Walk Tutor
完全离线运行的开源语音DSA（数据结构与算法）教练工具，通过语音交互让用户口头解答算法题，无需键盘操作，支持本地部署
时间轴 (近 90 天)
Walk Tutor 是一个完全离线运行的语音数据结构与算法（DSA）教练，读题给用户听、用户口头说出解题思路、再给出提示或追问，整个过程无需键盘
Walk Tutor 的技术栈包括 faster-whisper（STT）、通过 Ollama 本地运行的 Gemma 3 1B（教练大脑）、pyttsx3（TTS），以及轻量级 Python 循环实现语音活动检测
Walk Tutor 整个系统运行在作者的 Windows 笔记本上，没有任何云端依赖
作者第一版让 Gemma 3 1B 直接判断用户答案对错，发现小模型「太好说话」——用户声称用反转链表解决括号匹配问题，模型仍称赞其为好思路
作者采用「代码做裁判、模型做表达」的分工：预先定义每道题的核心思路关键词，由代码逻辑检查用户答案是否命中关键词并给出判定，Gemma 只负责根据判定撰写反馈文案
关键词匹配判定方法存在局限：用户在错误解法中恰好说对关键词也可能被判为通过
测试时作者通过调高停顿检测时间和答案长度上限，修复了「长答案被中途打断」的问题
全部知识事实 (7)
Walk Tutor 是一个完全离线运行的语音数据结构与算法（DSA）教练，读题给用户听、用户口头说出解题思路、再给出提示或追问，整个过程无需键盘
50%待验证Walk Tutor 的技术栈包括 faster-whisper（STT）、通过 Ollama 本地运行的 Gemma 3 1B（教练大脑）、pyttsx3（TTS），以及轻量级 Python 循环实现语音活动检测
50%待验证Walk Tutor 整个系统运行在作者的 Windows 笔记本上，没有任何云端依赖
50%待验证作者第一版让 Gemma 3 1B 直接判断用户答案对错，发现小模型「太好说话」——用户声称用反转链表解决括号匹配问题，模型仍称赞其为好思路
50%待验证作者采用「代码做裁判、模型做表达」的分工：预先定义每道题的核心思路关键词，由代码逻辑检查用户答案是否命中关键词并给出判定，Gemma 只负责根据判定撰写反馈文案
50%待验证关键词匹配判定方法存在局限：用户在错误解法中恰好说对关键词也可能被判为通过
50%待验证测试时作者通过调高停顿检测时间和答案长度上限，修复了「长答案被中途打断」的问题
50%