TheoremExplainAgent

让LLM定理推理变成看得懂的动画视频，自动生成教学讲解。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 203 🐛 待处理 13 👀 关注 35

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1514

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，需自行部署使用。

项目预览

TheoremExplainAgent 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识

开发团队TIGER-AI-Lab

官网地址https://tiger-ai-lab.github.io/TheoremExplainAgent

GitHubhttps://github.com/TIGER-AI-Lab/TheoremExplainAgent

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，需自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型llm-agents,manim,manim-animations,manim-video,rag

GitHub 星标★ 1514

上线时间2025-02-16 00:00:00

代码更新2025-07-27

仓库体积113.3 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数8

项目介绍

TheoremExplainAgent是一个面向定理理解的多模态视频解释智能体，由ACL 2025 oral论文官方开源。它解决的是大语言模型在数学定理推理中缺乏可解释性的问题，能够自动生成结构化的视频讲解，将复杂的定理推导过程转化为直观的视觉叙事。核心能力包括：基于多模态大模型的分步推理、自动生成带动画的演示文稿、支持数学公式与图表动态展示。项目采用Python实现，提供完整的训练与推理流程，并包含可复现的实验配置。其创新点在于将LLM的定理理解与视频生成结合，为数学教育、科研演示等场景提供自动化工具。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1514

技术标签

llm-agents rag

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 30 分钟部署方式：本地安装 5 步

环境要求

Conda 环境管理工具（用于创建独立环境）
Python 3.12.8（README 指定的环境版本）
pip 可安装 requirements.txt 中的依赖
LaTeX 及 Manim Community 所需的其他系统依赖
磁盘空间充足（Manim 渲染视频需额外空间）

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取 TheoremExplainAgent 源码到本地，进入项目根目录后再执行后续环境配置。
```
git clone https://github.com/TIGER-AI-Lab/TheoremExplainAgent.git
cd TheoremExplainAgent
```
2创建 conda 环境

按 README 指定版本创建名为 tea 的独立环境，Python 版本必须为 3.12.8，避免依赖冲突。
```
conda create --name tea python=3.12.8
```
3激活 conda 环境

激活 tea 环境，后续所有 pip 安装和脚本运行都应在此环境下进行。
```
conda activate tea
```
4安装 Python 依赖

在项目根目录安装 requirements.txt 中列出的全部依赖，网络慢时可考虑使用镜像源。
```
pip install -r requirements.txt
```
5安装 LaTeX 与 Manim 依赖

README 要求额外安装 LaTeX 等 Manim Community 依赖，具体命令请按官方安装文档按操作系统选择。