扔掉你的学习App!PDF塞进去就能生成专属知识图谱

Get It，可帮助我们通过多种方式深度学习 PDF 文件内容。

自动在 PDF 文件上标注关键概念，还可转化为 3D 模型、动画演示、公式推导等可视化内容，同时生成一张知识图谱。

#AI#开源#学习#知识图谱#费曼技巧

你有没有过这种经历：辛辛苦读了一本教材，合上页面，脑子一片空白。不是你没认真，而是你只记住了「这一页讲了什么」，并没有真正理解「这个概念和那个概念怎么连起来」——考试时一个没见过的变体题就能把你击溃。

现在大多数学习工具的衡量标准都停留在表面：闪卡测的是瞬时回忆，思维导图测的是你画了多少线，AI总结测的是模型有多耐心。它们都回答不了一个关键问题：如果碰见一道从没见过的题，你能看懂吗？

一个来自 GDG AI Hack 2026 米兰站的开源项目 Get It. 瞄准了这个缺口。它的口号很直接：Read it. See it. Get it. 翻译过来就是：读进去，看出来，真正掌握。它不是又一个帮你「偷懒」的摘要工具，而是让你对着 PDF 自己构建知识体系的那层黏合剂。

把 PDF 变成一张活的「掌握地图」

Get It. 的起点很朴素：你扔进去一个纯文本 PDF（注意，扫描版图片 PDF 它搞不定，因为读的是文字不是图片）。然后，三件事同时启动。

第一，每一页自动「打标签」。 一个概念检测 Agent 会扫描全文，在关键术语旁边种下小小的标签胶囊（Tag）。每个标签都绑定一种可视化的渲染方式——比如 3D 场景（用 Three.js 展示分子结构或人体解剖）、2D 动画（Canvas 画物理化学过程）、公式推导（KaTeX 渲染）、函数曲线图、或者直接引用权威来源。你读到“线粒体”时，右边面板就自动弹出一个旋转的 3D 模型；读到“傅里叶变换”时，一张逐步展开的动画让你看到时域到频域的变化。

第二，交互式的可视化面板。 点击任何标签就能看到对应的渲染。如果某个标签还没生成，系统会告诉你“ready”的已经准备好了。也可以设置成自动渲染全部。最酷的是，当沙箱里的渲染脚本崩溃时，Agent 会自己读错误信息、重新生成修复后的版本——你只会看到“repairing”在转圈，而不是满屏的红字报错。

第三，知识图谱自动构建。 6 到 25 个概念节点，带类型的边（比如“A 推导出 B”“A 是 B 的特例”），节点大小代表掌握程度，颜色代表进展。点击任何一个节点，会弹出四维评分矩阵：记忆、理解、结构、应用，每一项 0-100 分，以及 Agent 给出的评价笔记。这个图谱不是静态的，它会随着你后面的学习行为动态更新。

四种工具，闭环反馈

知识图谱只是「地图」，真正的学习发生在你和这张地图的互动里。Get It. 内置了四个学习工具，每一个都会记录你的表现，然后反馈到图谱上。

• 聊天
   （Chat）：多轮对话，限定在当前文档范围内。你可以用自然语言提问，Agent 会引用原文或用自己的话解释。测试的是你的回忆和转述能力。

• 闪卡
   （Flashcards）：开放式回忆，你给自己评分：Again / Hard / Good / Easy。和市面上那些闪卡应用不一样，这里的闪卡是基于文档生成的，不是随便抄几行。

• 测验
   （Quizzes）：四选一强制选择题，一个正确答案加三个合理的干扰项。用来训练你面对相似选项时的辨别能力。

• 费曼技巧
   （Feynman）：Agent 扮演一个好奇的八岁小孩，你负责教它。这是最强制理解的过程——你要用自己的话把概念一层层讲清楚，漏洞立刻暴露。开发者认为这是最强的理解信号。

每次完成一轮学习，一个「评估器」Agent 就会读取你整个学习日志（Chat、Flashcard 结果、测验分数、费曼对话），然后更新知识图谱上每个概念节点的四个分数。而且这些分数是单调非递减的——你在 Get It. 里的进步只会累计，不会倒退。这让它不像一个学习应用，更像一台测量仪器。

用你自己的AI工具和API

很多 AI 学习工具都在玩一个套路：让你在它那边开一个会员，它再偷偷调用个便宜的模型 API，中间赚差价。Get It. 完全反过来了。

你只需要用一个你已经付费的 ChatGPT 账号（或者 OpenAI API key）登录，通过官方 Codex CLI 做传输。所有 Agent 跑在你的账号额度上。没有 Get It. 服务器，没有共享 key 池，没有按消息计费，没有“AI 积分”钱包，没有第二份订阅，而且未来也不打算加入这些。

官方说得很实在：ChatGPT Plus 是实用门槛（免费额度太小），Plus 及以上就足够舒适使用。你的数据存在本地——学习日志是一个单 JSON 文件，随手就能下载。Rate limit 是 OpenAI 的，当命中时，应用会显示倒计时横幅，等窗口恢复后自动继续后台工作。

安装与隐私

Get It. 是桌面应用，提供了 macOS（Apple Silicon / Intel）、Windows 10/11、Linux 的安装包。macOS 版本已经通过 Apple 开发者 ID 签名并公证，首次打开不会弹门卫警告。Windows 版本未签名，首次会看到 SmartScreen 提示，需要点击「更多信息 - 仍要运行」。

所有数据都存放在系统标准的应用数据目录下：macOS 在 ~/Library/Application Support/get-it/，Windows 在 %APPDATA%\get-it\，Linux 在 ~/.local/share/get-it/。你导入的每一份 PDF 都会建立一个单独文件夹，包括源 PDF、文本缓存、标签、工作上下文和知识图谱。删除一个文档，整个文件夹就被清空。

第一次启动时，设置向导会验证 Codex CLI 是否正常，引导 OAuth 登录，两个绿灯都亮才会让你进入主界面。然后你可以扔一个 PDF，或者直接用附带的五个示例样本（解剖学、经典力学、意大利宪法、微积分、有机化学）来体验全套功能。

开源、可玩、有架构细节

项目采用 Apache 2.0 许可，代码完全开放。如果你想自己改，npm run dev 就能启动完整的开发路径（只是 Electron 内部的 HMR 有个已知的 Next 16.2.6 + Turbopack + Chromium 130 的 hydration 小问题，所以用浏览器 dev 模式更稳）。发布流程通过打 tag 触发 GitHub Actions，自动构建并附加到 Release。

技术细节方面，项目有一个单独的 technical-writeup.md（也提供 PDF 版），里面解释了完整的架构设计：9 个提示词、9 个 schemas、一个共享 SDK 包装器、四维评分体系、逐文档评估队列、LLM 代码沙箱和桌面打包层。对于想深入理解 AI + 学习机制如何落地的开发者，值得一读。

它到底适合谁？

如果你是学生，正在啃一本难懂的教材，觉得看完就忘、合上书就晕——Get It. 可能就是你需要的那个「可视化助教」。如果你是一位终身学习者，想真正吃透某个领域的知识，这个工具会把你的学习过程量化成四个可追踪的维度。如果你是对 AI 在教育方向应用感兴趣的开发者，这个项目的架构思路——直接把 LLM 当作理解管道而非输出摘要——也值得借鉴。

Read it. See it. Get it. – 读完，看见，真的懂了。