猫咪口吻 + 大肥鱼陪你学编程的离线学习伴侣。

一款面向编程初学者的 Windows 桌面学习应用：五门语言、266 节课文、6026 道题，代码在本机真编译、真运行。

📥 极速下载体验 →　Windows 10/11 x64 · 下载后双击安装 · 无解压密码

简体中文 · English summary

• 这是什么
• 功能一览
• 内容规模
• 快速开始
• 项目结构
• 技术实现
• 大肥鱼从哪里来：LoRA 与 ComfyUI 出图管线
• 致谢 / Open Source Credits
• 许可证边界
• 已知限制与安全说明
• 参与贡献

「咪爱编程」是一套离线优先的编程学习桌面应用。它把课程、题库、代码编辑器、编译运行环境、 错题本、每日复习、每日挑战、动态壁纸和一只会饿的桌宠装进同一个窗口。

• 不是网页套壳：课程内容、题库、判分、代码运行都在本地，断网可用。
• 不是只讲语法：code / codefix / codefill / codewrite 题型会在本机真编译、真运行、 真比对输出；跑不通就是跑不通。
• 不替你写作业：AI 只用来出题和讲解；代码题必须在本机沙盒流程里跑通才会展示给用户。

产品气质是「猫咪外衣 + 硬核内核」：讲解可以撒娇，术语必须是编程原术语。

• 刚接触 C / C++ / Java / Python，需要一条有顺序的入门路线；
• 想要「打开就能写、写完就能跑」，不想先折腾环境；
• 喜欢桌面宠物、动态壁纸、夜间模式这类让学习不那么苦的东西。

云同步是可选的。仓库自带 server/（Fastify + PostgreSQL）供自行部署； 不配置服务器时，应用不会发起任何云端请求。

统计口径：src/renderer/src/generated/content-bundle.json（由 content/ 构建产物生成）， 2026-10-22 实测。

题目构成：

另有 243 个 demo 演示动画（课文里的 ```demo 代码块，由前端播放器渲染）。

其中 1754 道是随课题目（q*），4272 道是分课挑战题库（bank-*，模板批量生成并逐题经本地真跑校验）。 两者 id 命名空间不同，不会互相覆盖。

• Windows 10/11 x64（当前主支持平台）
• Node.js ≥ 24（server/ 明确要求 >=24；客户端构建也按 24 验证）
• 跑代码题需要本机工具链（缺了也能用选择题/填空题，只是代码题会提示环境未就绪）：
  • C：gcc
  • C++：g++
  • Java：JDK 21（javac / java）
  • Python：python

git clone <你的仓库地址>
cd miai-biancheng

npm install
npm run dev

# 只构建应用（要求内容包已存在）
npm run build:app

# 先重建内容包，再构建应用
npm run build

# 严格校验内容包（缺文件直接失败）
npm run build:content:strict

# 打 Windows NSIS 安装包
npm run package:win

构建产物在 out/；安装包输出目录见 package.json 的 build 配置。

npm test                 # 单元/集成测试（vitest）
npm run typecheck        # 主进程 + 渲染进程类型检查
npm run validate:content # 课程与题库结构校验
npm run check:samples    # 课文代码块真跑
npm run check:questions  # 题目代码真跑
npm run check:answers    # 代码题答案与判分对账
npm run check:bank       # 挑战题库校验
npm run check:packed     # 产物内容对账

这些闸门会调用本机编译器；没有装工具链时，相关用例会跳过或失败，属于预期行为。

cd server
npm install
npm run dev       # tsx watch
npm test          # PGlite 内存库测试
npm run typecheck

部署与环境变量见 server/README.md 和 server/deploy/。 不要把 .env、数据库文件或任何真实密钥提交到仓库。

miai-biancheng/
├── src/
│   ├── main/              Electron 主进程：窗口、存储、代码运行、壁纸、桌宠、云同步
│   ├── preload/           预加载脚本与 IPC 白名单
│   ├── renderer/          Vue 3 渲染进程：课程、练习、复习、挑战、设置、外观
│   │   └── src/generated/ 内容包构建产物（不入库）
│   └── shared/            主/渲染共享的纯逻辑：判分、题型、难度、壁纸属性、协议
├── content/               课程 Markdown + 题目 JSON + 挑战题库 + 术语表
├── server/                自建后端：Fastify + Zod + PostgreSQL
├── build/                 electron-builder 资源、桌宠 vendor/补丁、WebGL 补丁
├── scripts/               内容构建、校验、探针、许可证生成
├── docs/                  设计、技术、内容、交接文档
├── prototype/             壁纸引擎 P1 可行性实验（证据链）
├── resources/             应用图标等打包资源
└── THIRD-PARTY-NOTICES.md npm 依赖许可证台账（脚本生成）

• Electron 44 + Vue 3 + TypeScript + Pinia + Vue Router，electron-vite / Vite 构建。
• CodeMirror 6：自研 Vue 包装组件，不引第三方包装层；C/C++/Java/Python 语法高亮与补全。
• markdown-it + highlight.js 渲染课文；ECharts 画学习统计；animejs 做界面动效； @formkit/auto-animate 处理列表过渡；splitpanes 做可拖拽分栏。
• 代码运行：主进程 spawn 调本机编译器/解释器；独立编译超时与运行超时；超时杀进程树； stdout/stderr 截断；单任务队列，避免多题并发把机器打满。

  这不是安全沙箱：运行的是用户自己写的代码，权限等同于用户在本地开终端。 不要把来路不明的代码粘进来运行。

• 数据存储：主进程 JSON 存储，写入采用临时文件 + 原子替换，并保留 .bak 回退； 用户档案、错题本、配置、挑战记录分开存放。
• 动态壁纸：视频层 + webwallgl 场景层双栈；Steam 创意工坊目录扫描；自定义上传； Wallpaper Engine 的 project.json 属性系统（含 condition 表达式求值）移植； 失焦暂停、音频响应、随机轮播池。
• 桌宠：dsh-pet 引擎 + 独立 helper 进程；喂食/跑腿/大白饭经济；主进程崩溃或退出时 由 kill-tree 逻辑收尸，避免残留进程。

• 代码题不是字符串比对：编译 → 运行 → 收集 stdout/stderr/退出码 → 按题型规则判分。
• codefix 会同时校验修复后的代码是否仍保留题目要求的结构，防止「把整题删了重写」蒙混。
• 选择题支持选项洗牌；会话卷与原始题使用不同的下标空间，落盘时按选项文本反查， 避免洗牌后错位（详见 src/shared/ 下相关实现与测试）。
• 判分逻辑与内容校验脚本共用同一套规则，避免「应用里判对、闸门判错」。

• server/：Fastify 5 + Zod 4 + PostgreSQL 18，TypeScript，pg 连接池。
• 账号、四文档同步、每日挑战、排行榜、大白饭。
• 测试用 PGlite 内存库跑集成测试；生产用 PostgreSQL。
• 客户端不硬编码任何密钥；开源构建默认不预置服务器地址，需要在设置中自行配置。 作者自用构建可以在构建期指定地址，但该地址不随公开仓库分发。

项目里的大肥鱼立绘、奖励图与部分界面素材，来自本机的 ComfyUI 批量出图管线。

项目初期曾尝试自炼两版 LoRA，最终采用 C 站开源的 Anima 底模，结合 LoRA 搭建 ComfyUI 工作流批量生产。

这句话里的「C 站」是项目早期对模型社区的统称；Anima 的官方发布页在 Hugging Face （circlestone-labs/Anima）， 其许可证是 CircleStone Labs Non-Commercial License v1.2，不是 OSI 开源许可证：

• 模型权重与衍生模型（包括 LoRA）仅限非商业、非生产使用；
• 生成输出可以商用；
• 本仓库不包含 Anima 权重，也不包含以 Anima 为底模的 LoRA 权重。

工作流的 API 格式文件已整理到 docs/comfyui_workflow.json， 说明见 docs/comfyui_workflow.md。核心节点：

LoRA ds_whalemaid 是第三方作品（Civitai 模型 2845839，作者 ogura_shigeru）， 触发词必须写 ds_whalemaid；缺了不会报错，只会静默退化成底模画风。 详见 THIRD-PARTY-CODE-NOTICES.md。

产线有两种输出：

• --alpha：透明背景，用于界面立绘/桌宠；
• --no-bg：白底，用于奖励图鉴。

在转向 Anima 之前，项目用 SD1.5 跑过一版，用于早期立绘与出图实验：

当前图鉴的 g01–g200 已全部是 Anima 产线：2026-10-17 扩池时，g01–g50 原位 替换为同一批 Anima 图的第 1 张，g51–g200 是其余候选；SD1.5 图不再出现在 496 张图鉴里。 两版自训 LoRA 的权重都不随仓库分发。SD1.5 配方仅作为历史记录保留在 docs/11-图片资产生产规范.md。

应用内保留 496 个奖励图 id（g01–g496），id 写入用户档案后不能改。 开源发布版中：

• g01–g200：项目用本机 Anima 产线生成（第三方 LoRA ds_whalemaid，作者 ogura_shigeru），随仓库分发；生成输出按 Anima 条款可用于商用；
• g201–g224：来自 GitHub yyh-001/dsh-meme 的表情包；上游代码是 MIT，但图片清单标注 personal，不能按 MIT 再分发；
• g225–g496：原图来自社区图包，来源页未给出可再分发的许可证。

因此公开版把 g201–g496 全部替换为自制占位卡（同尺寸 PNG，只含说明文字， 不含原图内容），仅用于保持 id 槽位与测试对账完整。

完整来源、排除原因与占位策略见 THIRD-PARTY-CODE-NOTICES.md §5。

这个项目站在很多开源项目的肩膀上。下面按「用到的代码 / 设计参考 / 内容方法 / AI 工具」四类列出； 所有 npm 依赖（含传递依赖）的完整许可证原文在 THIRD-PARTY-NOTICES.md（客户端，73 个 npm 包 + 2 个内嵌组件）与 server/THIRD-PARTY-NOTICES.md（服务端，60 个包）。 移植代码、素材与模型的许可见 THIRD-PARTY-CODE-NOTICES.md。

代码是 MIT，素材不是。商业使用桌宠素材前必须取得上游作者单独授权。 本项目通过 build/dshpet-vendor.ts 把 helper 与素材放进 out/pet-helper， 并在该目录保留原作者署名与素材条款。

其中 上首软糖体.ttf 是第三方商业字体，不适用 MIT，也不在仓库的 Git 跟踪范围内 （构建时从 dsh-pet npm 包拷入）。商业分发安装包前请自行取得字体授权或替换字体。

移植文件（文件头均保留 MIT 版权声明与上游地址）：

• src/renderer/src/lib/wallpaper/parallax.ts
• src/renderer/src/lib/wallpaper/transitions.ts
• src/shared/wallpaper-props.ts
• src/shared/we-cond.ts
• src/renderer/src/components/domain/WallpaperPropsPanel.vue

许可证全文见 THIRD-PARTY-CODE-NOTICES.md §1.1、§2.1。

以下项目在设计阶段被阅读、对照或作为规范参考；本仓库没有复制其源代码， 但仍按开源精神列明出处与许可证。

impeccable 的 NOTICE.md 还声明其平台规范参考了 ehmo/platform-design-skills（MIT）。

本仓库没有复制这些项目的源码或题库。

ComfyUI 及其节点包是 GPL-3.0，本项目只在作者本机使用它们生成图片， 不把 ComfyUI 源码或二进制打进应用安装包。Anima 权重与所有 LoRA 权重也不随仓库分发。 如果你要复现出图环境，请分别遵守这些项目的许可证。

• 客户端：20 个直接依赖 + 3 个打进产物的构建期依赖，展开 73 个 npm 包， 许可证分布 MIT ×64、Apache-2.0 ×1、0BSD ×1、BSD-3-Clause ×4、PSF-2.0 ×1、 BSD-2-Clause ×1、ISC ×1；另有 2 个不在 npm 依赖树里的内嵌组件： Mediabunny 1.56.0（MPL-2.0，文件级 copyleft）与 we-scene（MIT）。 MPL 的义务是随附许可证原文并提供 Source Code Form，不要求应用整体开源； 全文见 LICENSES/MPL-2.0.txt。
• 服务端：4 个直接依赖，展开 60 个包，MIT ×53、BSD-3-Clause ×3、ISC ×4； copyleft 组件 0 个。
• 生成方式：npm run gen:notices 直接读取 node_modules 里的 LICENSE 原文， 逐字节照录；自检会用独立代码路径重新读取并比对。
• 完整清单：THIRD-PARTY-NOTICES.md、 server/THIRD-PARTY-NOTICES.md。

• 课程文本、题目与界面文案由项目作者编写；角色「大肥鱼」是 DeepSeek 的拟人二创形象， 本项目与 DeepSeek 官方无关联，相关名称与商标归其权利人所有。
• 界面音效、光标、开屏素材由项目作者制作或提供；目录内 README.md 有单独说明。
• 如果你认为某处遗漏了你的署名或许可证，请开 issue 指出，我们会尽快补上。

代码的 MIT 许可不自动覆盖图片、模型权重、桌宠素材与第三方内容。 如果你要商业使用，请逐项确认上表与 THIRD-PARTY-CODE-NOTICES.md。

1. Windows 优先：代码运行、进程树回收、IDE 探测按 Windows 实现； macOS / Linux 未验证。
2. 不是沙箱：应用运行的是用户自己写的代码，拥有当前用户权限。 超时、截断、单任务队列解决的是「别卡死、别残留、别乱码」，不是安全隔离。 不要用它运行来路不明的代码。
3. 需要本机工具链：没装 gcc / g++ / javac / python 时，代码题无法真跑； 应用会提示环境未就绪，但不会替你安装。
4. Electron 内置 Node 版本：当前锁定 Electron 44.9.3，其内置 Node 为 24.22.0。 截至 2026-10-22，Node 官方针对 CVE-2026-111497（Brotli 解码器越界写）的修复线是 24.22.1；该残留已在交付报告中记录，后续会随 Electron 升级跟进。应用不解析不可信 Brotli 输入，实际暴露面有限，但这里如实说明。
5. 云同步可选：不配置服务器时应用完全离线；配置后会把账号与同步数据发往你指定的服务器。 服务器地址、密钥与数据库由部署者自行保管。
6. 公开版图库占位：g201–g496 在公开仓库中是占位卡，不是原图； 这不影响应用逻辑，但图片内容与作者本地完整版不同。

• 提交前请跑：npm test、npm run typecheck、npm run validate:content。
• 代码风格与命名尽量跟随周围文件；新增第三方代码/素材时，同时更新 README.md 的致谢、THIRD-PARTY-CODE-NOTICES.md 与 THIRD-PARTY-NOTICES.md。
• 不要在 issue / PR 里贴真实 API Key、服务器密码、SSH 私钥或用户数据。
• 发现安全问题请先私下联系作者，不要在公开 issue 里贴利用细节。

miai-biancheng is an offline-first Windows desktop companion for learning programming, built with Electron, Vue 3 and TypeScript. It ships 266 lessons and 6,026 exercises across C, C++, Java, Python and common fundamentals; code exercises are compiled and executed locally. It also includes a study loop (wrong-book, daily review, daily challenge), a WebGL/video wallpaper engine, a desktop pet, and an optional self-hosted Fastify + PostgreSQL backend.

The source code is MIT-licensed. Third-party dependencies, ported wallpaper code, the dsh-pet engine and its assets, AI model weights and gallery images have their own terms — see THIRD-PARTY-NOTICES.md, THIRD-PARTY-CODE-NOTICES.md and docs/comfyui_workflow.md.

The mascot artwork was produced with a local ComfyUI pipeline. Early attempts trained two SD1.5 LoRAs; the final pipeline uses the Anima base model with a third-party LoRA (ds_whalemaid by ogura_shigeru). Anima is not OSI open source: its weights and derivatives are non-commercial, while generated outputs may be used commercially. No model weights are distributed in this repository.