自动化完成 21tb 时光易学 平台的在线课程学习：登录 → 获取课表 → 自动播放视频 → 自动填写并提交课程评估 → AI 自动完成课后测试，全程无需人工干预。

• 🚀 场景一：我是普通用户（小白上手）
• 🤖 场景二：通过 AI Agent 使用
• ⌨️ 场景三：开发者 / 命令行用户
• 🔧 技术细节
• ❓ 常见问题

1. 一台能联网的电脑（Mac / Windows / Linux 都行）
2. 安装 Node.js（nodejs.org，版本 >= 18）
3. 你的 21tb 企业ID、账号、密码
4. （可选） 智谱 AI API Key，用于课后测试自动答题，从 open.bigmodel.cn 获取

# 1. 克隆（或下载）本 Skill 到本地
git clone [email protected]:Viennacacao/cloude_learning_skill.git
cd cloude_learning_skill

# 2. 安装浏览器依赖
cd scripts
npm install

在项目根目录创建 .env 文件，填入你的配置。这些变量将控制脚本的行为。

# 21tb 登录凭证（必填）
TB_ENTERPRISE_ID=你的企业ID
TB_USER=你的用户名
TB_PASS=你的密码

# 智谱 AI API Key（选填，用于课后测试 AI 答题）
# 从 https://open.bigmodel.cn/ 获取
ZHIPU_API_KEY=your_key_here
ZHIPU_MODEL=glm-4-flash
ZHIPU_API_BASE_URL=https://open.bigmodel.cn/api/paas/v4/chat/completions

# 答题行为配置（选填）
POSTTEST_AI_TIMEOUT_MS=60000       # AI 单批请求超时（毫秒）
POSTTEST_REQUIRE_CONFIRM=false      # 是否要求人工确认（false=自动提交，true=低置信度停下）
POSTTEST_AUTO_SUBMIT_THRESHOLD=0.7  # 自动提交置信度阈值（默认 0.7）

安全提示：.env 文件包含你的账号密码和 API Key，严禁上传到公共代码仓库。本项目已通过 .gitignore 自动忽略该文件。

# 后备方案（Puppeteer）：最简单的用法
node scripts/21tb-login-crawler.js -e 你的企业ID -u 用户名 -p 密码 --auto

这行命令做了什么？

① 打开浏览器 → 登录平台
② 获取你的全部课程列表
③ 自动打开第一门未完成的课程
④ 以 16 倍速自动播放所有视频
⑤ 视频播完后 → 自动填写评估问卷 → 提交
⑥ 自动检测并通过 AI 完成课后测试 ✅

其他常用命令：

结论：由于 21tb 播放页在部分内置 WebView 中会出现 ERR_BLOCKED_BY_ORB 白屏问题，建议使用 Puppeteer 驱动系统 Chrome/Chromium 完成自动化（更稳定）。

特点：

• 同一时间只打开一门课（串行）
• 注入使用“本地文件内容注入”（不依赖 GitHub Raw/jsDelivr）
• 遇到课后测试可用“自然对话确认/取消”驱动继续

快速开始（推荐）：

cd scripts
npm install
node 21tb-login-crawler.js --agent --json -c "阳明心学——实践的哲学"

Linux 提示：如果启动浏览器时报 libatk-1.0.so.0 / libgtk-3-0 等缺失，可在 scripts/ 目录执行： npx puppeteer browsers install chrome --install-deps

自动进入第一门未完成课程（不自动推进下一门）：

node 21tb-login-crawler.js --agent --json --auto

完成后自动推进下一门：

node 21tb-login-crawler.js --agent --json --auto --auto-advance

Agent 模式默认复用 runtime-logs/chrome-profile 作为 Chrome profile（减少重复登录、保留缓存）。也可用 --user-data-dir 指定。

为了让“其他人从 GitHub 下载后也能直接用”，提供一个短入口脚本：scripts/agent-entry.js。

# 学习指定课程（完成后停下）
node scripts/agent-entry.js 学习 "阳明心学——实践的哲学" --headful

# 继续：学习第一门未完成课程（完成后停下）
node scripts/agent-entry.js 继续 --headless

# 全部：自动推进学完全部未完成课程
node scripts/agent-entry.js 全部 --headless

当出现课后测试需要确认时（脚本会输出 posttest_confirm_required 并等待）：

# 确认提交最近一次课后测试
node scripts/agent-entry.js 确认

# 取消提交最近一次课后测试
node scripts/agent-entry.js 取消

查看最近一次运行状态摘要：

node scripts/agent-entry.js 状态

默认启用“严格完成判定”：

• 只要课程页解析到的资源数仍为 0/0，绝不会判定完成，会持续等待/重试直到拿到真实资源列表。
• crawler 侧也增加了第二道门槛：totalResources > 0 才承认完成，避免任何异常误判。

现在注入采用 evaluateOnNewDocument 常驻策略：你在课程页手动刷新/网络抖动导致重新加载时，helper/eval 会自动再次注入并继续工作（无需重新跑命令）。

所有命令均在仓库根目录执行；脚本位于 scripts/ 下。

• --agent：面向 Agent 的对话式模式（默认开启结构化输出 + 默认复用 profile）
• --json：每行输出一个 JSON 事件（方便 Agent 解析与对话驱动）
• --headless / --headful：后台跑 / 显示窗口（可自定义）
• --user-data-dir <dir>：自定义 Chrome profile 目录（跨电脑可用；建议放在可写目录）
• --chrome-path <path>：指定系统 Chrome/Chromium 可执行文件路径
• -c/--course "<课程名>"：指定课程（可传多次）
• --auto：自动进入第一门未完成课程
• --auto-advance：学完后自动推进下一门未完成课程
• --no-auto-eval：关闭自动评估

当脚本检测到课后测试需要确认提交时，会输出事件 posttest_confirm_required，并在 runtime-logs/ 写入：

• *.posttest_confirm_required.json（包含摘要与 decisionPath）
• 等待你写入 *.posttest_decision.json

decision 文件内容（两选一）：

{ "action": "confirm" }

或

{ "action": "cancel" }

在 SOLO/Agent 场景中，Agent 会用自然语言问你“确认/取消”，然后自动写入 decision 文件继续执行。

由于课程页是 https://，浏览器会阻止从 http://127.0.0.1 加载脚本（Mixed Content）。 因此 Browser-only 默认使用 https 资源地址（推荐 GitHub Raw / 你自己的 https 静态站点）。

（已移除 Browser-only runner 路线：由于 21tb 播放页在部分内置 WebView 中出现 ORB 白屏，当前以 Puppeteer / 系统浏览器自动化为主。）

注意：tag/commit 必须已推送到 GitHub 远端；如果还没 push/tag，请先 push/tag，或临时改成 main。

安全提示：zhipuApiKey 建议由 Agent 从本地 .env 读取后再注入，避免写死在提示词/文档里。

当 window.__TBH_HELPER__.getState().postTestConfirm.waiting === true：

• 用户确认提交：window.__TBH_HELPER__.approvePostTestSubmit()
• 用户取消：window.__TBH_HELPER__.rejectPostTestSubmit()

• 浏览器不要关 — 脚本运行期间会保持浏览器打开
• Agent 模式默认单课串行 — 同一时间只学习一门课（更稳定，也更符合对话式工作流）
• 学完了怎么看？ — 脚本会在终端输出进度信息；也可以查看 runtime-logs/ 目录下的日志文件
• 课后测试怎么做？ — 配置好 ZHIPU_API_KEY 后，脚本会自动用 AI 答题；未配置时也会用规则兜底（选 D）尝试完成

如果你在用 WorkBuddy 或其他 AI Agent 平台，导入此 Skill 后直接用自然语言对话即可。

1. 将本仓库克隆到本地
2. 在 Agent 平台中选「从目录导入」，选择 cloude_learning_skill 目录
3. 导入后即可在任意对话中激活

你：帮我登录 21tb 时光易学，看看还有哪些课没学完

Agent：
  ✅ 正在登录 21tb 时光易学平台...
  ✅ 登录成功！企业：<enterprise_id>  用户：<username>
  ✅ 已获取完整课表（共 54 门课程）

  📋 未完成课程列表（14 门）：
     1. 项目成本管理                        🔄 进行中
     2. 项目沟通管理                        未开始
     3. 撬动领导力的四种魅力表达方式          未开始
     ...

你：帮我开始学第一门

Agent：
  ✅ 正在打开课程：《项目成本管理》
  ✅ 内置播放助手已注入（16x 倍速，自动启动=是）
  🎬 课程正在自动学习中...

  （视频全部播完后）
  📋 检测到课程评估页面，自动填写并提交...
  ✅ 评估已提交！
  🧠 检测到课后测试页面，开始 AI 答题...
  📊 已自动填答 8/8 题 | 平均置信度 93.2%
  ✅ 课后测试已提交！课程完成。

💡 核心优势：不需要记命令、不需要开终端、不需要知道参数格式。用自然语言告诉 Agent 想做什么，它会调用对应脚本来完成。

cloud-video-learning/
├── SKILL.md                          # Agent 核心配置文件
├── README.md                         # 本文档
├── .env                              # 环境变量配置（API Key，不上传）
├── .gitignore                        # 忽略 .env、runtime-logs、node_modules
├── scripts/
│   ├── 21tb-login-crawler.js         # ★ 主入口：登录+课表+打开课程+自动播放+评估+测试
│   ├── 21tb-player-embed.js          # 播放助手注入器 + 配置下发
│   ├── 21tb-evaluation-auto.js       # 评估自动完成模块（星级+选择题+论述题+提交）
│   ├── 21tb-status-reporter.js       # 结构化状态上报器（JSON 事件流 + 状态快照）
│   └── package.json                  # npm 依赖
├── runtime-logs/                     # 运行时日志（自动生成，不上传）
│   ├── {sessionId}.events.jsonl      #   完整事件流（每行一个 JSON）
│   └── {sessionId}.state.json        #   最新状态快照
├── course-data.json                  # 课表缓存（自动生成，不上传）
└── 21tb-video-helper.user.js         # 播放助手源码（注入课程页，也可用作油猴脚本）

node 21tb-login-crawler.js [选项]

必填参数:
  -e, --enterprise <id>    企业ID
  -u, --user <username>   用户名
  -p, --pass <password>   密码

可选参数:
  -c, --course <name>     登录后直接打开指定课程（可重复传入）
  -a, --auto              一键全自动（登录→课表→进入第一个未完成课程）
  --auto-advance          完成当前课后自动推进下一门
  --no-auto-eval          禁用评估自动完成（默认开启）
  --agent                 面向 Agent 的对话式模式（默认单页串行；完成后自动退出；建议配合 --json）
  --headless              无头模式（不显示浏览器窗口）
  --headful               有头模式（显示浏览器窗口；用于排障/观察）
  --user-data-dir <dir>   自定义 Chrome profile 目录（复用登录态/缓存）
  --chrome-path <path>    指定系统 Chrome/Chromium 可执行文件路径
  --json                  结构化 JSON 输出（每行一个事件）
  --progress-logs [dir]   自定义日志目录
  -h, --help              显示帮助

使用 --json 时，stdout 每行输出一个 JSON 事件：

┌─────────────────────────────────────────────────────┐
│  1. 登录阶段                                         │
│     打开登录页 → 切到密码模式 → 填写表单 → 处理弹窗    │
├─────────────────────────────────────────────────────┤
│  2. 课表抓取                                         │
│     导航到 Course Center → 遍历所有分页 → 解析课程卡片 │
├─────────────────────────────────────────────────────┤
│  3. 课程播放                                         │
│     打开播放页 → 注入播放助手 → 16x倍速自动播放        │
│     每30s轮询状态 → 追踪章节/资源进度                  │
├─────────────────────────────────────────────────────┤
│  4. 评估自动完成（视频全播完后）                       │
│     检测到 .course-evaluate                          │
│       → 5星评分 → 选择题全选D → 论述题填固定答案        │
│       → 点击提交 → 处理"进入下一步"弹窗                │
├─────────────────────────────────────────────────────┤
│  5. 课后测试 AI 自动答题（评估完成后）                  │
│     检测到 .course-test-wrap / 关键词识别              │
│       → 提取题目（顶级容器过滤 + 选项数校验）           │
│       → 题库命中检查 → 分批 AI 解答 → 规则兜底          │
│       → 自动/人工确认提交                              │
│       → 答题结果存入 localStorage 题库                 │
├─────────────────────────────────────────────────────┤
│  6. 自动推进（如启用 --auto-advance）                 │
│     回到步骤3，打开下一门未完成课程                     │
└─────────────────────────────────────────────────────┘

平台前端混合使用 jQuery 和原生事件监听，必须双管齐下：

// 切换到密码登录（不要点击"Password login here"文案）
if (typeof noErwei === 'function') noErwei();
if (typeof changeWay === 'function')
  changeWay(1, document.getElementById('login-password'));

// jQuery 赋值（平台仍会读这些值）
$('#corpCode').val(enterprise);
$('#loginName').val(username);
$('#swInput').val(password);

// 原生 setter + 事件派发（兼容 Vue / 原生监听）
const nativeSetter = Object.getOwnPropertyDescriptor(
  window.HTMLInputElement.prototype, 'value'
).set;
nativeSetter.call(input, value);
input.dispatchEvent(new Event('input', { bubbles: true }));
input.dispatchEvent(new Event('change', { bubbles: true }));
input.dispatchEvent(new Event('blur', { bubbles: true }));

<li class="nc-course-card nc-mycourse-card">
  <a class="goStudy" data-id="{courseId}">
    <div class="card-img-box"><img src="..." /></div>
  </a>
  <h3>课程名称</h3>
  <!-- Graduation: Post-test / Course Learning -->
  <!-- Progress: Course Learning 67% / Currently completed / Course Assessment -->
  <!-- Type: Optional / Compulsory / Elective -->
</li>

1. 顶级容器过滤：只提取不被其他 .course-test-type-list-item 嵌套的顶级元素，避免把选项误识别为题目
2. 选项数校验：每道题至少需要有 2 个选项才视为有效题目
3. 题目类型识别：
   • 含 .ant-checkbox-wrapper → 多选题
   • 含 .ant-radio-wrapper 且只有 2 个选项且文字含"正确/错误"→ 判断题
   • 含 .ant-radio-wrapper → 单选题

// 在课程播放页浏览器控制台中读取
const state = window.__TBH_HELPER__.getState();

// state.progress 包含：
{
  totalResources: 15,        // 总资源数
  finishedResources: 8,       // 已完成数
  currentResourceName: "第3章 第2节",
  currentChapterIdx: 2,
  currentSectionIdx: 1,
  courseCompleted: false,     // 本门是否完成（含测试/评估）
}

// 课后测试进度（如在答题中）
const postTest = window.__TBH_HELPER__.getPostTestProgress();
// postTest 包含：{ active, stage, summary, total, resolved, fromBank, fromAI, fromRule, avgConfidence }

Q: 登录失败怎么办？ A: 检查 .env 中的企业ID、用户名、密码是否正确。平台可能弹出验证码或二次确认弹窗，脚本会尝试自动处理。

Q: 课表为空？ A: 等待 SPA 渲染完成。课程列表异步加载，脚本会等待 .nc-mycourse-card 出现。

Q: 打开后没有自动播放？ A: 终端是否有「内置播放助手已注入」日志？如果没有，可能是页面结构变化了。后备方案：把 21tb-video-helper.user.js 装到 Tampermonkey。

Q: 评估问卷不想自动填？ A: 启动时加 --no-auto-eval 参数。

Q: 课后测试 AI 答题失败了？ A: 检查 .env 中是否配置了 ZHIPU_API_KEY，以及 API Key 是否有余额。未配置 API Key 时，脚本会使用规则兜底（多选题选前两个，单选题选最后一个选项）。

Q: 课后测试只答了部分题？ A: 检查页面是否有 iframe 嵌套，脚本已支持同域 iframe 检测。另外确认题目提取数量是否正确（可在浏览器控制台查看 [TBH-PostTest] found X total list items, filtered to Y top-level questions）。

Q: 可以同时开多门课吗？ A: 本 Skill 面向 Agent 使用时，默认采用单页面串行（同一时间只学习一门课程），以降低不稳定因素并便于对话式编排。若你是纯命令行用户并自行承担稳定性风险，可自行扩展多标签方案。

Q: 怎么看学完没有？ A: 看 runtime-logs/ 下最新的 {*.state.json} 中 currentCourseProgress.courseCompleted，或事件流里的 course_complete / posttest_complete。

Q: 自动推进卡住了？ A: 脚本每 30s 轮询一次状态。如果异常，手动刷新课程页，播放助手会自动恢复。