对着真实项目学写代码：先讲再带你手写，用能跑的测试判对错，不直接给答案。
公开材料尚未说明用户目前如何完成这项工作、它实际替代了什么。
它试图减少完成这项任务时的摩擦；公开用户材料尚未说明不解决的具体代价、发生频率或后果。
AI 应用的生意判断
ProMentor
证据不足对着真实项目学写代码：先讲再带你手写，用能跑的测试判对错，不直接给答案。
- 团队 / 作者
- Lyn-77
- 本站首次收录
- 2026-07-31
- 本站最近更新
- 2026-08-15
- 产品官网
- 查看官网 ↗
01
它为什么会被需要
从用户的一天开始 · 公开事实 + 可观察行为 · 2026-08-28
模式有趣，品类廉价。 "行为测试判题 + 分层提示不给答案"是这批项目里少数认真做了教育学考虑的设计—— 判题不靠模型主观打分，靠可执行的测试；提示按错误分阶段，先方向后思路。这两条对做 "AI 导师"类产品的人直接可抄。
看视频课不会写，丢给助手又变成代写。趋势是带练加判题从人教搬到助手上；切入是想靠真实项目学系统设计的开发者。开源免费。
为什么用户会选择它
公开代码仓库有 51 个收藏、1 次复刻，说明开发者正在关注或试用；持续使用与付费仍未核验。
真正值得继续追问的矛盾
① star 增长，以及有没有人公开报告用它在真实项目中完成完整学习; ② 行为测试判题在多大代码库上仍能成立（规模上限）; ③ 是否补充 license、是否出现贡献者（项目存续指标）
如果你正在做这项工作
值得拆解。公开代码仓库有 51 个收藏、1 次复刻，说明开发者正在关注或试用；持续使用与付费仍未核验。
怎样切入 / 可以借走什么
教学型 AI 产品三件套——从真实工件（项目源码）自动生成阶梯课程； 用行为测试判题，而不是让 AI 看参考答案打分；分层提示（先方向、再思路、不给答案）。 做"AI 导师"或"从你的数据生成课程"类产品时直接可用。
证据与风险
未披露。 开源免费，无 license 声明，无付费层，无云服务。 ① star 增长，以及有没有人公开报告用它在真实项目中完成完整学习; ② 行为测试判题在多大代码库上仍能成立（规模上限）; ③ 是否补充 license、是否出现贡献者（项目存续指标）
我们凭什么这样判断
公开事实
对着真实项目学写代码：先讲再带你手写，用能跑的测试判对错，不直接给答案。
工作流推理
公开代码仓库有 51 个收藏、1 次复刻，说明开发者正在关注或试用；持续使用与付费仍未核验。
会改变判断的未知
公开补证：查找官方定价、客户案例或部署文档，确认谁付钱、不使用的代价及可确定交付的结果。
01 · 价值
证据不足
产品主张帮助用户完成：“对着真实项目学写代码：先讲再带你手写，用能跑的测试判对错，不直接给答案”。具体痛点强度与不采用代价尚未由用户证据核验。
02 · 共识
证据不足
已有采用或关注仍应记录，但不能替代痛点证据；公开代码仓库记录为 51 个收藏、1 个复刻；这说明社区注意到它，但不足以证明目标用户会持续使用或付费。
03 · 模式
证据不足
付费主体、定价与单位经济尚未核验；这是商业证据缺口，不反推问题不存在。
04 · 求真
证据不足
交付能否稳定发生、以及人工与安全边界，尚缺可复现的公开证据。
02
中英文生态与跨国机会
市场对照
尚未完成中英文市场对照。待覆盖范围和可核验证据补齐后再给出结论。
03
60 秒生意判断
先给出判断与下一步，再保留完整证据和反例。
一句话定位
一个把"真实开源项目"变成阶梯式动手课程的 agent 技能包：装进 Claude Code / Codex / DeepSeek Harness，AI 就从"帮你写代码"变成"带你手写代码并判题"。
做这个东西的人
Lyn-77 的个人开源项目，2026-07-31 建仓，41 个提交，README、命令速查、架构说明、Release 打包流程都打磨完整。仓库未声明 license。
判断：单人作者把工程完整度做到了接近产品的水平（有命令体系、网页 dashboard、插件注册）， 但作者背景、目标用户、是否有真实使用证据，全部未披露。
它到底能做哪几件事
- 生成课程 → /promentor init 扫描项目架构、生成课程大纲，确认后逐章生成讲义、Lab、行为测试
- 阶梯学习 → /promentor learn 讲解讲义、带读标注过的源码、引导手写核心逻辑
- 行为测试判题 → /promentor test 运行行为测试，告诉你哪过哪不过、为什么
- 分层提示 → /promentor hint 读你的代码和测试结果，给针对当前错误的分层提示——先方向后思路，不给答案
- 提交与评审 → /promentor submit 全量测试并锁定成绩；/promentor review 对比你的实现 vs 原始源码， 解释设计决策和可以怎么改
- 进度与仪表盘 → /promentor progress 看总进度；网页 dashboard（Next.js）展示完成度、章节状态、分数
学习模型是一条链：概念讲解 → 读源码 → 手写 Lab → 跑测试 → 提交评审 → 掌握系统设计。
它在替代什么旧行为
它替代的是三种学代码的旧路径：
- 直接读源码 → 随机跳转，没有依赖顺序；ProMentor 生成有依赖关系的阶梯路径
- 看视频课 → 看别人写代码；ProMentor 要求你自己手写核心逻辑
- 刷博客/文档 → 碎片化知识点；ProMentor 要求完整理解一个系统的设计哲学
对 agent 而言，它替代的是"把仓库丢给 AI 让它给你讲"的被动问答——改成主动的、 带测试、带评分的学习循环。核心转移点是"判题不靠 AI 看答案，靠行为测试"。
商业模式
未披露。 开源免费，无 license 声明，无付费层，无云服务。
判断：技能包是零门槛品类，谁都能写，天然难收费。真正的竞争不在分发，而在"行为测试判题" 这套教学设计能不能在真实规模的项目上成立。
硬数字
- 48 star / 1 fork / 0 open issue（2026-08-14 抓取），仓库 2026-07-31 建，41 个提交
- Release 包约 3.7 MB（技能 + 预构建 dashboard + 插件）
- 无 license 文件；无使用量、无用户证据
- HN/社区热度：未见于 HN；star 主要来自 GitHub 自然流量
四维评估
| 维度 | 结论 |
|---|---|
| 创始人-产品匹配度 | 单作者，工程完成度高于多数 skill 项目，作者背景未知 |
| 产品洞察力 | 把教学法（阶梯、行为测试、分层提示、锁定成绩）固化成一个 agent 技能，是可复制的模式 |
| 技术实现质量 | 命令体系 + Next.js dashboard + DSH 插件 + Release 流程，完整；但无 license 是隐患 |
| 市场时机 | "把真实项目当教材、学系统设计而非算法题"的需求真实，48 星说明尚未被验证 |
判断
模式有趣，品类廉价。 "行为测试判题 + 分层提示不给答案"是这批项目里少数认真做了教育学考虑的设计—— 判题不靠模型主观打分，靠可执行的测试；提示按错误分阶段，先方向后思路。这两条对做 "AI 导师"类产品的人直接可抄。
天花板是规模。 行为测试生成在小项目上成立，在一个几万文件的大仓库上是否还能生成 有判别力的测试？这是它真正的规模上限，README 没有回答。
风险清单：单作者、无 license、无用户证据。技能包谁都能写，难积累护城河。
下一步看什么
① star 增长，以及有没有人公开报告用它在真实项目中完成完整学习 ② 行为测试判题在多大代码库上仍能成立（规模上限） ③ 是否补充 license、是否出现贡献者（项目存续指标）
可借鉴的做法
产品逻辑：教学型 AI 产品三件套——从真实工件（项目源码）自动生成阶梯课程； 用行为测试判题，而不是让 AI 看参考答案打分；分层提示（先方向、再思路、不给答案）。 做"AI 导师"或"从你的数据生成课程"类产品时直接可用。
定价结构：无。免费开源。
结论
有待观察。 教学设计有增量，品类护城河浅，验证不足。三个月后拿上面三条回头验证。
05
从产品名直接追到一手材料
产品官网缺失或当前链接只是线索时，从这些检索入口继续核验。