Agent：

使用OCR识别图片中的表格结构和课程信息
提取课程名称、时间、地点
生成结构化课表数据
询问是否同步到日历


### 2. 智能排程

自动安排学习任务，优化时间利用：

**排程策略**：
- 识别可用时间段（扣除固定课程）
- 任务优先级计算（截止日期+重要性+难度）
- 智能分配（考虑偏好时段、科目连续性、疲劳度）
- 冲突检测与解决

**示例对话**：

用户：这周要准备高数考试，还有英语听力每天练习，帮我安排复习计划

Agent：

获取当前课表确定固定占用时间
分析任务：高数考试（紧急重要）、听力练习（日常）、背单词（碎片化）
识别可用时间段
生成排程建议：
- 高数安排在晚间高效时段（2小时/天）
- 听力安排在午休后（30分钟）
- 背单词安排在通勤/间隙（15分钟×3次）


### 3. 提醒设置

智能提醒策略，不错过任何任务：

**提醒类型**：
- 课前提醒：提前15分钟准备、提前5分钟到达
- 任务提醒：开始提醒、进度提醒、结束提醒
- 截止提醒：1天前、4小时前、1小时前
- 智能干预：未开始提醒、休息建议、空闲推荐

**示例**：
```python
# 为任务设置提醒
def schedule_reminders(task):
    reminders = []
    
    # 开始提醒
    reminders.append({
        "time": task.start_time,
        "message": f"开始学习：{task.name}"
    })
    
    # 截止提醒
    if task.deadline:
        reminders.append({
            "time": task.deadline - timedelta(hours=24),
            "message": f"'{task.name}'明天截止"
        })
    
    return reminders

4. 进度追踪

学习打卡与统计分析：

追踪维度：

任务完成率（计划vs实际）
时间利用率（计划学习vs实际学习）
科目时间分布
最佳学习时段识别

示例对话：

用户：我完成了今天的英语听力练习

Agent：
1. 记录完成状态和时间
2. 更新今日进度统计
3. 反馈完成情况
4. 预告下一个任务

5. 动态优化

根据执行情况自动调整：

优化策略：

发现经常性延误：增加该类型任务预估时间
识别最佳时段：将困难任务调整到高效时段
检测过度疲劳：建议减少任务量、增加休息
发现空闲浪费：推荐碎片化学习任务

示例：

系统分析发现：
- 高数作业经常超时30分钟 → 后续预估增加30分钟缓冲
- 每晚19-21点效率最高 → 重要任务优先安排此时段
- 周三下午常有2小时空闲 → 推荐安排复习或预习

使用工作流

工作流1：初始化学习日程

导入课表（图片/文件/文本）
录入固定安排（课程、考试、活动）
添加学习任务（作业、复习、备考）
设置偏好（高效时段、休息时间）
生成初始排程
设置同步（日历平台）

工作流2：日常管理

查看今日日程
任务打卡记录
临时调整（插入新任务、延后任务）
接收提醒通知
周末回顾统计

工作流3：备考规划

设定考试/目标日期
分解复习内容（里程碑）
生成阶段计划
分配每日任务
追踪完成进度
动态调整策略

数据结构

课程信息

{
  "name": "高等数学",
  "day": "周一",
  "start_time": "08:00",
  "end_time": "09:40",
  "location": "3教201",
  "type": "必修课",
  "is_fixed": true
}

学习任务

{
  "name": "高数作业第3章",
  "subject": "高等数学",
  "estimated_duration": 120,
  "deadline": "2026-04-05T23:59:00",
  "importance": 9,
  "difficulty": "hard",
  "priority": 8.5
}

日程事件

{
  "id": "evt_001",
  "name": "高数复习",
  "type": "study",
  "start": "2026-04-01T19:00:00",
  "end": "2026-04-01T21:00:00",
  "status": "scheduled",
  "reminders": [...]
}

配置参数

参数	类型	说明
`calendar_providers`	list	连接的日历服务（google/outlook/apple）
`reminder_channels`	list	提醒渠道（desktop/mobile/email）
`productive_hours`	list	高效学习时段（如 ["19:00-22:00"]）
`day_start`	string	每日开始时间（如 "08:00"）
`day_end`	string	每日结束时间（如 "23:00"）
`break_duration`	int	休息间隔（分钟，默认15）
`min_slot_size`	int	最小时间块（分钟，默认30）

资源引用

参考文档

references/scheduling-algorithms.md - 智能排程算法详解
references/calendar-sync.md - 日历同步API集成指南
references/ocr-patterns.md - 课表OCR识别模式

脚本工具

scripts/timetable_ocr.py - 课表图片OCR识别
scripts/schedule_generator.py - 智能排程生成器
scripts/conflict_checker.py - 冲突检测工具

使用示例

示例1：导入课表图片

用户：[上传课表截图]
用户：帮我导入这学期的课表

Agent：
1. 调用 timetable_ocr.py 识别图片
2. 提取课程：高等数学(周一8:00)、大学英语(周二14:00)...
3. 确认识别结果
4. 询问是否添加到日历
5. 生成.ics文件或调用日历API同步

示例2：安排复习计划

用户：下周三有高数期中考试，帮我安排复习

Agent：
1. 距离考试还有6天
2. 分析可用时间（扣除固定课程）
3. 建议复习分配：
   - 第1-2天：章节梳理（每天2小时）
   - 第3-4天：习题练习（每天2.5小时）
   - 第5天：错题回顾（2小时）
   - 第6天：模拟测试（3小时）
4. 生成具体排程并设置提醒

示例3：查看和调整日程

用户：我今天有什么学习任务？

Agent：
今日日程：
08:00-09:40 高等数学（上课）
10:00-12:00 高数作业 ⏰10分钟后开始
14:00-15:40 大学英语（上课）
19:00-20:30 高数复习（考前冲刺）

用户：我今天太累了，把晚上的复习取消

Agent：
已取消19:00的复习任务。
建议：可以将复习调整到明天下午，或者缩短为1小时轻量复习。

示例4：进度追踪

用户：这周学习情况怎么样？

Agent：
本周统计（3/30-4/5）：
- 计划任务：12个，已完成：10个（83%）
- 计划学习时间：28小时，实际：24.5小时
- 科目分布：高数60%、英语30%、其他10%
- 最佳时段：周二/四晚19-21点

建议：
1. 高数作业平均超时20分钟，已调整后续预估
2. 周三下午常空闲2小时，可安排预习
3. 连续学习4天后效率下降，建议周五减少任务量

边界说明

不处理教务系统直接对接（需学校API授权）
不存储敏感个人信息（仅处理时间/任务数据）
支持本地存储模式（不上传云端）
日历同步依赖外部API可用性

学习日程管家

智能学习日程管家

核心能力

1. 课表导入