在当前资源匮乏、搜题软件解析质量参差不齐的时代，作者利用高考期间接触到的AI技术，开发了vibe-learning项目。该项目旨在简化高中生在学习和解题过程中遇到的问题。作者特别强调，目前仅利用多模态模型进行文字识别，推理过程则交给其他模型。与市面上部分AI搜题软件不同，vibe-learning允许用户微调题目，从而应对变形题目，解决了现有软件无法处理的痛点。此外，考虑到手写LaTeX输入LLM耗时且渲染问题，该项目优化了渲染流程，目前支持Markdown语法渲染，并计划接入更高效的LaTeX渲染方案，以降低学习成本，提升学习效率。
💡 **AI辅助解题与学习工具的开发背景**：项目缘起于作者高考期间对AI技术的探索，旨在解决当前搜题软件解析质量不高、资源匮乏的问题。作者利用了OpenAI-o1和DeepSeek-r1等模型，并专注于数学解题的实用性，以应对模拟卷中的不良解析。
🎯 **核心功能与技术考量**：vibe-learning主要利用多模态模型进行文字识别，将推理过程交给其他模型，以确保解题的准确性。与市面上许多AI搜题软件强制接入题库不同，该项目允许用户微调题目，从而解决变形题目带来的挑战，提升了AI在教育领域的灵活性。
✨ **优化用户体验与技术实现**：作者注意到实时渲染对小内存设备不友好，因此设计了分别渲染的方案，并实现了Markdown语法渲染。尽管Claude和Codex在LaTeX渲染方面存在局限，作者仍计划接入如Jupyter-web等高效的LaTeX渲染方案，以降低用户输入LaTeX的成本，并方便学习解题过程。
项目地址： https://github.com/cenaia/vibe-learning
画完手稿后，gpt 写的任务细节，把任务细节丢给 Claude code 。
花费大约 30USD 的 Claude 4.5 sonnet
---
在解析资源极其匮乏，各类搜题软件解析过于垃圾的现年代，我正好高考阶段遇上了 openai-o1 发布，11 月开始又用上大善人 DeepSeek-r1 ，教会了一些实用的数学解题，深度理解各模拟卷的垃圾解析
根据我在高中的使用经验，我并没有代码能力，于是 vibe coding 了一个 vibe-learning ，里面内置的流程，希望可以简化教育阶段的问题。
目前我对多模态推理还是极度不信任，所以仅让多模态模型进行文字识别，推理交给其他模型去做。
虽然豆包，小猿搜题等大模型软件内接了题库，但是目前只有豆包应该是好好做，但是他们不能微调题目。对于变形题目强制接入题库的信息，豆包这类软件就歇逼了。然而手写 LaTeX 问 llm ，非常耗时，于是做了这个软件。
---
对各类网站的使用体验，发现实时渲染对小内存十分不友好。于是做成了分别渲染，但是 Claude 和 codex 都不会写 LaTeX 的渲染。目前只有 markdown 语法渲染做好了。
目前发现好用的 LaTeX 渲染只有 jupyter-web ，我高中阶段用不起 openai 的 20USD/月，只能随便找个站接上 api ，随后把输出调成原始的，粘贴到 jupyter 进行格式调整，学习解题过程。
