book-learning
Book Learning (书内) es un espacio de estudio multi-usuario autocontenido que permite subir libros en formato Markdown, TXT o DOCX. Permite consultar Q&A por capítulo, resúmenes de puntos clave y exámenes autoevaluativos.
Ficha actualizada 23 sept 2026, 5:28 · upstream 23 sept 2026, 5:26 · release sin release detectada
Qué es book-learning
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Book Learning (书内) es un espacio de estudio multi-usuario autocontenido que permite subir libros en formato Markdown, TXT o DOCX. Permite consultar Q&A por capítulo, resúmenes de puntos clave y exámenes autoevaluativos. Cada respuesta incluye referencias citables al texto original con validación cruzada entre dos fuentes. El sistema ofrece un lector de anotaciones, compresión automática de conversaciones largas y una opción opcional para buscar en internet mediante API Zhipu. Todo el contenido está escopificado por cuenta y libro, sin fugas entre libros.
- Estudiar textos académicos o técnicos con referencia a fuentes originales
- Comprender conceptos complejos mediante preguntas frecuentes (Q&A)
- Resumir capítulos de manera estructurada para revisiones rápidas
- Autoevaluación mediante cuestionarios generados automáticamente
- Buscar información complementaria sobre temas relacionados sin salir del libro
- Soporte multi-usuario con aislamiento por cuenta y libro, permitiendo múltiples sesiones concurrentes
- Validación de referencias citadas: cada respuesta debe estar respaldada por al menos una cita textual del texto original
- Compresión automática de conversaciones largas mediante resumen contextual sin perder contexto relevante
- Lectura completa de documentos con resaltado automático y notas privadas no enviadas a la IA
- No es un editor de código completo: solo soporta Markdown, TXT y DOCX como formatos de entrada
- La búsqueda web es opcional (por defecto) y requiere una API clave externa para activarse
- El sistema no ofrece recuperación de contraseña ni verificación por correo electrónico
- No incluye panel de administración ni facturación; el administrador puede acceder al volumen de datos
- Las respuestas pueden ser inexactas si la IA genera contenido fuera del texto original
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Se recomienda desplegar en un entorno Docker con una sola instancia de Flask y un único worker Gunicorn. Se debe usar SQLite como base de datos local o un volumen persistente (ej. Railway) para persistencia. Configurar `STUDY_SECRET_KEY` como clave secreta aleatoria de al menos 32 caracteres. Activar HTTPS (`STUDY_COOKIE_SECURE=1`) en producción. Para el servicio de búsqueda opcional, configurar la API Key de Zhipu o un endpoint MCP remoto según necesidad.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.