health\npython scripts\u002Fharness_diag.py export --output dist\u002Frapid-expert-harness.zip\n```\n\nSee `RELEASE_CHECKLIST.md`.\n",2,"2026-06-11 04:11:46","CREATED_QUERY"]