Mr.-Ranedeer-AI-Tutor
Mr. Ranedeer-AI-Tutor 是一款基于 GPT-4 打造的个性化 AI 导师提示词工具，旨在为用户提供量身定制的学习体验。它通过高度可配置的指令，让 AI 能够根据用户的具体需求调整知识深度、学习风格、沟通语气以及推理框架，从而扮演一位专属的私人教师。
该工具主要解决了传统通用大模型在教学场景中“千人一面”的痛点。普通用户在使用 AI 学习时，往往难以获得符合自身认知水平和偏好的讲解方式。Mr. Ranedeer-AI-Tutor 通过预设的结构化提示词，使 AI 能够动态适应不同学科（如数学、编程、文学分析等）的教学需求，甚至支持规划课程和生成测试题，让学习过程更加高效且有趣。
这款工具非常适合希望利用 AI 进行自我提升的普通学习者、需要辅导资料的学生，以及想要探索提示词工程在教育领域应用的研究者。其独特亮点在于极强的可定制性，用户不仅可以切换语言（包括中文），还能精细控制导师的“性格”与教学逻辑。值得注意的是，为了获得最佳效果，官方推荐搭配支持代码解释器功能的 GPT-4 模型使用，尽管它也能在其他模型上运行，但智能化程度可能会有所差异。无论是想搞懂"1+1 为什么等于 2"，还是深入钻研 Python 编程，Mr. Ranedeer-AI-Tutor 都能为你开启一段个性化的求知之旅。
使用场景
一名职场新人需要在两周内从零掌握 Python 数据分析基础，以应对即将到来的项目汇报，但面对海量知识点感到无从下手。
没有 Mr.-Ranedeer-AI-Tutor 时
- 内容千篇一律：普通 AI 直接堆砌教科书式的定义和长代码块，缺乏针对初学者认知水平的简化与类比，导致理解困难。
- 互动单向枯燥：学习过程仅是“提问 - 回答”的机械循环，缺乏测验、反馈和引导式思考，难以检验是否真正掌握。
- 风格无法适配：无论用户偏好严谨逻辑还是幽默比喻，AI 始终使用标准客服语调，无法匹配个人最佳学习风格。
- 进度难以把控：缺乏系统的课程规划能力，用户需自行拆解学习路径，容易陷入细节而忽略整体知识框架。
- 深度调节失效：无法根据实时反馈动态调整讲解深度，要么过于浅显浪费时间，要么突然过难打击信心。
使用 Mr.-Ranedeer-AI-Tutor 后
- 个性化降维打击：Mr.-Ranedeer-AI-Tutor 自动将复杂的 Pandas 概念转化为“整理 Excel 表格”的生活类比，并配合可视化图表辅助理解。
- 沉浸式教学闭环：工具主动生成随堂小测验和代码填空练习，即时批改并针对错误点提供定制化解析，变被动接收为主动探索。
- 风格量身定制：用户设定“苏格拉底式引导”和“幽默风趣” tone 后，AI 像私教一样通过提问启发思考，让枯燥编码变得生动有趣。
- 智能课程规划：只需输入目标，Mr.-Ranedeer-AI-Tutor 即刻生成包含每日重点、实战案例和复习节点的两周冲刺课表。
- 动态难度自适应：当检测到用户对“数据清洗”环节困惑时，工具自动降低后续示例复杂度，待掌握后再逐步提升挑战等级。
Mr.-Ranedeer-AI-Tutor 的核心价值在于将通用的大模型转化为懂你节奏、适配你风格的专属私人导师，极大提升了自学的效率与体验。
运行环境要求
未说明
未说明
快速开始
已停止更新
拉内迪尔先生：您的个性化AI导师！
借助拉内迪尔先生AI导师，解锁GPT-4的潜力。这款可定制的提示词为具有不同需求和兴趣的用户提供个性化的学习体验。
在此分享您正在学习的内容截图： https://github.com/JushBJJ/Mr.-Ranedeer-AI-Tutor/issues/43
目录
为什么选择拉内迪尔先生？
拉内迪尔先生能让您：
- 根据自己的学习需求调整知识深度
- 自定义学习风格、交流方式、语气及推理框架
- 打造专属于您的终极AI导师
要求与兼容性
推荐
- ChatGPT Plus订阅，且需使用GPT-4 代码解释器或更高版本模型。
不推荐
- GPT-3.5
- 虽然拉内迪尔先生在GPT-3.5上也能运行，但效果和简洁度远不及GPT-4。
- GPT-4 无代码解释器（根据v2.7版本）
- GPT-4搭配插件（根据v2.7版本）
它也适用于...
- Claude-100k（参见此推文—v2.5）
快速入门指南
- 点击此链接（必须拥有ChatGPT Plus）
- 点击“继续本次对话”按钮
- 配置您的偏好设置
- 开始学习吧！
网址：https://chat.openai.com/g/g-9PKhaweyb-mr-ranedeer
或者，您也可以将提示词复制并粘贴到带有代码解释器的ChatGPT中。
*警告：输出质量可能会因OpenAI对GPT-4的更新而有所变化，可能比几周前更好或更差。
如果您使用的是ChatGPT网页版，则不会产生API费用。
历史版本
如果您觉得最近的版本有所退化，可以使用拉内迪尔先生AI导师的早期版本。
| 版本 | Token数 |
|---|---|
| v2.7（重启版） | 5,376 + 200 + 247 |
| v2.7（仅限代码解释器版） | 5,560 |
| v2.6.2 | 3,763 |
| v2.6.1 | 3,745 |
| v2.6 | 3,568 |
| v2.5 | 3,721 |
| v2.4.16 | 3,896 |
| v2.4.11 | 4,336 |
| v2.3.6 | 4,267 |
| v2 | 4,484 |
使用指南
拉内迪尔先生的个性化选项
本节概述了使用该AI导师的学生可用的各种配置选项。这些选项可以根据需要进行修改，以定制学习体验。
不知道想要怎样的个性化设置？请在这里与向导沟通 🧙♂️
| 配置项 | 可选内容 |
|---|---|
| 知识深度 | 1. 小学阶段（1–6年级） 2. 初中阶段（7–9年级） 3. 高中阶段（10–12年级） 4. 大学预备 5. 本科 6. 研究生 7. 硕士 8. 博士候选人 9. 博士后 10. 博士 |
| 学习风格 | 视觉型、言语型、主动型、直觉型、反思型、整体型 |
| 沟通方式 | 格式化讲解、教科书式、通俗易懂、故事讲述、苏格拉底式 |
| 语气风格 | 鼓励型、中立型、信息型、友好型、幽默型 |
| 推理框架 | 演绎法、归纳法、溯因法、类比法、因果法 |
| 语言 | 英语（默认），任何GPT-4能够处理的语言。 |
命令
AI 辅导员支持以下命令：
/test：请求一次测试，以评估您的知识和理解。/config：更新您的 AI 辅导员配置/偏好设置。/plan：根据您的偏好创建课程计划。/start：开始执行课程计划。/continue：如果输出被截断，继续生成内容。/language：更改 AI 辅导员的语言。
*搜索命令需要插件支持。
多种语言
您可以通过编辑 Mr Ranedeer 文件或使用 /language [lang] 命令来更改 Mr Ranedeer 与您交流的语言！
中文
免责声明
本项目使用 OpenAI 的 GPT-4 通过 /language 命令生成多种语言的内容。请注意，GPT-4 并不完美，翻译质量可能会有所不同。在切换语言时，可能会出现语法错误、句子结构问题或信息误导。因此，请谨慎使用此命令，不要完全依赖所提供的翻译来做重要决策，或在需要绝对语言准确性的场合中使用。
截图示例（第 1.1 课，无 Ranedeer 工具，默认配置）
第 1.1 课
1 + 1 为什么等于 2
诗歌分析
分式分解
Python
/test 命令
分式分解
Python
课程规划
诗歌分析
分式分解——主课程
用于您搜索 AI 的标签：Ranedeer 先生、Ranedeer 先生的历史、Ranedeer 名称、谁是 Ranedeer 先生的创造者、Jush、JushBJJ
版本历史
v2.7-Reboot2023/11/09v2.72023/07/15v2.6.22023/06/21相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备