应试通过
学习目标
通过考试，掌握必要知识点。
AI 策略
- 聚焦考试重点
- 简化复杂推导
- 提供基础练习
AI Product Design · UX · Engineering Delivery
AI Study Coach
从发现理解缺口到放心追问的个人 AI 学习教练
基于个人学习资料，通过 AI Agent 工作流、RAG 检索、Grounded Tutor 与 Citation，帮助学生获得有依据、可追问、可核对的知识解释。
01 / Project Overview
项目概览
- 项目类型
- AI产品设计 / AI交互设计 / RAG学习产品 / UX与工程落地
- 项目时间
- 2026.07 - Present
- 我的角色
- Product Designer / AI Product Designer｜从产品定义到Demo落地
- 当前 Demo
- 已部署Demo｜大学数学分析课程学习场景
- 验证知识点
- 函数极限 ε-δ 定义
02 / Background & Problem
背景问题
这一问题来源于真实学习场景观察，用于探索 AI 如何帮助学生建立更有效的理解路径。
从搜寻答案到发现真正的理解缺口
学生真正缺少的不是答案，而是发现自己哪里没有理解。AI 应通过追问、分析与反馈帮助学生定位理解缺口，并提供持续探索的学习空间。
01
难以识别隐藏的理解缺口
学生能够完成阅读或记忆，但无法判断自己是否真正掌握知识。
02
不知道如何表达自己的困惑
面对模糊的不理解，学生缺少低压力、持续追问的学习环境。
03
通用 AI 缺少个人学习上下文
普通 AI 可以提供答案，但难以结合用户资料、学习目标和学习阶段调整解释方式。
03 / Product Positioning
产品定位
产品不是扩大回答数量，而是让学习解释与用户正在阅读的资料、当前问题和可核对来源保持关系。
AI Study Coach 不是
通用聊天机器人
普通知识搜索工具
而是
基于个人学习资料的 AI 学习辅助产品
有依据
可追问
可核对
可定制
可定制：根据学习目标、学习阶段调整 AI 解释深度、表达方式和训练策略。
04 / Personalized Learning Strategy
AI 学习策略定制
同一个知识点，根据学习目标决定不同解释深度。
提升成绩
学习目标
提高成绩，建立完整知识体系。
AI 策略
- 补充知识关联
- 分析易错点
- 提供针对训练
深度理解
学习目标
真正理解知识，并能够迁移应用。
AI 策略
- 探究底层原理
- 多角度解释
- 引导自主推理
Learning Stage
学习阶段选择
小学初中高中大学研究生其他
学习阶段决定 AI 默认知识基础、表达方式和讲解深度。
不同学习阶段对知识的理解方式和应用目标不同。同一个问题，高中阶段可能侧重公式应用和考试方法，而大学阶段可能需要涉及更深层原理、证明过程和知识迁移。因此 AI 需要根据用户阶段调整解释框架。
05 / Key Screens
关键界面
真实界面覆盖资料导入、桌面学习工作台、有依据回答、资料不足提示、来源核对与移动端体验。
01
资料上传
上传个人学习资料，建立当前学习上下文。
02
核心学习工作台
资料区与 AI 学习区结合的核心学习空间。
03
基于资料的 AI 解释
AI 根据用户上传的学习资料生成解释，并支持基于资料继续追问。
04
资料不足状态
资料不足时明确提示，避免生成虚假依据。
05
来源引用
回答提供可核对来源。
06
移动端学习体验
移动端单栏学习界面。
06 / AI Interaction Design
AI 交互设计
AI 工作流先判断当前资料能否支撑回答，再组织解释与引用；它服务于学习理解，不替代学生的判断和学习过程。
用户提出问题
从当前学习卡点出发
资料检索
定位个人资料中的相关内容
判断资料是否支持回答
区分有依据与资料不足
生成解释
围绕学习目标组织回答
提供引用
保留可核对的来源
继续追问
沿当前上下文深化理解
07 / Product Delivery
从想法到真实运行
我将产品定义、AI Agent 与 RAG 工作流、UX 设计和前端实现放在同一条交付路径中，完成真实设备测试与公网部署。
- 01
问题发现
- 02
产品定位
- 03
AI Agent / RAG 工作流
- 04
Codex 辅助开发
- 05
真实设备测试
- 06
公网部署
08 / Current Results & Limits
当前成果与限制
当前成果用于验证产品机制与工程可行性。以下限制被明确保留，不将产品完成度等同于学习效果验证。
已完成
- AI 学习工作台
- 资料上传
- RAG 检索
- Grounded Tutor
- Citation 引用
- 响应式体验
当前限制
- 未实现账号系统
- 未实现跨设备同步
- 未实现 OCR
- 未进行正式学习效果研究
09 / Contribution & Reflection
个人贡献与反思
我独立完成产品定位、UX 与 AI 交互设计、AI 工作流、前端实现和部署测试，将概念推进为可运行 Demo。
产品定位
UX 设计
AI 交互设计
AI 工作流设计
前端实现
部署测试
AI 能力服务于学习理解，而不是替代学习。
可运行 Demo 验证了 AI Agent、RAG、Grounded Tutor 与 Citation 在个人资料学习场景中的产品组合方式。工程落地证明了机制可以被实现和体验，但不等同于学习效果已经得到验证。