lathe

这是什么？适合谁？

lathe（devenjarvis 出品）是一个**「LLM 生成动手教程、你自己动手学」的工具：你对编程 Agent 说 /lathe build a 3D Slicer in Erlang，它生成分段的技术教程（单篇或多篇系列），然后你在专为学习构建的本地 Web UI 里亲手**把每一段做出来——不是读文章，也不是让 AI 替你写代码。

作者的立意很明确：LLM 替你干活的同时也拿走了让你学会新东西的那部分。Lathe 的实验方向是用 LLM「teach you, rather than think for you」——生成零到一的入门教程，学习本身（敲代码、踩坑、顿悟）留给你。每份教程都记录它引用过的来源 URL、用了哪个模型、什么 prompt 驱动的语气（provenance 可查）；教程存在本地 ~/.lathe/tutorials/ 沉淀为 Library。架构上它由 LLM skills（跑在你交互式 Agent 会话里）+ Go CLI（存储/渲染/管理，绝不自己调用模型）组成。2026-09-20 核验：GitHub 1,672★ / 49 fork，MIT，仓库创建于 2026-05-04，最近推送 2026-08-03。

适合谁：

• 靠动手教程学习效果最好的开发者，想进入一个人类教程资源稀缺的新兴/冷门领域（如作者的 3D Slicer、嵌入式 Zig 案例）
• 用 Claude Code / Cursor / Codex / Gemini CLI / opencode / Cline / Windsurf 的开发者，想把「让 AI 教我」变成可沉淀的工作流
• 教学内容创作者——Lathe 的教程结构（Sources 标注、Checkpoint 块、验证流程）本身就是可借鉴的范式

不适合谁：

• 想让 AI 直接产出可交付代码的人——Lathe 的教程是给你自己敲的，不是让 Agent 写的
• 需要权威、系统性课程的学习者——LLM 教程质量不如人类好教程（作者自己明说「Not in the slightest」），有现成人类教程时应优先选人类的

准备工作

1. 运行环境：任一支持的编码 Agent（Claude Code、Cursor、Codex、Gemini CLI、opencode、Cline、Windsurf、Antigravity）；lathe 二进制装到 PATH
2. 成本：工具 MIT 免费开源；生成/验证教程消耗你 Agent 会话自带的模型额度。作者建议用最强的「思考型」模型（Opus、GPT-5 Codex 等）——这是研究、设计与解释型任务，不是机械执行
3. 时间：安装 2 分钟；生成一份教程视主题 5-20 分钟，亲手做完看你自己
4. 前置知识：会用命令行；英文阅读（教程以英文生成为主）；对要学的领域有基础判断力（能识别 LLM 讲错的地方）

快速上手（3 步）

第一步：安装二进制与 skills

# macOS（推荐，预编译 cask）
brew install devenjarvis/tap/lathe

# Linux / 通用（安装脚本）
curl -sSf https://raw.githubusercontent.com/devenjarvis/lathe/main/install.sh | sh

# 或 Go 1.25+
go install github.com/devenjarvis/lathe@latest

# 把内置 skills 装进你的 Agent（以 Claude Code 当前项目为例）
lathe skills install            # ./.claude/skills/
lathe skills install --user     # ~/.claude/skills/ 全项目可用
# 其他 Agent: --agent codex / gemini / cursor / opencode / cline / windsurf / antigravity / all

第二步：生成第一份教程

在编码 Agent 会话里：

/lathe build a 3D Slicer in Erlang

换成任何你想学的主题即可。预期结果：当前目录生成 part-01.md（多篇系列的第一篇），每篇含可动手的步骤与 ## Checkpoint 自检块。

第三步：在本地 UI 里学习

lathe serve    # 启动 Web 服务并自动开浏览器（默认 http://localhost:4242）

点开教程开始学。想提问、验证、续写新段落：UI 里的 Ask / Verify this tutorial / Add a part 按钮，接了 /lathe-work 工作循环就直连 Agent 会话（免复制粘贴），没接则给你可粘贴的命令。

成功判定：lathe serve 打开 Library 界面能看到你的教程卡片（含 · N sources 来源计数）；读教程时能看到「Researched against N sources」溯源面板；/lathe-verify 跑完后教程元数据变为 verified / failed / skipped 之一。

常见踩坑

1. 症状：brew install 装不了（Linux/Windows）。 原因：Homebrew cask 分发的是 macOS 预编译二进制。 解决：Linux 用 install.sh 或 go install；Windows 官方未列原生路径，可走 go install（需 Go 1.25+）或 WSL。

2. 症状：/lathe 命令在 Agent 里不触发。 原因：skills 没装进当前 Agent 的目录。 解决：lathe skills list 看内置 skills，用 lathe skills install --agent <你的Agent> 重装到正确位置；Cursor 是特例（翻译成 slash command 格式）。

3. 症状：教程步骤跑不通、代码编译失败。 原因：LLM 幻觉或目标领域文档稀缺——这正是 Lathe 设计上预期的情况。 解决：用 Ask 按钮质疑（「wait, does that make sense?」），或直接让 Agent 更新教程；也可以跑 /lathe-verify 让它在干净的 mktemp -d 目录里逐步验证并记录结果。

4. 症状：验证结果显示 skipped 而不是 failed。 原因：教程所需工具链未安装（如没有 zig 二进制）——「没法在这验证」≠「教程坏了」，这是刻意区分。 解决：装好工具链后再跑一次验证。

5. 症状：教程质量一般、语气平淡。 原因：模型能力上限——作者明说教程「不如人类写的」，且建议用最强思考型模型。 解决：换更强模型生成；有现成人类教程时优先用人类的（作者原话「I’d always reach for that first」）。

6. 症状：担心教程里的来源是编的。 原因：任何 LLM 生成的引用都可能幻觉。 解决：读教程页的 Sources 面板逐条点开核实——provenance 是 tutorial 级持久记录（metadata.json 的 sources 字段），extend 续写时新来源也会去重合并进去。

进阶玩法

• 多 Agent 验证闭环：/lathe-work 工作循环 + Verify 按钮，让同一个交互会话里的 Agent 逐步执行每个 Checkpoint 并回写验证状态——学习前先确认教程「真的能跑」
• 系列教程：/lathe-extend 给已有教程追加下一段（part-02.md…），学完一段再生成下一段，节奏自己控制
• 本地模型：Lathe 二进制从不调模型，把 Agent 指向 Ollama 的 http://localhost:11434/v1 即可用本地大模型生成教程（模型越大教程越好）
• Library 沉淀：/lathe-tag 给教程打搜索标签，~/.lathe/tutorials/ 长期积累成个人学习库，UI 支持搜索过滤

常见问题 FAQ

Q1: Lathe 会自己调用 LLM 吗？

A: 不会。Go 二进制只负责存储、渲染与管理；所有模型工作都跑在你交互式的 Agent 会话里（这让它避开 Claude Code claude -p 按量计费的 headless 模式，也让你在正常权限模型下看到并批准每次工具调用）。

Q2: 教程内容会上传到云端吗？

A: 教程存在本地 ~/.lathe/tutorials/，UI 服务只跑在 http://localhost:4242。生成教程时的 LLM 调用走你 Agent 本来就用的服务。

Q3: 支持中文教程吗？

A: 教程语言跟随你的 prompt 与 Agent 模型能力；README 以英文为主，未实测中文生成的质量。

Q4: 和直接让 ChatGPT 写教程有什么区别？

A: 四点：教程按分段动手结构生成（含 Checkpoint 自检块）；本地 UI 专为「边读边做」设计（Ask/Verify/Extend 按钮直连 Agent）；每份教程持久记录来源/模型/prompt 溯源；Library 长期沉淀可搜索。普通对话生成的教程用完就丢、无溯源。

Q5: 幻觉问题怎么防？

A: 三层：生成时 skills 会在不确定处明示；学习时你在亲手敲代码，天然处在「发现不对劲」的位置；/lathe-verify 用确定性执行逐 Checkpoint 验证并记录 verified/failed/skipped。

Q6: 这工具本身是 vibecode 出来的吗？

A: 是，作者在 README 里坦承（“Yep, lathe is vibecoded”），定位是低风险的个人学习实验工具，且声明后续版本会做代码/架构清理。介意的话可以等稳定版本或先读源码（Go，单二进制，规模不大）。

小技巧

• 主题选择：Lathe 最发光的场景是「找不到人类教程」的冷门领域——作者的两个真实案例是 G-code 3D Slicer 和嵌入式 Zig；通用领域（如 Python 入门）直接找人类教程更快更好
• 验证优先：学之前先点 Verify——教程被验证过（verified）再动手，能省掉大量排错时间
• 追问机制：把「Ask」当苏格拉底工具用——遇到可疑之处先自己推理，再问 Agent 对照，作者认为这个「抓住 LLM 失误并反驳」的过程本身就加深理解

免责声明

本文基于该仓库 README（2026-09-20 抓取）与 GitHub API 实时数据（★1,672 / 🔱49）整理，AI 辅助生成。未实际生成并完成一份教程，教程质量、验证流程效果结论来自官方文档与作者自述；最近推送为 2026-08-03，距今约 6 周，活跃度需持续观察。

参考链接

• GitHub 仓库 devenjarvis/lathe
• 作者自述 Why does this exist
• 幻觉与局限讨论
• 构建教程的资源灵感清单（作者列出的人类教程）