你的私人 AI 知识训练场：边问、边练、边复习，把一次对话变成长期记忆。
在线演示 · 快速开始 · Codex Plugin · 部署与运维
MindTrain 是一个面向 Codex 和其他 AI 客户端的开源知识训练平台。你可以像普通聊天一样随时追问、质疑和索要提示；MindTrain 在后台负责题库、精确判分、学习记录和抗遗忘调度。
- 对话不中断：遇到不懂的概念直接问，当前题目不会被误判为已作答。
- 数据归自己：单用户私有部署，题库和学习历史保存在自己的 PostgreSQL 中。
- 真正形成闭环：复习旧题、按需生成新题、记录错误，并控制每天的新题与到期积压。
- 知识目录初始化：既可通过 AI 对话规划领域与知识点，也可指定本地资料目录整理知识树；完整预览并确认后才保存。
MindTrain 核心不绑定具体知识领域；每个私有实例可以独立管理自己的领域、知识点和题库。
- Training Core 是题目、会话、作答、复习状态和配置的权威数据源。
- Trainer MCP 只调用 Core API，不直接访问数据库。
- Skill 负责教学和工具编排，不保存业务数据。
- AI 临时题会先校验并入库再展示；作答前可拒绝并物理删除，作答后转为普通复习题。
设计决策和数据边界见概要设计。
一次训练并不是简单的“显示答案”：调度器先根据到期状态和新题额度选题；用户可以在提交前无限追问；只有明确提交选项后，Core 才会精确判分并追加学习记录。题库不足时，Core 会返回结构化生成要求，由 Codex 生成、Core 校验入库后再展示。
每轮题量、复习与新题配额、积压暂停规则和 AI 临时题有效期均由数据库配置控制，可在 Web 管理页调整。
在线演示：https://mindtrain.jianyutan.com/（可公开查看示例统计；训练需要连接自己的私有实例）
| 能力 | 你得到什么 |
|---|---|
| 对话式 AI 教练 | 在同一题中追问概念、索要提示、质疑答案，再继续作答 |
| 确定性判分 | 单选和多选按选项集合精确判分，不让模型“凭感觉”决定分数 |
| 抗遗忘调度 | 默认平衡复习题和新题；积压过高时自动暂停新题 |
| AI 补题 | 题库不足时由 Codex 按指定知识点、题型和难度生成并校验新题 |
| 本地资料库 | 支持 MD、TXT、PDF、DOCX、PPTX；原文和索引只留在本机 |
| 知识目录 | Codex 与 Web 均可查询多个领域、知识点树、关键词、题目覆盖和掌握度 |
| 掌握双榜 | 根据掌握度和最低作答样本区分待加强、擅长与数据积累中的知识点 |
| 私有数据 | Core 是唯一权威数据源；Skill 无状态，仓库不承载运行数据 |
| Web + Codex | Web 用于看板、旧题复习和配置；Codex 用于完整的 AI 教练体验 |
当前可用：Training Core、Trainer MCP、MindTrain Web、Codex Plugin 和加权调度。Anki / FSRS Provider 尚在规划中。
- Git
- Docker 与 Docker Compose
- Codex CLI 或 Codex App（使用 AI 教练时需要）
git clone https://github.com/shigella520/MindTrain.git
cd MindTrain/deploy/core-only
cp .env.example .env编辑 .env，至少替换下面两项：
POSTGRES_PASSWORD=请替换为随机数据库密码
MINDTRAIN_BOOTSTRAP_TOKEN=请替换为随机长令牌可以使用 openssl rand -hex 32 生成随机值。MINDTRAIN_BOOTSTRAP_TOKEN 同时保护 Codex → Trainer MCP 和 Trainer MCP → Core，请勿提交或公开。
docker compose up -d --build
docker compose ps等待四个容器健康后访问：
- Web：http://127.0.0.1:4173
- Core 健康检查：http://127.0.0.1:8080/actuator/health
- MCP 健康检查：http://127.0.0.1:8787/actuator/health
PostgreSQL 不对宿主机开放；Core、MCP 和 Web 默认只监听 127.0.0.1。
先安装 MindTrain Plugin：
codex plugin marketplace add shigella520/MindTrain --ref main
codex plugin add mindtrain@mindtrain安装完成后新建一个 Codex 任务，输入：
$mindtrain 配置我的 MindTrain 实例
按提示提供：
- MCP 地址。本机部署使用
http://127.0.0.1:8787/mcp；云端部署使用自己的 HTTPS 地址。 .env中的MINDTRAIN_BOOTSTRAP_TOKEN。
配置只保存在本机用户配置目录，不进入项目仓库。完整安装、升级和故障排查见 Codex Plugin 部署。
第一次训练前，先告诉 MindTrain 你想学习什么。一个私有实例可以管理多个训练领域，每个领域可以包含多棵知识点树。
最简单的方式是让 Codex 根据学习目标规划领域：
使用 $mindtrain，根据【我的学习目标】创建一个训练领域。请先展示完整知识点树，等我确认后再保存。
使用前请把 【我的学习目标】 替换为具体内容，例如“准备 Kubernetes 运维面试，重点掌握 Pod、Deployment、Service 和故障排查”。如果没有提供具体目标，MindTrain 会先询问学习主题、范围和期望深度，再生成知识点树。
如果已有自己的学习资料，也可以指定本地目录：
$mindtrain 使用 /path/to/notes 创建 backend-notes 资料库，
为我整理训练领域和知识点，预览确认后保存
无论使用哪种方式，Codex 都会先展示完整的领域信息和知识点树；只有你明确确认后，MindTrain 才会原子写入 Core。通过本地资料创建时，Plugin 会在本机缓存目录建立私有解析环境和全文索引，Core 不接收文件原文、绝对路径或本地索引。PDF 首期只抽取文本，不做 OCR。
创建完成后，可以在 Web 的“知识目录”中浏览知识树、搜索知识点并查看题目覆盖和掌握度。详细说明见知识目录。
新建一个任务并输入：
$mindtrain 开始训练
只有一个训练领域时会自动使用；存在多个领域时，Codex 或 Web 会要求你选择本次训练的领域，例如 $mindtrain 开始 ai-agent 训练。一次训练 Session 只会从所选领域出题，不会在多个领域之间随机混合。
你可以在任何一道题中直接问：
这个概念具体是什么？
为什么 B 不对？
先给我一个提示，不要公布答案。
这道题不适合当前主题，换一道。
只有明确提交选项时才会产生 Attempt；普通追问不会消耗题目。
MindTrain 面向单用户私有部署。推荐只通过反向代理公开 Web 和 Trainer MCP：
https://mindtrain.example.com/ -> http://127.0.0.1:4173/
https://mindtrain.example.com/mcp -> http://127.0.0.1:8787/mcp
云端 MCP 必须使用 HTTPS 和 Bearer Token。不要公开 PostgreSQL，也没有必要把 Core 端口暴露到公网。
Nginx/Caddy/Cloudflare Tunnel、健康检查、备份恢复、升级和完整配置说明见部署与运维。
升级分为服务端和 Codex Plugin 两部分。升级前先备份 PostgreSQL；训练领域、题库、作答记录和应用配置都保存在数据库中，不应依赖容器本身保存。
在 deploy/core-only 目录执行：
mkdir -p ../../backup
docker compose exec -T postgres \
sh -c 'pg_dump -U "$POSTGRES_USER" -d "$POSTGRES_DB" -Fc' \
> ../../backup/mindtrain.dump同时把 .env 备份到密码管理器或其他受控位置，不要提交到 Git。
使用仓库源码部署时：
cd MindTrain
git pull --ff-only
cd deploy/core-only
docker compose up -d --build
docker compose ps如果自己的 Compose 使用 ghcr.io/shigella520/mindtrain-*:latest 镜像，则执行：
docker compose pull
docker compose up -d --remove-orphans
docker compose pslatest 指向最新正式 Release；1.0.0 等精确标签内容不可变，生产部署建议优先固定精确版本。dev 用于测试任意功能分支，不建议长期作为正式实例的固定升级通道。Training Core 启动时会由 Flyway 自动迁移数据库；如果迁移失败，应保留日志并恢复旧版本，不要手工修改 Flyway 历史表。
codex plugin marketplace upgrade mindtrain
codex plugin add mindtrain@mindtrain更新后新建一个 Codex 任务，使新版 Skill 和 MCP bridge 重新加载。现有实例地址和 Token 保存在 Plugin 之外，不会因升级而丢失。
MindTrain 会在任务开始及远程工具调用时自动校验 Plugin、Trainer MCP 和接口契约版本。版本不同但兼容时会提醒同步升级；不兼容时会停止训练并明确指出需要升级 Plugin、服务端或两者。看到版本提示后不要绕过校验，升级 Plugin 后务必新建 Codex 任务。
升级完成后确认 Core、MCP 和 Web 均为 healthy，再开始训练。备份恢复、版本回退和故障排查见部署与运维，Plugin 细节见Codex Plugin 部署。
# 查看状态和日志
cd deploy/core-only
docker compose ps
docker compose logs -f trainer-core trainer-mcp web
# 停止服务但保留数据
docker compose down训练题量、新题额度、积压阈值、临时题有效期和报表时区可在 Web 的“管理 → 训练配置”中修改，不需要重启服务。
| 想做什么 | 阅读 |
|---|---|
| 部署到服务器、配置反向代理、备份或升级 | 部署与运维 |
| 安装、切换分支、更新或排查 Codex Plugin | Codex Plugin 部署 |
| 本地开发、运行测试、构建镜像或了解 CI | 开发指南 |
| 维护版本号或发布正式 Release | 版本与发布规范 |
| 了解 Dashboard、Web 训练和视觉设计 | Web 设计 |
| 创建、查询领域与知识点树 | 知识目录 |
| 查看 REST API | Training Core OpenAPI |
| 查看产品方向、架构与仓库边界 | 产品路线图 · 目标需求 · 概要设计 · 仓库目录规划 |
| 查看 Skill 工作流 | MindTrain Plugin Skill |
MindTrain 1.0 已完成私有部署、领域初始化、对话式训练、加权调度和动态学习看板。后续按依赖关系推进：
- 完善题库治理、复习明细、近期会话和训练趋势。
- 增加备份恢复，以及训练内容与个人学习记录的独立导入导出。
- 扩展来源治理、内容质量评测和可验证的新题型。
- 在 Core 调度契约稳定后接入 FSRS Provider 与可选 Anki Bridge。
- 最后扩展多用户、权限和共享领域治理。
详细阶段目标、完成标准和非目标见产品路线图。
欢迎通过 Issue 提交使用反馈、题目质量问题和新的知识领域建议。
MindTrain 使用 MIT License 开源，可自由使用、修改、分发和商用，但需保留原始版权声明和许可证文本。
