AI 智能答题助手 (AI Study Copilot) —— 你的下一代学习辅助神器

AI 智能答题助手 (AI Study Copilot) —— 你的下一代学习辅助神器

⚡️ AI 智能答题助手 (AI Study Copilot) —— 你的下一代学习辅助神器

一键抓取 · 深度解析 · 学习更轻松

功能特性安装指南使用说明赞助与支持免责声明


项目地址:点击访问
插件官网:点击访问

在这里插入图片描述

📖 项目介绍

AI 智能答题助手 (AI Study Copilot) 是一款专为在线学习设计的浏览器扩展。V1.2 版本迎来重大升级,打破模型限制,不仅内置 DeepSeek 智能引擎,更开放支持 OpenAI本地大模型 (LM Studio)

不同于传统的题库匹配软件,本插件不依赖静态题库,而是通过实时 AI 分析,能够处理全新的题目、变种题以及复杂的阅读理解题。我们秉持“技术辅助学习”的理念,致力于将繁琐的资料检索过程自动化。

✨ 功能特性

1. ♾️ 模型源自由切换 (New)

  • 本地模型无限刷:支持连接本地 LM Studio,数据不上云,零成本、无限制、隐私更安全!
  • 自定义 API:兼容 OpenAI 及任意第三方接口 (OneAPI/NewAPI),想用什么模型由你决定。
  • 内置 DeepSeek:无需配置,开箱即用(VIP 尊享每日 300 次极速解析)。

2. 🆔 账户权益保障 (New)

  • ID 备份与恢复:全新上线账户管理面板,支持查看与备份专属账户 ID。
  • 权益不丢失:无论是更换电脑还是重装系统,只需填入旧 ID,会员权益一键恢复。

3. 🛡️ 静默抓包引擎

  • 无感抓取:采用全新的旁路监听技术,自动拦截网页题目数据(AJAX/Fetch)。
  • 更强兼容:完美支持跨域 Iframe 及各种复杂的动态加载题库,抓包更稳、更隐蔽。

4. 🔍 HTML 深度扫描 (VIP)

  • 针对没有数据接口的老旧静态网页,提供 DOM 深度扫描 模式。
  • 直接从网页可见区域提取题目文本,支持 OCR 无法处理的复杂排版。

5. 👆 极简交互体验

  • 数据看板:新增 AI 生成耗时统计与响应时间显示,精准把控答题节奏。
  • 智能高亮:自动识别题型([单选]、[多选]、[填空]),并使用彩色标签高亮显示。

美观模态框:全新设计的交互弹窗,视觉更统一,操作更丝滑。

在这里插入图片描述

📥 安装指南

应用商店安装(推荐,自动更新)

平台下载链接说明
Chrome点击前往 Chrome Web Store谷歌浏览器专用
Firefox点击前往 Firefox Add-ons火狐浏览器专用
移动版点击前往 Firefox Add-ons for AndriodAndriod手机/平板版专用(火狐浏览器-移动版)

插件文件离线安装

平台下载链接说明
Chrome点击下载离线插件谷歌浏览器&Edge浏览器&360安全浏览器专用
Firefox点击下载离线插件火狐浏览器专用(支持Andriod手机/平板端火狐浏览器)

🚀 使用说明

  1. 进入题库页面:打开你需要学习的网课或题库网站。
    • 此时插件会自动监听题目数据。
    • 若捕获成功,右下角悬浮球会出现红点数字提醒。
  2. 查看解析
    • 点击悬浮球打开面板。
    • 勾选需要解析的题目数据包。
  3. 配置模型 (可选)
    • 如果没有抓到包,在面板中开启 “HTML 深度扫描” 开关。
    • 点击列表上方的 “深度扫描” 按钮。

深度扫描 (针对无接口页面)

在这里插入图片描述

打开设置面板,点击AI自定义模型源,可选择 “内置模型”“DeepSeek API”“OpenAI”“本地模型”

点击 “🚀 发送选中数据给 AI”


自动捕获


⚠️ 免责声明

在使用本软件前,请务必仔细阅读以下条款:

  1. 辅助学习工具:本软件开发的初衷是辅助用户进行知识检索和解析,帮助理解知识点。严禁将本软件用于任何形式的违反法律法规、违反校规校纪或第三方平台规则的行为(包括但不限于考试作弊)。
  2. 技术中立:开发者仅提供数据处理与 AI 接口调用的技术工具。用户利用本软件在第三方平台进行的任何操作,其后果完全由用户自行承担。
  3. 数据安全:本软件仅在用户主动操作时处理题目文本数据,绝不收集用户的账号密码、Cookie 或个人隐私信息。
  4. 合规使用:请勿利用本软件批量抓取他人拥有知识产权的题库数据用于商业牟利。

🛠️ 技术栈

  • 前端核心: Vanilla JavaScript (ES6+), HTML5, CSS3
  • 扩展框架: Chrome Extension Manifest V3
  • 通信机制: chrome.runtime, window.postMessage, MessageChannel
  • 网络拦截: XMLHttpRequest Proxy, Fetch Proxy (Silent Bypass)
  • AI 接口: Multi-Provider Support (Built-in Proxy / OpenAI / LM Studio)

📄 License

MIT License © 2026 Hx0 Team

Read more

【TRAE】AI 编程:AI 驱动下的 Vue 全栈实战——从 TRAE 工具入门到项目落地

【TRAE】AI 编程:AI 驱动下的 Vue 全栈实战——从 TRAE 工具入门到项目落地

目录 一、TRAE 简介 (1)产品愿景 (2)核心定位 (3)核心模式 ① SOLO 模式 / Builder 模式 ② IDE 模式 / Chat 模式 (4)核心功能与体验 ① 全场景开发支持 ② Cue 智能续写(升级) ③ 深度上下文感知 ④ 智能排查 Bug (5)智能体生态 ① 可自定义智能体 ② 工具自由装配 (via MCP) ③ Trae Rules ④ 智能体市场 (6)支持模型 (7)平台与获取 (8)隐私与安全 ① 原则 ② 数据隐私 ③ 安全控制 ④ 区域化部署 (9)核心价值 二、TRAE

【Linux网络系列】:JSON+HTTP,用C++手搓一个web计算器服务器!

【Linux网络系列】:JSON+HTTP,用C++手搓一个web计算器服务器!

🔥 本文专栏:Linux网络Linux实践系列 🌸作者主页:努力努力再努力wz 💪 今日博客励志语录:别害怕选错,人生最遗憾的从不是‘选错了’,而是‘我本可以’。每一次推倒重来的勇气,都是在给灵魂贴上更坚韧的勋章。 ★★★ 本文前置知识: 序列化与反序列化 引入 在之前的博客中,我详细介绍了序列化 与反序列化 的概念。对于使用 TCP 协议进行通信的双方,由于 TCP 是面向字节流的,在发送数据之前,我们通常需要定义一种结构化的数据来描述传输内容,并以此作为数据的容器。在 C++ 中,这种结构化数据通常表现为对象或结构体。然而,我们不能直接将结构体内存中对应的字节原样发送到另一端,因为直接传递内存字节会引发字节序 和结构体内存对齐 的问题。不同平台、不同编译器所遵循的内存对齐规则可能不同,这可能导致接收方在解析结构体字段时出现错误。 因此,我们需要借助序列化 。序列化 是指将结构化的数据按照预定的规则转换为连续的字节流。其主要目的是屏蔽平台差异,使得位于不同平台的进程能够以统一的方式解析该字节流。序列化通常分为两种形式:文本序列化 与二进制序列化 。 文

想快速给前端加个AI小助手?这个CopilotKit神器,跟着一步步实战,感觉比想象中简单多了!

想快速给前端加个AI小助手?这个CopilotKit神器,跟着一步步实战,感觉比想象中简单多了!

最近你可能听过一个新的AG-UI(Agent-User InteractionProtocol)协议:定义了前端UI和后端Agent之间的集成标准。不过与MCP/A2A协议不同的是,AG-UI是从实际产品中提炼出来的标准。这个产品就是CopilotKit:一个强大的、用来集成前端UI与后端Agent的开源神器,也是AG-UI协议的参考实现。 本篇将结合实例,为你深入展示 CopilotKit 的核心能力。你不仅能掌握这一实用新工具,更能真正理解 AG-UI 协议的落地应用,摆脱停留在表面的概念认知。 * CopilotKit与AG-UI初探 * 构建一个CopilotKit的演示Demo * CopilotKit能力之:前后端State共享 * CopilotKit能力之:调用前端“工具” * CopilotKit能力之:基于Agent的生成式UI * CopilotKit能力之:HITL(人类参与流程) * 其他与总结 我们分成两篇一步步介绍(源代码见文末)。 开始前,欢迎了解本号重磅新作 01CopilotKit与AG-UI初探 【挑战在哪里】 MCP

2026 Python+AI 学习方向拆解:3 个高性价比赛道,新手优先学

2026 Python+AI 学习方向拆解:3 个高性价比赛道,新手优先学

欢迎文末添加好友交流,共同进步! “ 俺はモンキー・D・ルフィ。海贼王になる男だ!” * 前言 * 一、AI数据处理与分析赛道 * 1.1 为什么选择这个方向? * 1.2 核心技能树 * 1.3 实战代码示例 * 数据清洗与预处理 * 1.4 学习路线图 * 二、AI应用开发赛道(LLM + RAG) * 2.1 为什么选择这个方向? * 2.2 RAG技术架构流程 * 2.3 实战代码:构建RAG问答系统 * 2.4 学习路线图 * 三、AI自动化办公赛道 * 3.1 为什么选择这个方向? * 3.2 自动化办公应用场景 * 3.3 实战代码示例