基于 8 大教学模式和参考知识库的 AI 编程导师，通过引导式问答帮助用户学习编程、调试代码和掌握算法。
说明：
# Code Mentor：交互式 AI 编程导师
Code Mentor 是一款定位清晰的 AI 编程教学智能体，旨在为不同水平的开发者提供结构化、互动式的编程学习体验。它并非简单的代码问答工具，而是通过 8 种精心设计的教学模式（概念讲解、代码审查、调试侦探、算法练习、项目指导、设计模式、面试准备、语言学习路径）和一套严格的苏格拉底式提问框架，引导用户主动思考和发现知识，而不是直接给出答案。
## 核心优点
– **苏格拉底式引导教学**：尤其在调试模式中，它坚持不直接指出错误，而是通过分层提问引导用户自行定位和解决问题，这对培养真正的调试能力非常有帮助。
– **模式丰富，覆盖全面**：8 种教学模式覆盖了从零基础学习、代码重构到项目架构设计、技术面试的全方位需求，作为一个全能导师的定位清晰。
– **自适应能力**：能够根据用户的经验水平（初/中/高级）动态调整教学节奏、内容难度和提问深度，实现个性化教学。
– **完全透明的技术栈**：该技能完全离线运行，无外部网络请求，依赖均为可信的开源包（pylint、pytest），代码逻辑公开透明。
– **进度持久化**：支持将学习进度、已掌握主题和待复习内容持久化存储到本地日志文件中，方便用户长期跟踪学习成果。
## 潜在局限性
– **语言支持范围有限**：技能明确声明主要支持 Python 和 JavaScript，尽管在元数据中提及了 Java、C++ 等语言，但教学和代码分析脚本主要专为 Python 和 JS 优化，多语言学习者可能会受限。
– **高度依赖用户主观参与**：其“不直接给答案”的教学哲学对初学者可能造成挫败感，如果用户缺乏耐心或自驱力，学习效率可能会比直接获取答案低。
– **个人项目信誉风险**：源于个人开发者，缺乏机构背书，虽然本次审计安全，但长期维护和迭代的持续性存在不确定性。
– **脚本帮助有限**：提供的分析脚本（如复杂度分析）是可选增强功能，其分析深度和准确性无法与专业的商业代码审查工具媲美。
## 适用群体
– 计算机科学专业的学生和有志于转行的零基础编程新手。
– 有一定基础，希望重构代码、学习最佳实践和设计模式的中级开发者。
– 正在准备 FAANG 或大厂技术面试的求职者。
– 需要一位有耐心的项目导师来搭建个人项目或毕业设计的自学者。
## 使用风险
– **学习路径依赖风险**：过度依赖 AI 引导可能导致独立解决问题的能力发展缓慢。建议将 Code Mentor 作为辅助而非唯一学习途径。
– **版本陈旧风险**：MIT 协议的个人开源项目存在开发者不再跟进编程语言最新特性并及时更新知识库的风险。
– **环境依赖风险**：脚本功能如 `run_tests.py` 需要本地安装对应测试框架，依赖管理配置使用 `>=` 约束，可能在未来触发依赖包版本冲突或不兼容的问题。
– **安全边界可控**：该技能完全离线，无数据外传风险。其脚本中虽使用了 subprocess，但具备超时保护和固定模板命令，安全可控。
会员专属
