WebMasterMsk Wiki

AI Anki: интервальные повторения с ИИ-экзаменатором

Введение

Документация обновлена 18.11.2026 по исходникам AI Anki: генерация 20/10 — 51cf088, батник сборки — 1691eb7, portable launcher — 32c7647.

Note

Новые возможности требуют обновления кода и пересборки сервера/Windows-клиента. Норма карточек — целевое количество: обновление приложения само по себе не заполняет колоды. После обновления запустите догенерацию и проверьте фактические счётчики уроков.

AI Anki — карточки для подготовки к собеседованиям и экзаменам. Ответ пишется своими словами, кодом или формулой, а модель ИИ оценивает понимание, задаёт уточняющие вопросы и по алгоритму интервальных повторений возвращает карточку в нужный момент. Перед карточками можно прочитать урок в учебнике: статьи пишутся по официальной документации, своим видеоурокам и материалам колоды.

Состав:

Часть Технологии Каталог
Сервер (API) Python, FastAPI server/, app/
Веб-интерфейс React, Motion, AutoAnimate, Tailwind CSS (Vite) web/
Приложение для Windows Electron: установщик и launcher без установки, общий интерфейс и мост к локальной модели desktop/
Исполнитель проектной практики Отдельный worker, изолированные Docker-контейнеры Python/PHP server/practice_worker.py, practice/
Колоды и программы учебников JSON, TXT decks/, decks/syllabus/
Данные пользователей SQLite + JSON data/ (том Docker)

Внешние сервисы:

Возможности

Аккаунты

Учебные сессии

Учебник: программы, уроки и колоды

У каждого учебника своя программа: главы и отдельные уроки. Во встроенных программах — 24 учебника, 1214 уроков, в том числе 10 профессий и 576 уроков профессий. Изменения программы через интерфейс могут менять эти числа.

Учебник ID программы Глав / уроков Колоды
Agile agile 9 / 30 вопросы
Нейрокреатор / AI-художник ai_artist 14 / 45 вопросы + практика
AI-тренер ai_trainer 12 / 52 вопросы + live-coding
Анатомия человека anatomy 10 / 47 вопросы
Angular angular 12 / 47 вопросы + live-coding
DevOps devops 14 / 71 вопросы + live-coding
Forward Deployed Engineer fde 13 / 55 вопросы + live-coding
Go go 10 / 55 вопросы + live-coding
Высшая математика higher_math 9 / 49 задачи
Kanban kanban 6 / 23 вопросы
Laravel laravel 11 / 62 вопросы + live-coding
Оценка LLM и AI QA llm_evaluator 13 / 49 вопросы + live-coding
Node.js, JavaScript и TypeScript nodejs 9 / 60 вопросы + live-coding
PHP php 11 / 88 вопросы + live-coding
Go-разработчик pro_go 12 / 62 вопросы + live-coding
Node.js-разработчик pro_nodejs 12 / 61 вопросы + live-coding
PHP-разработчик pro_php 14 / 74 вопросы + live-coding
Python-разработчик pro_python 17 / 56 вопросы + live-coding
Промпт-инжиниринг prompt_engineer 14 / 51 вопросы + практика
Python python 9 / 61 вопросы + live-coding
PyTorch pytorch 7 / 31 вопросы + live-coding
SAFe safe 8 / 33 вопросы
Scrum scrum 6 / 28 вопросы
tkinter и ttk ttk 7 / 24 вопросы + live-coding

Статья урока пишется по найденным фрагментам документации, видеоурокам и карточкам, со сносками [n], сохраняется и в следующий раз открывается мгновенно. Есть оглавление, отметка «прочитано», вопросы к учебнику («Спросить учебник») и плеер видеофрагментов.

Источники базы знаний (поиск гибридный: BM25 + векторы qwen3-embedding:8b):

Источник Для учебников
PHP Manual (рус.) PHP, Laravel
MDN JavaScript (рус.), TypeScript Handbook, Node.js v22 API Node.js/JS/TS, Angular
Python 3.13 Python, PyTorch, tkinter, AI-тренер, FDE, оценка LLM
Django, Flask, FastAPI, SQLAlchemy Python-разработчик: веб-фреймворки, API и ORM
NumPy, pandas, matplotlib Python-разработчик: обработка данных и графики
scikit-learn, PyTorch Learn the Basics Python-разработчик: первые модели, обучение и сохранение нейросети
Angular, Laravel 12.x, Go свои учебники
Scrum Guide 2020 (рус.), Agile-манифест, Kanban Guide Agile, Scrum, Kanban, SAFe
Kubernetes (рус.), Docker DevOps, FDE
Prompt Engineering Guide, Hugging Face TRL и Diffusers промпт-инжиниринг, AI-тренер, AI-художник
Википедия (рус.) — подбор по темам, лишнее отсеивается все, особенно анатомия и высшая математика
Свои видеоуроки (Whisper) по привязке видео к учебнику

Для Python-направления добавлены отдельные парсеры документации Django, Flask, FastAPI, NumPy, pandas, matplotlib, scikit-learn, PyTorch и SQLAlchemy. Они извлекают материал статьи и примеры кода, убирая навигацию. После обновления проекта загрузите и проиндексируйте нужные источники в Настройки → База знаний учебника: наличие парсера в коде ещё не означает, что документы уже загружены в вашу RAG-базу.

Видеотека

Профессии, собеседования, экзамены, сертификаты

10 треков: Python-разработчик, PHP-разработчик, Node.js-разработчик, Go-разработчик, DevOps-инженер, Forward Deployed Engineer, AI-тренер, специалист по промпт-инжинирингу, LLM-оценщик / AI QA, нейрокреатор / AI-художник.

Python-разработчик — 17 глав и 56 уроков: основы языка и ООП, файлы/CLI, HTTP и asyncio, SQLite и SQLAlchemy, Django, Flask, FastAPI, tkinter/ttk, NumPy, pandas, matplotlib, scikit-learn, PyTorch, тесты и упаковка. Итоговый проект — простая нейросеть для Iris на CPU: обучение, оценка, сохранение весов и предсказание. Программа профессии pro_python существует отдельно от базового учебника python.

Этап Содержание Условие
Обучение уроки профессии: целевой минимум 20 вопросов + 10 практических карточек в каждом сдано ≥ 60% карточек трека
AI-собеседование чат с интервьюером: 5 вопросов + практическое задание, уточняющие вопросы, отчёт с уровнем Junior/Middle/Senior балл ≥ 65
Экзамен 9 теоретических + 3 практических задания за 60 минут, без подсказок балл ≥ 70
Сертификат уникальный номер, печать в PDF, публичная проверка /verify/<номер> выполнены все три условия

Число вопросов экзамена/собеседования, время и пороги настраиваются в decks/tracks.json. Профессии, экзамены и сертификаты используют колоды учебников профессий book-<id>.json и book-<id>-live-coding.json. Исходные pro-* служат источником контента и переноса прогресса; ID уже существующих карточек сохраняются.

Большая практика с ИИ: Python и PHP

Откройте Проекты в главном меню или Профессии → Python/PHP → Открыть проекты. Ссылки на проекты также есть в соответствующих главах программы.

Профессия Проект Навыки
Python Менеджер задач функции, проверки ввода, JSON
Python От CSV к отчёту pandas, очистка данных, группировка, matplotlib
Python Веб-приложение заметок Flask, JSON API, SQLite, HTML
Python Первая нейросеть на PyTorch Iris, обучение на CPU, оценка и сохранение весов
PHP Корзина интернет-магазина типизированный класс, суммы в копейках, валидация
PHP Учёт расходов на PDO SQLite, подготовленные запросы, агрегирование
PHP JSON API каталога маршруты, методы HTTP, JSON и коды ответа
PHP Мини-приложение MVC модель, представление, поиск и HTML

В каждом проекте три последовательных этапа: всего 8 проектов и 24 этапа. Это первый набор больших практических работ, он пока не покрывает каждую главу и все фреймворки.

На странице можно создавать файлы и вложенные папки, писать код в Monaco, общаться с ИИ-наставником, запускать программу и проверять этап. Изменения сохраняются автоматически; доступны предыдущие версии и скачивание проекта в ZIP. Подсказки, объяснение, разбор кода и полное решение — отдельные режимы; предлагаемые правки можно просмотреть перед применением.

Для зачёта этапа нужны успешная проверка текущего кода и объяснение ученика длиной от 30 символов. Наставник использует модель проверки ответов пользователя и доступные материалы RAG. Эта практика дополняет карточки live-coding и не заменяет экзамен профессии.

Для «Запустить» и «Проверить этап» нужен отдельный Docker-worker; подключение описано в шаге 1.1. Без него доступны редактор, сохранение, ZIP и наставник. Предпросмотр Flask/MVC показывает HTML-снимок результата; полноценного интерактивного веб-сервера, терминала, установки произвольных пакетов и окон tkinter внутри страницы пока нет.

Требования

Шаг 1: Первая установка на TrueNAS

Склонируйте репозиторий и создайте каталог данных:

cd /mnt/storage/web
git clone https://github.com/werwolf1000/ai-anki.git
mkdir -p /mnt/storage/web/ai-anki/data/decks

Соберите образ (несколько минут; на этапе web собирается React-интерфейс, в образ ставится ffmpeg):

cd /mnt/storage/web/ai-anki
docker build -t ai-anki-web:latest .

В TrueNAS: Apps → Discover Apps → Custom App → вставьте compose:

services:
  ai-anki:
    build: /mnt/storage/web/ai-anki
    container_name: ai-anki
    environment:
      AI_ANKI_DATA_DIR: /data
      AI_ANKI_VIDEO_DIRS: /videos            # папки с видео внутри контейнера, через запятую
      AI_ANKI_VIDEO_SCAN_MINUTES: "30"       # автопоиск новых видео, "0" — только по кнопке
      # AI_ANKI_REGISTRATION: closed         # после первого аккаунта закрыть регистрацию
    extra_hosts:
      - host.docker.internal:host-gateway
    image: ai-anki-web:latest
    ports:
      - '8080:8080'
    restart: unless-stopped
    volumes:
      - /mnt/storage/web/ai-anki/data:/data
      - /mnt/storage/web/ai-anki/decks:/app/decks:ro
      - /mnt/storage/media/curs:/videos:ro   # папка с видеоуроками на NAS

Save → Deploy. Приложение доступно на http://<IP-NAS>:8080 и через прокси на anki.webmastermsk.ru.

Important

Слева в строке видео — ваша папка на NAS, справа обязательно /videos. Несколько папок: по строке на каждую (/videos2, …) и все через запятую в AI_ANKI_VIDEO_DIRS.

Шаг 1.1: Подключить практические проекты на TrueNAS

Для существующей Custom App используйте docker-compose.truenas.practice.yml: он сохраняет порт 8080, каталоги данных и колод, видеотеку /mnt/storage/media/curs и добавляет отдельный practice-worker.

После обновления исходников на NAS выполните:

ssh truenas_admin@192.168.1.135
cd /mnt/storage/web/ai-anki
bash practice/prepare-truenas.sh

Скрипт создаёт секрет в .secrets/practice-worker.env (при повторном запуске сохраняет существующий), собирает веб-приложение, worker и три runtime-образа, проверяет Compose. Само приложение он не перезапускает.

В Apps → anki → Edit замените YAML существующего приложения на:

include:
  - /mnt/storage/web/ai-anki/docker-compose.truenas.practice.yml

Можно вставить полное содержимое docker-compose.truenas.practice.yml. Сохраните настройки и дождитесь запуска сервисов. Используйте существующее приложение anki: не создавайте второй Compose-стек поверх приложения, которым управляет TrueNAS Apps.

Проверка связи из контейнера приложения (значение токена не выводится):

docker exec ai-anki python -c 'import os, requests; r=requests.get(os.environ["AI_ANKI_PRACTICE_WORKER"]+"/health", headers={"Authorization":"Bearer "+os.environ["AI_ANKI_PRACTICE_TOKEN"]}, timeout=10); print(r.status_code, r.text)'

Ожидается HTTP 200 и "ok": true. Затем откройте Проекты и запустите стартовый проект. Ошибка TODO/NotImplementedError в незавершённом шаблоне — результат выполнения учебного кода; ошибка отсутствующего Docker-образа означает, что окружения ещё не собраны.

Worker не публикует порт наружу. Доступ к Docker socket получает только worker; для публичного сервиса используйте выделенный хост/VM. Полная инструкция, ограничения исполнения и артефакты описаны в docs/project-practice.md репозитория.

Шаг 2: Первичная настройка

  1. Откройте сайт и сразу зарегистрируйтесь — первый аккаунт станет администратором.
  2. Настройки → «Сервер»: Ollama URL, модель, при необходимости API-ключ; ASR URL Whisper. Нажмите «Проверить Ollama».
  3. Настройки → «База знаний учебника» → «Скачать и проиндексировать всё». Загрузка — около 10 минут, векторизация идёт в фоне; учебником можно пользоваться сразу.
  4. Колоды учебников собираются сами при первом запуске: карточки прежних колод раскладываются по урокам (сначала по словам, затем в фоне по смыслу через Ollama — около 7 минут), прогресс повторений переносится, прежние колоды скрываются. Ход — Настройки → «Колоды учебников».
  5. По желанию: Настройки → «Статьи учебника» → «Написать недостающие». Для карточек профессий используйте «Колоды учебников» → «Дополнить профессии до нормы». Массовое заполнение может занять много времени; скорость зависит от выбранной модели. Для платного API запросы оплачиваются по его тарифу.

Шаг 3: Обновление

Warning

Кнопка Redeploy в TrueNAS только перезапускает контейнер из уже собранного образа ai-anki-web:latest и не пересобирает его. Новый код попадает на сайт только после docker build.

  1. На рабочей машине отправить изменения: git push origin main.
  2. На NAS забрать код и пересобрать образ:
ssh truenas_admin@192.168.1.135
cd /mnt/storage/web/ai-anki
git pull
docker build -t ai-anki-web:latest .
  1. В TrueNAS: Apps → anki → Redeploy после сборки образа. Для этой установки также проверена команда midclt call --job app.redeploy anki по SSH. Не запускайте второй Compose-стек.
  2. Открыть сайт и обновить страницу с очисткой кэша (Ctrl+F5).

Проверить, что контейнер запущен с новым образом:

docker images ai-anki-web
docker ps --format "{{.Names}} {{.Image}} {{.Status}}" | grep ai-anki

Время создания образа (CREATED) должно соответствовать последней сборке. Если обновлялась проектная практика, запустите bash practice/prepare-truenas.sh, чтобы собрать также worker и runtime-образы, затем выполните Redeploy.

Изменения 51cf088 (норма 20/10) и 32c7647 (launcher) должны сначала попасть в удалённый репозиторий через git push, а затем на NAS/рабочую машину через git pull. Публикация этой страницы не обновляет запущенные контейнеры и установленный Windows-клиент.

Шаг 4: Приложение для Windows — установщик и launcher

Установите Node.js 22.12 или новее с npm. Из корня проекта запустите build-desktop.bat двойным щелчком либо из PowerShell:

Сборка Windows-приложения
cd F:\projects\ai_anki
.\build-desktop.bat

Батник проверяет Node/npm, устанавливает зависимости из lock-файлов для web и desktop, собирает React-интерфейс и оба варианта Windows-приложения. Уже установленный Electron используется повторно. При ошибке работа останавливается и окно остаётся открытым с выводом ошибки.

Файл в desktop\dist Назначение
AI-Anki-Setup-2.0.0.exe Установщик: установка приложения и ярлыков
AI-Anki-Launcher-2.0.0.exe Один переносимый .exe: запуск приложения без установки

Для launcher достаточно скопировать его .exe и запустить двойным щелчком. При старте он распаковывает приложение во временный каталог; Node.js на компьютере для запуска готового файла не нужен. Версия в имени файлов берётся из desktop/package.json.

Повторная сборка без установки зависимостей (если lock-файлы не менялись):

.\build-desktop.bat --skip-install

Для терминала или CI без ожидания клавиши в конце:

.\build-desktop.bat --skip-install --no-pause

Ручной вариант сборки:

cd F:\projects\ai_anki\web
npm ci --include=dev
cd ..\desktop
npm ci --include=dev
npm run dist

npm run dist также создаёт установщик и launcher; npm start собирает интерфейс и запускает приложение для разработки. Исходники находятся в репозитории: настройки упаковки — desktop/package.json, общий сценарий сборки — build-desktop.bat.

Проверено 18.11.2026: build-desktop.bat --skip-install --no-pause завершился с кодом 0, созданы оба Windows .exe версии 2.0.0. Это проверка сборки; обновление установленного клиента и контейнера сервера выполняется отдельно.

Шаг 5: Видеотека

  1. Подключите папку с видео в compose (см. «Шаг 1») и перезапустите приложение.
  2. Настройки → «Видеотека учебника» → «Найти новые видео». У папки видно, сколько в ней файлов и видео; если папки нет в контейнере или нет прав — жёлтая подсказка с причиной.
  3. Дождитесь статуса «в базе знаний». У видео без учебника выберите его в списке.
  4. Новые файлы подхватываются сами (раз в 30 минут), изменённые расшифровываются заново, удалённые убираются из базы.

Подсказки:

Шаг 6: Модели ИИ

Настройки → «Модели ИИ».

Подключения (администратор)

Кнопки-шаблоны: DeepSeek, Алиса AI (YandexGPT), Strata (по сети), OpenAI-совместимый. У каждого подключения — «Проверить» и «Список» моделей.

Подключение Адрес API Модель Примечание
DeepSeek https://api.deepseek.com/v1 deepseek-chat, deepseek-reasoner ключ — platform.deepseek.com (проверить)
Алиса AI / YandexGPT https://llm.api.cloud.yandex.net/v1 gpt://<каталог>/yandexgpt/latest API-ключ сервисного аккаунта + ID каталога (проверить)
Strata по сети http://<IP-ПК>:8081/v1 из /v1/models Strata запущена с --access lan, см. Strata на сервере
LM Studio, vLLM, llama.cpp, OpenRouter …/v1 любая

Что какой моделью:

Выбор Где используется
Проверка ответов, подсказки, экзамены проверка в занятиях по умолчанию, подсказки, AI-собеседования, экзамены
Учебник: статьи и генерация карточек статьи уроков, «Спросить учебник», догенерация карточек
Проверка моих ответов в занятиях (каждый пользователь) только свои обычные занятия; экзамены и собеседования всегда проверяет модель сервера

Векторы для поиска в базе знаний всегда считает Ollama (qwen3-embedding:8b). API-ключи хранятся в data/config.json и в интерфейс не отдаются.

Локальная модель через приложение (Strata)

Сервер на NAS не видит 127.0.0.1 вашего ПК, поэтому запросы к локальной модели передаёт приложение AI Anki: оно забирает их с сервера, отправляет в Strata и потоком возвращает ответ. Strata не нужно открывать в сеть.

  1. Запустите модель в Strata (через Strata Tray или strata launch --preset "<пресет>" --no-tui) и проверьте: curl.exe http://127.0.0.1:8081/v1/models.
  2. В приложении для Windows: Настройки → «Модели ИИ» → «Локальная модель на этом компьютере»:
    • адрес http://127.0.0.1:8081/v1;
    • модель — пусто (берётся загруженная из /v1/models, переключение в Strata Tray подхватится само);
    • API-ключ — только если Strata запущена с ключом;
    • «Без рассуждений» — быстрее (enable_thinking=false; если сервер не знает параметр, запрос повторяется без него) (проверить на Strata).
  3. Включите переключатель и нажмите «Проверить модель». Дождитесь пометки «сервер видит» рядом со статусом локальной модели.
  4. Выберите, где её использовать: себе — «Проверка моих ответов в занятиях» → «Моя локальная модель»; администратору — в выборе моделей проверки или учебника появится «Локальная модель: ваше имя».

Note

Работает, пока на ПК открыто приложение AI Anki и запущена модель. Компьютер не должен переходить в сон во время генерации. Рассуждения модели (reasoning_content) в ответы и статьи не попадают. Скорость зависит от модели, пресета и оборудования; проверьте выбранную конфигурацию перед массовым запуском.

Шаг 7: Заполнить карточки профессий до нормы

Под «темой» здесь понимается каждый отдельный урок программы, а не целая глава. Для каждого урока профессии требуется минимум 20 вопросов и 10 практических карточек. У не связанных с программированием профессий практика — это промпты, кейсы и рабочие документы.

  1. Войдите администратором.
  2. В Настройки → Модели ИИ → Учебник: статьи и генерация карточек выберите провайдер.
  3. Для DeepSeek выберите настроенное подключение DeepSeek и проверьте его доступность. Массовая генерация использует платный API выбранного подключения.
  4. Для Qwen на Strata сначала подключите локальную модель по шагу 6. В поле «Учебник: статьи и генерация карточек» выберите «Локальная модель: ваш аккаунт · модель». Выбор «Проверка моих ответов в занятиях» сам по себе не переключает генерацию карточек.
  5. Откройте Настройки → Колоды учебников → Дополнить профессии до нормы.
  6. Следите за оставшимся числом уроков, вопросов и заданий. Завершение заполнения проверяется по фактическим счётчикам, а не по общему числу карточек в профессии.

При выборе Strata запросы поступают через оконное приложение и выполняются по одному уроку, чтобы очередь локальной модели не истекала. Карточки сохраняются на сервере AI Anki и доступны в том же аккаунте через сайт.

Существующие карточки, их ID и прогресс сохраняются. Генерация дополняет нехватку небольшими порциями, отсеивает дубликаты и повторяет пустые ответы ограниченное число раз. Перезапуск сервера возобновляет незавершённую задачу по журналу data/card-generation.json. Кнопка «Остановить генерацию» сохраняет явную остановку: после перезапуска она не отменяется. Если приложение Strata/AI Anki отключилось и задача завершилась с ошибкой, восстановите подключение и запустите заполнение снова — уже сохранённые карточки остаются.

Для административного API (с авторизацией):

POST /api/books/generate
Content-Type: application/json
Authorization: Bearer <ТОКЕН_ВХОДА_AI_ANKI>

{"professions_only": true, "workers": 4}

GET /api/books-job возвращает ход работы и поля remaining_lessons, remaining_qa, remaining_live. completed означает заполнение выбранных уроков; incomplete — осталось недостающее после ошибок, stopped — задача остановлена. Для обычных провайдеров доступно 1–4 параллельных урока; через локальный мост применяется один.

Ссылки и параметры адреса

Раздел и параметры хранятся в адресной строке — ссылку можно сохранить, страницу обновить, «Назад» работает:

Адрес Что открывается
/?view=textbook&book=php&lesson=Match expressions урок учебника
/?view=decks&deck=<id>&topic=<урок> окно колоды с выбранной темой
/?view=study&deck=<id>&mode=due&topic=<урок> занятие (после обновления страницы начинается заново)
/?view=tracks&track=php профессия
/?view=tracks&track=python профессия Python-разработчик
/?view=practice каталог больших проектов Python/PHP
/?view=settings настройки

Значения book: agile, ai_artist, ai_trainer, anatomy, angular, devops, fde, go, higher_math, kanban, laravel, llm_evaluator, nodejs, php, pro_go, pro_nodejs, pro_php, pro_python, prompt_engineer, python, pytorch, safe, scrum, ttk. У профессии Python — pro_python, у базового учебника — python.

Данные и резервные копии

Файл (в data/) Содержимое
users.db пользователи и токены входа
users/<id>/progress.json прогресс интервальных повторений пользователя
users/<id>/settings.json личные настройки обучения (в т. ч. своя модель проверки)
users/<id>/textbook.json прочитанные уроки
config.json общие настройки сервера: Ollama, ASR, подключения моделей, выбор моделей, порог видео
knowledge.db база знаний учебника (документация, видеофрагменты) и статьи
decks/book-<учебник>.json, decks/book-<учебник>-live-coding.json колоды учебников (карточки по урокам)
syllabus/<учебник>.txt правки программ из интерфейса (перекрывают встроенные decks/syllabus/)
books.json состояние колод учебников: скрытые прежние колоды, перенос прогресса, способ раскладки
card-generation.json запрос и журнал фоновой догенерации карточек, восстановление после перезапуска
practice.db проекты пользователей: файлы, версии, общение с наставником и результаты запусков
videos.db видеотека: расшифровки, статусы, ручные привязки видео к урокам
videos/ видео, загруженные через сайт
tracks.db попытки экзаменов и собеседований, реестр сертификатов
decks/ собственные колоды (JSON/TXT) — подхватываются без пересборки

Сохраняйте резервную копию /mnt/storage/web/ai-anki/data, включая practice.db. Для практикума отдельно сохраните .secrets/practice-worker.env и конфигурацию развёртывания; секреты не должны попадать в Git или текст вики. Видео из /mnt/storage/media/curs копируются отдельно от каталога приложения.

Работа с колодами

title: Python-разработчик
match: pro-python
track: python
kind: code
lang: python
# 6. Django
Django: проект, приложение, URL и view
Django ORM: модели, миграции и QuerySet

kind: code — вопросы и live-coding; профессии с track: получают практику даже при kind: theory. Обычные theory / math / anatomy без профессии имеют одну колоду. # — глава, остальные строки — уроки; track: связывает программу с профессией и нормой 20/10.

Проблемы и решения

Проблема Причина Решение
После git pull и Redeploy сайт не изменился образ не пересобран docker build -t ai-anki-web:latest . → Redeploy существующей App
Нет пункта «Проекты» или кнопки «Дополнить профессии до нормы» старая версия интерфейса/сервера пересобрать сервер; для Windows пересобрать и обновить установщик или launcher
В desktop/dist только Setup, нет Launcher старая конфигурация упаковки или неполная сборка обновить код с 32c7647 или новее и выполнить build-desktop.bat; в логе должны быть цели nsis и portable
Батник сообщает, что нужен Node.js 22.12 или новее отсутствует Node/npm либо версия ниже требования Electron установить подходящий Node.js с npm и заново открыть терминал/батник
--skip-install сообщает о неполных зависимостях зависимости ещё не установлены запустить build-desktop.bat без этого флага
Выбрана локальная модель, но карточки создаёт другой провайдер изменена только модель проверки своих ответов выбрать Strata в поле «Учебник: статьи и генерация карточек»
Генерация завершилась с incomplete часть уроков осталась ниже нормы после ошибок модели проверить подключение и журнал, повторить заполнение; готовые карточки сохраняются
Редактор проекта работает, запуск — нет worker или runtime-образы не подключены выполнить подготовку из шага 1.1, проверить worker и пробный запуск
В iframe проекта не работают формы и скрипты это HTML-снимок результата, а не интерактивный веб-сервер скачать ZIP для локального запуска полного приложения
Проверка ответов идёт минутами или ошибка «Ollama: timeout» Ollama перегружен или модель не поместилась в видеопамять curl <ollama>/api/ps — смотреть size_vram; освободить GPU, не держать параллельно тяжёлые модели
Голос распознаётся с ошибками в терминах слабая модель Whisper см. Whisper ASR: large-v3-turbo
Кнопки «Голосом» нет не задан ASR URL Настройки → Сервер → ASR URL (под администратором)
«Видеотека»: «Видео пока нет» папка не подключена к контейнеру (в compose осталась чужая строка) docker exec ai-anki ls -la /videos; исправить строку тома …:/videos:ro и перезапустить
У папки видео жёлтая подсказка «нет прав» ACL датасета права на чтение датасета для контейнера
Видео в статусе «ошибка: Whisper: ASR HTTP 500» Whisper временно недоступен (загрузка модели) ничего: видео само встаёт в очередь повторно (до 5 раз); или «Расшифровать заново»
Видео есть, но в статью не попало статья написана до видео или видео ниже порога под статьёй «Видео урока»: проверить сходство, «Прикрепить»; или снизить порог; «Сгенерировать заново»
В уроке «0 вопросов», «Проверить себя» неактивна у урока нет карточек кнопка «Карточки» в уроке (догенерация)
После правки программы урок пропал из колоды урок удалён или переименован переименование переносит карточки; удалённые карточки не восстанавливаются
«локальная модель не подключена» приложение AI Anki закрыто или переключатель выключен открыть приложение, включить «Локальная модель на этом компьютере»
В приложении: «модель на этом компьютере не отвечает» Strata не запущена или другой порт запустить модель; curl.exe http://127.0.0.1:8081/v1/models
Учебник пишет «база знаний не загружена» источники не скачаны Настройки → База знаний → «Скачать и проиндексировать всё»
Индексация прервалась после перезапуска фоновая задача остановилась вместе с контейнером «Довекторизовать» (продолжит с места остановки)
Забыт пароль — docker exec -it ai-anki python scripts/reset_password.py <логин> <новый_пароль>
Незавершённый экзамен или собеседование пропали после перезапуска сервера активные попытки не сохраняются начать заново; сохранённые результаты не теряются
«Фронтенд не собран» (503) образ собран без этапа web пересобрать образ по текущему Dockerfile

Шпаргалка

# обновление на NAS
cd /mnt/storage/web/ai-anki && git pull && docker build -t ai-anki-web:latest .
# затем в TrueNAS: Apps → anki → Redeploy
# либо для этой установки по SSH:
midclt call --job app.redeploy anki

# подготовка/обновление проектной практики перед Redeploy
bash practice/prepare-truenas.sh

# логи
docker logs -f ai-anki

# видит ли контейнер папку с видео
docker exec ai-anki ls -la /videos
docker inspect ai-anki --format '{{range .Mounts}}{{.Source}} -> {{.Destination}}{{"\n"}}{{end}}'

# состояние сервиса
curl -s https://anki.webmastermsk.ru/healthz

# сброс пароля
docker exec -it ai-anki python scripts/reset_password.py <логин> <новый_пароль>

# какие модели загружены в Ollama и сколько видеопамяти занимают
curl -s http://<ollama>:30068/api/ps
# локальная модель Strata на ПК
strata launch --preset "<пресет>" --no-tui
curl.exe http://127.0.0.1:8081/v1/models
# установщик и launcher для Windows
cd F:\projects\ai_anki
.\build-desktop.bat
# повторная сборка, если зависимости уже установлены и не менялись
.\build-desktop.bat --skip-install --no-pause
# запуск готового приложения без установки
.\desktop\dist\AI-Anki-Launcher-2.0.0.exe