一套从零构建 AI 智能体的实践教程,基于 node-llama-cpp 使用本地大模型,涵盖函数调用、记忆与 ReAct 模式。
GeminiLight/SocialCoach
AI 情商教练,通过情境对练练习难开口的对话,并根据你的原话给出复盘反馈。
- Star
- 272
- Fork
- 44
- 未关闭 Issue
- 0
- 最近提交
- 8天前
这是什么?
SocialCoach 是一个用于练习日常社交对话的网页应用,例如和老板谈加薪、拒绝临时加班、请朋友还钱。你可以从覆盖七类生活情境的 58 个场景中选择,也可以描述自己的处境,然后与一个有自身诉求的 AI 角色对话。对方会追问、提出异议,也会坚持立场。
每场练习结束后,教练会先引用你的原话,再给出评价,并把沟通表现与对话结果分开看,即使对方拒绝,也能看到你做得好的地方。推荐的练习路径会根据你的目标以及 34 项社交情绪技能的熟练度估计来安排,教练反馈则基于附有来源的策略和案例库。界面与内容支持中文和英文,无需注册即可使用。
项目基于 Next.js、React、Three.js 和 TypeScript 构建,可接入 Anthropic 或 OpenAI 兼容的模型服务,支持用户使用自己的 API key。仓库提供 Docker Compose 与 Vercel 的部署配置。
核心功能
- 01与 AI 角色进行对练,对方依据自身立场和诉求回应。
- 02复盘时引用你的原话,并区分沟通表现与对话结果。
- 03根据目标和 34 项技能的熟练度估计推荐练习路径。
- 04覆盖七类生活情境的 58 个中英双语场景。
- 05支持自带 Anthropic 或 OpenAI 兼容模型的 API key,练习记录可导出。
- 06可开启限时应答,练习压力下的表达。
适用场景
- 在加薪或绩效谈话前先演练一遍。
- 练习对朋友、室友或家人设立边界。
- 为紧张的会议或与同事的分歧做准备。
- 在无需注册的私密环境中培养社交情绪能力。
快速上手
- 1
克隆仓库
git clone https://github.com/GeminiLight/SocialCoach.git - 2
进入 app 目录并安装依赖
cd SocialCoach/app && pnpm install - 3
复制环境变量模板,并在 .env.local 中填写模型服务密钥
cp .env.example .env.local - 4
启动开发服务器并打开 localhost:3000
pnpm dev
使用前须知
- 本地运行需要 Node.js 22+、pnpm 11,以及 Anthropic 或 OpenAI 兼容模型的 API 密钥。
- 练习时对话内容会发送给你配置的模型供应商,因此会产生模型调用费用。
标签
常见问题
- SocialCoach 是什么?
- AI 情商教练,通过情境对练练习难开口的对话,并根据你的原话给出复盘反馈。 SocialCoach 是一个用于练习日常社交对话的网页应用,例如和老板谈加薪、拒绝临时加班、请朋友还钱。你可以从覆盖七类生活情境的 58 个场景中选择,也可以描述自己的处境,然后与一个有自身诉求的 AI 角色对话。对方会追问、提出异议,也会坚持立场。
- SocialCoach 可以免费使用吗?用的什么许可证?
- SocialCoach 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- SocialCoach 还在维护吗?
- 活跃维护中。SocialCoach 最近一次提交是在 2026年10月12日。
- SocialCoach 适合用来做什么?
- 在加薪或绩效谈话前先演练一遍。 练习对朋友、室友或家人设立边界。 为紧张的会议或与同事的分歧做准备。 在无需注册的私密环境中培养社交情绪能力。
- SocialCoach 怎么安装和运行?
- 克隆仓库: git clone https://github.com/GeminiLight/SocialCoach.git 进入 app 目录并安装依赖: cd SocialCoach/app && pnpm install 复制环境变量模板,并在 .env.local 中填写模型服务密钥: cp .env.example .env.local 启动开发服务器并打开 localhost:3000: pnpm dev
- 在哪里获取 SocialCoach?
- 源代码和安装说明在 GitHub 上:https://github.com/GeminiLight/SocialCoach
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
一个用 JavaScript 从零实现检索增强生成(RAG)的分步教学项目,基于本地 LLM,不依赖云端 API。
54 个无依赖、单文件的 Python 脚本,从零实现现代 AI 核心算法,便于读懂其底层原理。
《Designing Multi-Agent Systems》配套代码,内含从零实现的多智能体教学框架 PicoAgents。
Cherry Studio 是一款跨平台桌面 AI 客户端,可接入多家大模型服务、本地模型及 300 多个预置助手。
基于 LangGraph 构建的模块化 Agentic RAG 教程与项目,支持层级索引、对话记忆和查询澄清。