Ich habe einen persönlichen französischen LLM-Tutor mit verteilter Wiederholung und Schwachstellenverfolgung erstellt
Ein Entwickler hat nach der Kündigung eines 200 $ teuren Privatlehrers einen personalisierten LLM-gestützten Französisch-Tutor gebaut. Das Tool kombiniert einen textbasierten Wissensdatenbank-Tutor mit Claude und eine Sprachpraxis-App namens Causons. Die Kerninnovation besteht darin, den SM-2-Algorithmus (wie bei Anki) zu verwenden, um Wiederholungen basierend auf der Vergessenskurve zu planen und spezifische Schwachstellen mit präzisen Fehlerprotokollen zu verfolgen.
Der Wissensdatenbank-Tutor verwaltet eine JSON-Datei, die jedes gelernte Grammatikthema speichert, einschließlich des letzten Prüfungsdatums, der Vertrauensbewertung (1-4), spezifischer Fehlermuster und des nächsten Fälligkeitsdatums. Vor jeder Sitzung liest das Claude-basierte System die Datei, identifiziert fällige Themen und generiert Übungen mit steigendem Schwierigkeitsgrad: Multiple Choice → Lückentext → Übersetzung → freie Produktion. Nach der Sitzung werden die Ergebnisse zurückgeschrieben, um die Intervalle zu aktualisieren. Themen, die viermal hintereinander richtig sind, kommen in drei Wochen wieder; bei einem Blackout kommt das Thema am nächsten Tag dran.
Der Schwachstellen-Tracker protokolliert spezifische Konstruktionen, z. B. "verwendet falsches Hilfsverb bei Bewegungsverben im Negativsatz – seit 2026-04-12" anstelle eines vagen "Probleme mit dem passé composé". Die nächste Sitzung generiert Übungen, die genau auf diese Konstruktion abzielen.
Der Sprach-Tutor (Causons) ist eine Browser-App mit einem Mikrofon-Button. Benutzer sprechen in ihrer Zielsprache, erhalten KI-Antworten in derselben Sprache und Korrekturen nur für objektiv falsche Grammatik – also Dinge, die ein Muttersprachler nie sagen würde. Transkriptionsartefakte, Registerwahl und umgangssprachliche Ausdrücke bleiben unverändert.
Für wen es geeignet ist: Entwickler, die eine Sprache lernen und eine anpassbare, kosteneffektive Alternative zu menschlichen Tutoren mit datengesteuerten Lernkarten und granularer Fehlerrückmeldung suchen.
📖 Vollständige Quelle lesen: HN LLM Tools
👀 Siehe auch
OpenClaw Videoerstellungsprozess: Reduzierung der Automatisierung auf 80 % bei verbesserter Qualität
Ein Entwickler teilt seinen optimierten OpenClaw-Workflow für animierte Videoproduktion, der die Automatisierung auf 80% reduziert und gleichzeitig die Qualität durch bessere Prompt-Engineering, Mehrfach-Clip-Erstellung und manuelle Nachbearbeitungsschritte verbessert.
Nicht-technischer Freiberufler nutzt MaxClaw und MiniMax Agent, um Dienstleistungen zu erweitern
Ein Social-Media-Strategist ohne Programmierkenntnisse nutzt MiniMax Agent, um Landing Pages zu erstellen, und MaxClaw, um Kundenbriefings und Inhaltsrecherchen zu bearbeiten, wodurch sich die Projektpreise von 1.500 $ auf 3.200 $ erhöhten.
Der OpenClaw-Agent demonstriert den Modell-Eskalations-Workflow mit Claude Opus.
Ein Entwickler beschreibt, wie sein OpenClaw-Agent erkannte, dass Codex GPT-5.4 bei einer Programmieraufgabe feststeckte, das Problem über Antigravity an Claude Opus 4.6 eskalierte, die Lösung diskutierte und dann zurückkehrte, um die Arbeit autonom abzuschließen.
Aufbau eines Konzertradars mit OpenClaw: Mehrere Quellen für Künstlerauftritte durchsuchen
Ein Entwickler hat ein Konzertradar mit OpenClaw auf einem VPS erstellt, das Künstler von Spotify abruft, täglich mehrere Quellen scannt, Veranstaltungen normalisiert, Künstler abgleicht, Duplikate entfernt und neue Ankündigungen über Cron-Jobs verfolgt.