AI 版可汗学院 — 场景需求（怎么用）

用户画像见 persona.md，背景动机见 problem-definition.md。本文用自然叙事描述核心使用场景，沿"一个孩子从进入到学会"的完整学习旅程展开，覆盖主路径 + 反例/边界。场景中的 P1 = 自学的初高中孩子，P2 = 家长，P3 = 共创学科老师（见 persona.md）。

学习旅程主线： A 诊断起点 → B 生成式交互学习（心脏）→ C 喜好定制 → D 护栏式解题 → E 掌握判定解锁 → F 费曼出口，再叠加 G 传统兜底（反例校准）、I 家长仪表盘（留存/家长侧）与 H 共创自进化（供给侧）。

场景 A：诊断式起点 —— 不从年级头灌

• 谁：P1 林小航（初二，自学），第一次打开平台。
• 情境：他想学初中代数，但不确定自己哪里有漏洞——一元一次方程他好像会，可二元一次方程组完全没头绪。
• 做什么：AI 用几道自适应题快速定位他的知识漏洞（参考 DKT 知识追踪思路），动态调整后续题目难度，而不是从"初一第一章"开始一节节灌。
• 期望结果：几分钟内得到一张"你已掌握 X、薄弱在 Y、建议从 Z 开始"的起点地图，直接跳到真正需要补的地方。
• 边界/异常：
• 如果孩子全程乱答/瞎点，系统应识别异常作答，不据此给出离谱起点（兜底为"从该主线起点稳妥开始"）。
• 如果孩子中途退出，下次回来能继续接上诊断进度。

场景 B：AI 生成式交互学习（产品的心脏）

• 谁：P1 林小航，被诊断为"二元一次方程组"薄弱。
• 情境：传统做法是看一段讲解视频，但他看视频容易走神。
• 做什么：AI 当场为他生成一个可拖拽的交互模拟/小游戏——比如拖动两条直线的滑块，实时看到交点如何对应方程组的解，而不是被动观看一段固定视频。内容千人千面、实时生成。
• 期望结果：他在动手交互中建立直觉，理解"方程组的解 = 两条直线的交点"，比看视频更投入、更易懂。
• 边界/异常：
• 算力降级：热门知识点的生成结果应可缓存复用、预生成，避免每次都重新烧 token（呼应 problem-definition 的 ❓ 算力假设）。
• 生成失败/超时：若实时生成失败，应优雅降级到该知识点的标准化兜底内容（见场景 G），而非白屏。
• 正确性：生成的数学内容必须经自动验答把关（见场景 D 与 problem-definition Must #8）。

场景 C：喜好定制 —— 用孩子的世界讲数学

• 谁：P1 林小航，喜欢玩 Minecraft；另一位用户喜欢二次元/第五人格。
• 情境：抽象的数学符号让他提不起兴趣。
• 做什么：开场询问喜好（Minecraft / 第五人格 / 二次元……），据此调整内容的呈现风格与类比——比如用"红石电路的输入输出"类比方程的变量关系。
• 期望结果：孩子觉得"这是讲给我的"，投入度提升。
• 边界/异常（重点）：
• ⚠️ 防牵强情境：调研警告 AI 常生成"现实上毫无道理"的牵强类比。来源：EdWeek 2026 https://www.edweek.org/technology/personalized-learning-in-math-has-proved-elusive-and-overhyped-can-ai-offer-a-breakthrough/2026/05。因此兴趣定制必须走"兴趣-学科连接库" + 人工审核，而不是让 AI 自由发挥。
• 孩子可随时关闭/更换喜好定制，不被锁定在某个主题里。
• 若某兴趣没有可靠的连接库映射，应回退到中性、严谨的呈现，而非硬编一个牵强类比。

场景 D：护栏式解题流 —— AI 永不直接给答案（架构级护栏）

• 谁：P1 林小航，做一道二元一次方程组应用题卡住了。
• 情境：他很想直接问 AI "答案是多少"，过去用搜题 App 时他就是这么"抄答案"的。
• 做什么：AI 拒绝直接给答案，而是按梯度引导： 1. 分析错误——指出他哪一步的思路/计算偏了； 2. 给提示——一个不揭底的方向性提示； 3. 再试——让他重做； 4. 苏格拉底追问——"如果把这个量设为 x，另一个量该怎么表示？" 5. 兜底步骤分解——实在卡死，才拆成更小的步骤逐步带，但仍要求他自己完成每步。
• 期望结果：他靠自己想出来，真正掌握方法，而不是抄到一个答案。
• 为什么这是护栏：Bastani 2024 PNAS 千人实验显示，能直接问 AI 要答案的组撤掉 AI 后期末考 -6.45%。来源：https://hamsabastani.github.io/education_llm.pdf。"AI 永不直接给答案"是不可绕过的架构级约束。
• 边界/异常：
• 孩子反复要求"直接给答案"时，AI 坚持引导式回应，不妥协。
• 自动验答：AI 给出的任何判断/提示，数学上必须经符号计算引擎校验，防止 AI 自己算错（幻觉）误导孩子。

场景 E：掌握判定 + 解锁 —— 学会了才往下走

• 谁：P1 林小航，学完"二元一次方程组"这一节。
• 情境：他想继续往下学，但还没真正掌握当前内容。
• 做什么：系统通过掌握式判定（足量正确、不靠提示独立完成等）评估他是否达到掌握度；达标才解锁下一节。
• 期望结果：他不会"夹生"地往后冲，每往前一步都建立在真正学会的基础上。
• 边界/异常：
• 卡在某节反复不达标时，系统应换一种讲法/换一批题，而不是无限重复同一套（避免挫败放弃）。
• 掌握判定要防作弊（如靠记答案刷过），结合费曼出口（场景 F）交叉验证。

场景 F：费曼出口 —— 让孩子讲给 AI 听

• 谁：P1 林小航，自认为"学会了"。
• 情境：会做题不等于真懂；要检验是否真正理解。
• 做什么：让孩子用自己的话给 AI 讲一遍这个知识点，AI 扮演"一个听不懂的同学"，针对含糊处反问、追问。
• 期望结果：在"讲清楚"的过程中暴露并弥合理解漏洞，达成更深的掌握。复述（paraphrasing）有实证利于学习。来源：https://link.springer.com/article/10.1007/s40593-025-00461-1
• 边界/异常：
• 孩子讲得驴唇不对马嘴时，AI 友善地引导回正轨，不打击积极性。
• 支持文字输入；语音对话讲解列为后续 Nice（语音对话辅导）。

场景 G：传统兜底路径（反例校准 —— 必须尊重）

• 谁：P1 中的一个子类型，比如一个目标明确的国际路线孩子，或一个临考想快速过一遍的体制内孩子。
• 情境：他明确表示"我不想玩交互小游戏，我就想看讲解视频 + 做几道题"。
• 做什么：平台尊重这一选择，直接提供该知识点的标准化讲解视频 + 题库路径，不强迫他走生成式交互。
• 期望结果：他按自己的节奏高效过完，不被产品形态绑架。
• 为什么写它：这是对"生成式交互是唯一正道"的反例校准——不是所有孩子、所有时刻都需要花哨交互；尊重用户偏好本身就是体验的一部分。同时，标准化路径也是场景 B 生成失败时的优雅降级目标。
• 边界/异常：即便走兜底路径，护栏（不直接给答案，场景 D）与掌握判定（场景 E）依然适用。

场景 I：家长仪表盘 —— 鼓励式问责（v1）

• 谁：P2 李姐（家长），孩子 P1 林小航在用平台自学。
• 情境：她辅导不了初中数学，最焦虑"娃到底学到哪了、有没有漏、是不是在认真学"。
• 做什么：仪表盘用说人话的方式回答家长四问—— 1. 学到哪了：孩子在数学主线知识图谱上的位置（已掌握 / 进行中 / 未开始）； 2. 有没有漏：掌握度热力图（红黄绿），一眼看出薄弱点； 3. 在认真学吗：本周学习时长、连续天数（streak）、活跃趋势； 4. 卡在哪 / 下一步：AI 自动生成的"本周学了什么 + 盲点 + 下一步建议"周报摘要。 并提供一键鼓励（家长发送鼓励 → 推送给孩子）与每周周报推送（微信/邮件主动触达）。
• 期望结果：家长获得安心感与可见性；孩子因"被看见 + 被鼓励"而更愿意回来学（外部鼓励提升使用量，有数据支撑）。
• 边界/异常（重点）：
• ⚠️ 鼓励而非监控：默认呈现成长与亮点，弱化"监视感"；过度监控会损害孩子内在动机。
• 隐私边界：孩子知道哪些信息对家长可见；尊重青春期自主性。
• 家长侧只读，不能代替孩子操作学习。

场景 H：共创内容的自进化（供给侧 · 简述）

此为相关方场景，细节将在 PRD/共创设计中展开。

• 谁：P3 王老师（共创学科老师），或一名活跃学习者（L4）。
• 情境：王老师发现某道题的讲法可以更好，或学习者发现一个错别字/难度标错。
• 做什么：通过网站直接提交内容 / Feature Request / Bug Report → 进入审核流（学科负责人 / 审核志愿者，作者不审自己内容）→ 批准后 AI 自动实现修改 → 人工 review → 上线。
• 期望结果：内容持续自我进化；学生侧始终只看到"已审核稳定版"，在制内容停留在 Staging。
• 边界/异常：未通过审核的修改不得进入学生侧；强制元数据（知识点 ID / 年级 / 难度 / 课标 / 贡献者 / 审核者）齐全才能 Merge。

场景覆盖检查