项目背景
真实英语学习会跨越对话练习、课程阅读、词汇积累和复习，但多数工具只保存结果，无法保留完整上下文，也难以让 AI 教师建立可靠的长期记忆。
项目从学习事实边界出发：系统不能凭空改写学习记录，所有导入、清洗、去重和记忆更新都需要可追溯来源。
用户与需求
长期英语学习者
持续记录学习过程，识别薄弱点，并在合适时间获得有上下文的复习任务。
我的角色
产品设计 / 数据架构 / AI 辅助开发
- 定义 Learning Package 与 Teacher Memory 产品边界
- 设计学习记录、课程、词汇遭遇与复习的数据结构
- 规划本地课程包导入、校验、预览和持久化流程
- 搭建五个 MVP 页面与阅读交互
- 通过 AI 编程协作完成领域测试与浏览器验收
核心问题
学习记录不可持续
对话与阅读产生的信息分散，缺少统一、可追踪的学习事实。
AI 记忆容易失真
如果没有来源、去重和确认规则，长期记忆会放大错误。
复习脱离上下文
只记单词或答案，无法恢复当时的原句、课程和学习场景。
产品或流程方案
结构化学习包
用固定契约承接一次学习过程中的内容、反馈、模式和来源。
本地课程导入
在当前设备完成 JSON/ZIP 校验、预览确认、保存与删除。
上下文阅读
保留原词形、完整字幕上下文和课件来源，点击先预览，不自动创造学习事实。
长期记忆基座
以十表 Schema 组织学习记录、知识点、模式与后续复习关系。
AI 在项目中的具体作用
AI RESPONSIBILITIES
AI 负责辅助
- 辅助拆解学习场景和产品需求
- 生成练习与复习候选
- 从已确认学习事实中识别薄弱模式
- 辅助产品开发与测试
HUMAN GATES
人保留最终决策
- 课程包导入前预览确认
- 学习事实写入前确认
- 来源不明内容不得进入长期记忆
- AI 建议不直接覆盖用户记录
信息架构或功能架构
内容来源
学习数据
学习体验
AI 与记忆
数据与技术方案
- 前端
- Next.js / TypeScript / Tailwind CSS
- 数据
- Drizzle ORM / Turso·libSQL / IndexedDB
- 校验
- Zod 契约 / 来源与哈希追踪
- 隐私
- 本地课程文件不进入 Git、Turso 或部署包
设计及开发过程
- 01
冻结事实边界
先定义什么可以成为学习事实，什么只能作为预览与候选。
- 02
建立数据基座
完成 Learning Package 契约、Pattern Catalog 与十表记忆 Schema。
- 03
课程导入纵切
实现本地选择、严格校验、预览、IndexedDB 保存和刷新保留。
- 04
阅读交互
加入课程切换、音视频、时间轴定位、单词点击和上下文预览。
当前成果
Learning Package 契约、十表 Learning Memory Schema 与领域测试通过
Courseband 本地导入、预览、保存、刷新保留、删除与 Reading Selection 单词点击预览可用
课程、阅读上下文与学习候选保留原始来源；未确认内容不进入长期学习事实
形成从本地课程导入到阅读预览的可运行纵切，为后续复习队列与长期记忆验证提供数据基座
项目限制与反思
一个可信的 AI 产品案例，不只展示已经完成的部分，也需要说明目前的边界和下一轮验证重点。
- 对话学习包的事务写库纵切尚未实现
- 确认后的词汇遭遇写入仍待开发
- 薄弱点识别与个性化复习尚未形成真实使用反馈
- AI 教师长期记忆模板仍需进一步冻结
下一步计划
- 01完成对话学习数据包导入纵切
- 02实现用户确认后的词汇遭遇写入
- 03建立复习队列和间隔重复反馈
- 04用连续学习数据验证长期记忆质量