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
Verwendung von Claude zur Automatisierung von App Store Connect-Metadaten-Updates für 33 Sprachen
Ein unabhängiger iOS-Entwickler nutzte Claude (per Chat), um ein Python-Skript zu generieren, das sich bei der App Store Connect API authentifiziert, Metadaten in 33 Sprachen übersetzt und lokalisierte 'What's New'-Texte pusht – und so stundenlange manuelle Arbeit pro Update ersetzt.
Dynamische Workflows in Claude Code: 3-fache Feature-Geschwindigkeit mit parallelen Subagenten
Parallele Unteragenten in Claude Code verkürzen die Feature-Entwicklungszeit von 4-6 Stunden auf 1,5-2 Stunden. Ein Entwickler teilt seinen Workflow: 3 Agenten arbeiten gleichzeitig an API-Dokumenten, Tests und Code.
Die vielseitigen Anwendungen von OpenClaw: Einblicke aus der Clawdbot-Community
Entdecken Sie die innovativen Möglichkeiten, wie Benutzer OpenClaw genutzt haben, von persönlichen Projekten bis hin zu ehrgeizigen automatisierten Systemen, wie von der r/clawdbot-Community geteilt.
Claude-Zeitreisespiel entwickelt sich von einer Eingabeaufforderung zu einem vollständig eingesetzten System
Ein Reddit-Nutzer beschreibt, wie er über 40 Tage hinweg ein Zeitreise-RPG-Prompt in Claude zu einem komplexen System weiterentwickelt hat, indem er YAML-Zustandsdateien, über 50 NPCs, Ereignisauslöser hinzufügte und es schließlich auf Fly mit einer Datenbank und einem benutzerdefinierten MCP-Server für plattformübergreifenden Zugriff bereitstellte.