AI Learning Workspace / v3.2
Belajar dari materimu sendiri1
ScholarBot membaca PDF dan catatan yang kamu unggah, menjawab dengan bahasa yang kamu pahami, lalu menunjukkan potongan sumbernya — supaya kamu bisa memeriksa, bukan sekadar percaya.
Proyek personal · Python + FastAPI + React · tanpa vector database
Karena beras adalah kebutuhan pokok — orang tetap membelinya meski harga naik, jadi koefisien elastisitasnya di bawah satu. 1
Permintaan disebut inelastis apabila koefisiennya kurang dari satu. Barang kebutuhan pokok seperti beras dan garam bersifat inelastis karena tetap dibeli meski harganya naik.
Klik penanda 1 di jawaban untuk membuka sumbernya.
- tes otomatis lulus
- 111
- endpoint REST API
- 13
- mode personality
- 4
- vector database
- 0
Latar belakang
Chatbot biasa tidak pernah membaca modulmu.
Ia menjawab dari rata-rata internet. Padahal yang kamu ujikan minggu depan adalah slide dosen, catatan kelas, dan rangkuman yang cuma ada di foldermu.
- 01 Jawaban generik. Istilahnya beda dengan yang dipakai pengajarmu, contohnya tidak nyambung.
- 02 Tidak bisa diperiksa. Kamu tidak tahu kalimat mana yang benar-benar berasal dari materi.
- 03 Belajarnya pasif. Tidak ada ukuran kemajuan — hanya percakapan yang menumpuk.
Kemampuan
Enam hal yang dikerjakan ScholarBot
-
RAG multi-dokumen
Unggah PDF atau TXT. Teks diekstrak, dipotong di batas topik, lalu dipakai sebagai sumber jawaban.
-
Sitasi inline
Tiap kalimat yang berasal dari dokumen ditandai n dan bisa diklik ke potongan aslinya.
-
Semantic search hibrida
Cosine similarity NumPy untuk menangkap makna, dengan keyword search sebagai jaring pengaman saat API embedding mati.
-
Quiz & mastery
Soal dirangkai dari riwayat diskusimu sendiri, lalu skornya memperbarui progres penguasaan per topik.
-
Mind map interaktif
Struktur materi divisualkan sebagai graf yang bisa diperluas node per node.
-
Memory & personality
Ingat nama dan topik yang sudah dibahas. Empat gaya bicara, dari formal sampai santai.
Cara kerja
Dari berkas mentah ke jawaban bersumber
- 1
Unggah
PDF atau TXT masuk lewat
/api/upload. - 2
Ekstraksi
pypdf untuk PDF, deteksi encoding otomatis untuk TXT.
- 3
Chunking
Dipotong di titik pergantian topik memakai ambang persentil dinamis.
- 4
Retrieval
Embedding cosine digabung keyword TF, diambil tiga potongan teratas.
- 5
Jawaban
Konteks disuntik ke prompt, jawaban keluar token demi token dengan penanda sumber.
Setiap tahap punya jalur cadangan. Saat API embedding mati atau kena rate limit, sistem turun ke keyword retrieval tanpa memunculkan error ke pengguna.
Bagian favorit saya
Setiap klaim membawa nomor halamannya.
Model diminta menutup tiap kalimat yang berasal dari materi dengan penanda n, dan hanya boleh memakai nomor yang benar-benar dikirim ke dalam prompt. Nomor karangan disaring di backend, penanda di luar rentang dibiarkan sebagai teks biasa. Kalimat dari pengetahuan umum sengaja dibiarkan tanpa penanda — supaya kamu tahu mana yang bisa ditelusuri.
- Nomor yang stabil. Label di prompt, di jawaban, dan di kartu sumber adalah angka yang sama.
- Bisa diperiksa. Satu klik membuka potongan teks persis yang dipakai, lengkap dengan skor relevansinya.
- Jujur soal batas. Sumber yang tidak terpakai ditandai, bukan disembunyikan.
Dibangun dengan
Ringan sampai ke tulangnya
Tanpa GPU, tanpa database server, tanpa vector store. Backend-nya muat di instance terkecil.
React 18
Vite 5
Tailwind
Python 3.11
FastAPI
NumPy
Untuk siapa
Buat yang belajarnya dari tumpukan materi sendiri
Siswa yang mau materi dijelaskan ulang tanpa merasa dihakimi. Mahasiswa yang menghadapi slide padat di semester awal. Dan siapa pun yang belajar mandiri dari e-book serta catatan yang menumpuk di folder.
ScholarBot bukan pengganti guru atau buku. Ia teman belajar yang tidak pernah kehabisan kesabaran, dan selalu mau menunjukkan dari mana jawabannya datang.
Status live demo