CTTC 自动学习助手

问题背景

烟草网络学院的在线学习需要手动完成视频播放、进度追踪和学时统计，学员常面临重复操作耗时、进度同步延迟、多任务管理混乱等问题。尤其当需要批量完成课程时，人工操作不仅效率低下，还容易因网络波动或页面跳转导致学习记录丢失。

核心能力与工作流

该技能通过自动化脚本解决上述痛点，核心流程分为环境搭建、扫码登录、智能学习和状态监控四步：

• 环境自动化：自动克隆项目、安装依赖并清理残留会话，避免localStorage冲突导致的40909错误
• 双模登录机制：支持APP/微信双二维码扫码，通过framenavigated事件驱动实时检测登录状态，二维码过期时自动刷新并保存图片
• 学习模式矩阵：

- --mode hours：默认模式，通过视频播放累计目标学时（默认50小时）
- --mode topics：完成指定专题课程
- --mode courses：自动推进所有未完成课程
- --mode tasks：处理定向学习任务

• 状态持久化：凭证保存至output/auth-state.json，支持断点续学；实时状态写入output/status.json，包含视频进度、API完成率、错误计数等12项指标

关键技术细节：

• 使用AES-128-ECB加密video-progress API请求，密钥为d8cg8gVakEq9Agup
• 每25分钟触发mousemove事件模拟人工操作，绕过防挂机检测
• 文件锁机制确保单实例运行，自动关闭多余标签页维持单视频播放

适用边界与注意点

• 登录依赖：首次使用需扫码登录，后续会话复用凭证文件
• 学时延迟：服务器异步结算可能导致学时增长滞后，建议隔天检查最终记录
• 网络要求：需保持稳定连接，脚本已优化--disable-gpu参数避免浏览器崩溃
• 目标调整：可在main.py中修改target_hours参数，默认值为50小时

该方案适合需要批量完成标准化学习任务的场景，但不适用于需要人工互动或实时反馈的复杂学习路径。