Wiki Course
لینک یک مقاله‌ی ویکی‌پدیا را بده. پیش‌نیازها، قدم‌های بعدی و مطالب مرتبط را با تصویر، خلاصه، نمره و دلیل به‌شکل یک مسیر یادگیری می‌گیری. هر چه بلدی را تیک می‌زنی، فلش‌کارت مرور می‌کنی و آزمون می‌دهی. رودمپ را خروجی می‌گیری یا برای ChatGPT/Gemini/Claude پرامپت آماده کپی می‌کنی.
npm install
npm run dev # http://localhost:5173
npm run check # assertهای منطق (استخراج JSON، لایتنر، streak، خروجی‌ها)
npm run build # همان چیزی که Vercel می‌سازد (dist/)
برای توسعه‌دهندگان و ایجنت‌ها: HANDOVER.md (معماری، قراردادها، مشکلات شناخته‌شده؛ انگلیسی) و AGENTS.md.
چه چیزهایی دارد
-
خانه: یک «قدم بعدی» روشن (مرور کارت‌ها، ادامه‌ی دوره یا موضوع جدید)، ساخت دوره، دوره‌های فعال و پیشرفت هفته.
-
ساخت دوره (#/new): لینک را بچسبان، مقاله را پیش‌نمایش ببین، عمق (سریع، استاندارد، عمیق) و هدف (درک کلی، امتحان، کار، پژوهش) را انتخاب کن.
-
کتابخانه: جست‌وجو، فیلتر، مرتب‌سازی، بایگانی و حذف. کشف و آمار هم دارد. میان‌بر جست‌وجو: Ctrl/Cmd+K.
-
مرور با سه درجه‌ی «سخت»، «خوب» و «آسان» و نمایش فاصله‌ی بعدی (کلیدهای ۱، ۲، ۳).
-
انتقال بدون حساب کاربری: از منوی «خروجی و پرامپت» هر دوره لینک اشتراک‌گذاری دارد، و در تنظیمات «لینک انتقال» همه‌ی داده‌ها را به دستگاه دیگر می‌برد. داده در خود لینک فشرده می‌شود و به هیچ سروری نمی‌رود؛ هر ورودی قبل از افزودن اعتبارسنجی و با تأیید خودت اضافه می‌شود.
چطور کار می‌کند
- سایت کاملاً استاتیک است. مرورگر مستقیم ویکی‌پدیا و gateway هوش مصنوعی (آروان → Gemini 2.5 Flash-lite، سازگار با OpenAI) را صدا می‌زند. هر دو CORS دارند. سرور و دیتابیس ندارد.
- کلید هوش مصنوعی را در صفحه‌ی تنظیمات (
#/settings) وارد کن: آدرس gateway تا /v1، API key و مدل. فقط در localStorage همان مرورگر می‌ماند؛ نه در کد است، نه در گیت، نه در فایل پشتیبان.
- ساخت دوره —
src/lib/build.ts:
0. به‌جای لینک می‌توانی نام مقاله را تایپ کنی؛ ویکی‌پدیا جست‌وجو می‌شود و مقاله را از فهرست نتایج انتخاب می‌کنی.
- خلاصه، تصویر و لینک‌های مقدمه‌ی مقاله از ویکی‌پدیا خوانده می‌شود.
- مدل پیش‌نیاز، پس‌نیاز و مرتبط را با نمره‌ی ۰–۱۰۰ و دلیل برمی‌گرداند.
- هر عنوان در ویکی‌پدیا پیدا می‌شود؛ اگر عین عنوان نبود، با جستجو.
- اگر پاسخ ناقص یا خراب بود (gateway گاهی جواب را می‌بُرد)، تا ۶ بار دوباره پرسیده می‌شود.
- مصرف و هزینه‌ی هوش مصنوعی: در تنظیمات، هر فراخوانی ثبت می‌شود (توکن ورودی و خروجی، نوع کار، تلاش‌های دوباره) و با قیمت قابل‌ویرایش (پیش‌فرض ۲۶٬۰۰۰ و ۱۰۴٬۰۰۰ تومان برای هر میلیون توکن) هزینه‌ی تخمینی امروز، ۷ روز اخیر و کل نشان داده می‌شود. این لاگ در پشتیبان هم می‌آید. مبلغ نهایی را صورت‌حساب ابرآروان تعیین می‌کند.
- خوانشگر مقاله (
#/read/<lang>/<title>) — از پنل هر موضوع («مطالعه‌ی مقاله») یا دکمه‌ی «بخوان» کنار نوار لینک باز می‌شود و به هوش مصنوعی نیاز ندارد. دو حالت دارد: ساده (متن تمیز، با اندازه‌ی قابل تنظیم) و پیشرفته (هوش مصنوعی یک بار اصطلاحات مهم مقاله را پیدا می‌کند و اولین ذکر هر کدام در هر بخش پررنگ می‌شود؛ نتیجه روی دستگاه می‌ماند). فرمول‌ها در متن ساده نیستند و با برچسب «فرمول» مشخص می‌شوند.
- فلش‌کارت و آزمون به‌ازای هر موضوع و فقط وقتی بخواهی ساخته می‌شوند. ورودی متن خود مقاله است و خروجی نکات کلیدی، ۶ کارت و ۴ سؤال. مرور با جعبه‌های لایتنر است (۱، ۲، ۴، ۸، ۱۶ روز). آزمون با ۷۵٪ یعنی «بلدم».
- ذخیره: پیشرفت، کتابخانه و یادداشت‌ها در localStorage هستند و دوره‌ها و فلش‌کارت‌ها در Cache Storage. برای انتقال به گوشی یا احتیاط: تنظیمات ← پشتیبان‌گیری / بازیابی.
- دوره‌های نمونه با خود سایت منتشر می‌شوند: متن هر دوره در
public/courses/ و فهرستشان در src/data/samples.json. نمونه‌ی تازه بساز با: npm run build:course -- <wikipedia url> (از .env: AI_BASE_URL، AI_API_KEY، اختیاری AI_MODEL). en-Linear_algebra.json دستی ساخته شده است.
نسخه‌بندی و تغییرات
نسخه‌ها از Semantic Versioning پیروی می‌کنند (major.minor.patch؛ تا قبل از ۱٫۰٫۰ هر ویژگی یا بازطراحی قابل‌مشاهده یک نسخه‌ی minor است). نسخه‌ی فعلی ۰٫۴٫۰ است و تاریخچه‌ی تغییرات در CHANGELOG.md است. اپ را می‌شود نصب کرد (PWA) و بدون اینترنت هم باز می‌شود؛ ساخت دوره و خواندن مقاله هنوز به اینترنت نیاز دارند.
انتشار روی Vercel
مخزن را در GitHub push کن و در Vercel: Add New → Project → Import → Deploy. Vite خودکار تشخیص داده می‌شود و env لازم نیست. بعد از انتشار، روی هر دستگاه یک بار تنظیمات (چرخ‌دنده) را پر کن.
