LookatStudy 产品分析：把任意材料编译成能学完的课程

分析对象：开源项目 LookatStudy（Electron 桌面应用 / Termux 手机端 / Web 自托管），版本 v0.42.0。分析视角：只关注功能的用户 + 产品经理。资料来源：仓库 README、PRODUCT.md（设计系统权威文档）、CHANGELOG、源码目录结构。

一、一句话定位

把「一堆材料」自动编译成「一门能被完成的课程」，并用多邻国式的门控 / 考试 / 复习机制，逼你真的学完。

它不是内容平台（自己不生产课程），而是 课程编译引擎 + 学习闭环运行时。这个定位决定了它的全部功能都围绕一件事设计：把学习从「消费」变成「完成」。

对标理解：多邻国把「今天学什么、懂没懂、忘没忘」这三件事解决得很彻底，但只对它自己的内容有效；LookatStudy 把同样的机制装到用户自己选的材料上。

二、核心功能地图（按用户任务流）

1. 导入层：材料 → 课程原料

功能	用户价值	PM 判断
5 种入口：GitHub 链接 / 本地文件夹 / 网页·arXiv·视频链接 / 粘贴文本 / EPUB	覆盖「我的材料在哪」	覆盖够全；视频链接（B站多 P 直接成整季）是差异点
12 种文档格式（md/ipynb/rst/Rmd/org/adoc/pdf/pptx/html/txt/epub/docx）+ 30+ 代码文件	代码仓库本身当教材，docstring 抽出来当正文讲	精准命中目标人群（技术自学），是获客最强钩子
音频/视频转写成课：本地 Whisper、yt-dlp 拉音轨、有字幕用字幕无字幕再转写	讲座课、播客也能成课；B站多 P 一导入即整季	高价值、低频、明显差异化
双语来源自动配对（`translations/{lang}/`、平行文件夹、`file.zh.md` 后缀）	英文资料配中文对照	实用细节，实现成本低
数学公式：LaTeX 渲染 / 朗读念人话而非反斜杠命令 / 出题放开 LaTeX	数学类材料真正可用	公式朗读是明确加分项
PDF 公式走「整页渲染成图 → 视觉模型转写 LaTeX」实验路径	突破 PDF 纯文本层限制	是绕路而非根治，按页消耗视觉额度，开关默认关
图片随内容带入（notebook 输出图、PDF 内嵌图）+ 视觉模型看图	能就图表提问	依赖用户自己配 vision 模型

PM 视角：导入全部是「本地文件 → 本地 SQLite」，无账号、无云同步。这既是隐私卖点，也是冷启动摩擦点——用户第一次必须自己准备材料；智能导入（判文件角色、设计课程结构）需要 LLM key，没 key 时退回纯规则，结构会糙。

2. 地图层：材料 → 可导航的路径

章节/课时变成 3D 节点，状态区分：锁定 / 可学 / 进行中 / 已掌握 / 考试节点。
学完一个解锁下一个（门控）。
课程掌握度 = 各知识点掌握度的最小值（一票否决制，有一项含糊就拿不到皇冠）。
大课程（作者实测一个仓库导出 124 节课）时左栏搜索药丸兼任全课大纲，标题全文可搜，未解锁的课仍锁着、不剧透。

价值：解决「300 个文件躺在仓库里，我到底该学哪个」——这是替代裸读 README 的关键结构化增量。

3. 导师层：AI 陪学

BKT 逐知识点建模掌握度：导师看到的是「第三章 70%」之外的颗粒度——递归很稳、闭包发虚，于是专挑闭包问。
卡点记忆：聊天里点「我没太懂」会被记入学习档案，后续讲解绕开你已经烦的地方，多讲你实际摔跟头的地方。
人设药丸：精讲 / 引导 / 实战，随时切换（今天想被直接告知，还是想被追问）。
异步多会话：回答写到一半也能跳去别的课时另起一段提问，原会话在后台继续写，会话标签与地图球上转小圈，回来时整段都在；两个会话可同时流式。
提议卡机制（信任设计）：AI 想修改学习档案，唯一途径是发一张提议卡，用户点「批准」才生效；已应用的提议支持撤销（git revert 式，两步确认，抓取受管表的行级 diff 快照，XP 记账逆补偿；连胜触摸、记忆固化、人工判分标记不回滚）。
三栏布局：课程地图 | 导师对话 | 康奈尔笔记（讲解 / 笔记分段控件）。

价值：把「读完一篇只能自己猜懂没懂」变成可观测的诊断。提议卡 + 撤销让 AI 的自我修正权完全收在用户手里，这在教育 AI 产品里相当罕见。

4. 考试层：Boss 战

每章末有一场考试守门；题目按本章知识点在后台分批生成，生成完弹提示告知「Boss 就绪」。
每题独立倒计时，时长按题目本身定（短题不拖沓，长题干带代码公式给足）。
中途走开 = 本次考试终止，未答题按答错计分，星数不作假。
结算页把得分按知识点拆开，该复习什么一目了然。
硬规矩：考试不回写掌握度模型，只负责测，教是导师的事。

价值：强制检索练习 + 诚实计分。「考试只测、导师只教」的职责分离，是这个产品复杂度被安放到位的地方。

5. 复习层：抗遗忘

SM-2 间隔重复：答对一道题，赶在快要忘掉时把它排进复习；每天经验值在顶栏攒成能量条，连续学习可用冻结，断一天不清零。
复习抽屉四象限：逾期 / 短期 / 长期 / 闲置，单次会话上限 10 张，可自评。
对话式复习（v0.39 起）：点复习不再只是回讲解页自评，而是开一个专属 kind=review 线程，AI 以复习导师姿态主持——先忆后问不先贴课文、对准历史弱项与卡点、错了才讲、嵌入 generate_quiz 计分检验，3~~6 轮后收束；收束时 AI 按 1~~5 档质量喂给 SM-2 排期 + XP + streak，但不写 BKT（主观信号不污染客观掌握）。上一轮收束的弱项会成为下一轮开场提问的依据。
交错复习：不同章节的旧内容混着出，比按章刷更抗忘。

价值：这是产品从「能学」升级到「不忘」的关键一环，也是留存的实际承载点。

6. 交互与陪伴层

整课朗读：karaoke 式逐句高亮；默认可用免费在线音色，也可下载完全离线的神经音色（断网照读），设备已装语音同样可选；朗读时公式念成人话；伴学机器人跟着指读当前句。
语音输入听写：按住说话、松手出全文，识别出的字先给用户改一遍再发送（克制的设计）。
伴学桌宠：小机器人与用户共用这间书房，有真实物理（扔球能把它拍晕、刮风下雨跟着晃），七个身体可换，可导入自绘立绘做成纸偶，或装 Shimeji 桌宠包；用户埋头学习时它自己躲进纱帘，不抢戏。
游戏化：XP 能量条、连续学习、皇冠/星数映射真实掌握度。

价值：朗读 + 听写解决「读得进去但记不住 / 说不出来」的双向输入输出；桌宠是纯情绪价值，但承担「想再开一次应用」的动机，且被明确定位为不抢注意力。

7. 数据与模型层

整个应用 = 磁盘上的一个 SQLite 文件（sql.js/WASM，无原生模块依赖）；不用注册账号、无云同步，数据不离开本机。
渲染进程碰不到数据库、文件系统和 key，跨进程调用全部走类型化 IPC；key 只存主进程。
19+ 家模型服务商预设（GLM、DeepSeek、Kimi、Qwen、OpenAI、Anthropic、Google 等）+ 任意 OpenAI 兼容端点；模型管理弹窗可拉取 /models、区分主模型与看图模型、显示单价与上下文窗口、测试连接回显延迟。
双语界面跟随系统 locale。

价值：合规与隐私是敏感材料场景的准入门槛；自带 key 消除了订阅成本焦虑。

8. 多端形态

桌面 Electron（Windows / macOS / Linux）、Android 经 Termux 自建服务（同一份数据，浏览器经 localhost 通信）、Web 自托管包、DeepSeek Harness 插件（同一套想法的插件化落地）。

三、PM 视角：产品做对了什么

把「完成」而不是「接触」当北极星。门控、Boss 战、掌握度取最低项，全部机制都在惩罚「读过就走」。
功能职责边界极清晰。考试只测不教；复习主观评分不写 BKT；AI 不能自动改档案。复杂度被分配到了对的模块，这是产品可理解性的关键。
诚实性设计。中途离开考试就作废、没 key 时导入降级但明说、PDF 公式走实验开关且默认关——不假装自己是全能。
游戏化不越线。产品定义文档明确列为红线：无宝石商店、无开箱、无损失厌恶连胜、无惩罚型排行榜；星数绑定 BKT 真实掌握度而非刷量；连胜用免费冻结而非虚拟货币。留存靠「想学」而不是「怕断」。
导入面铺得极宽（12 文档 + 30 代码 + 音视频 + 5 入口），这是获客最强钩子：用户的真实问题是「我手上这个乱七八糟的东西能变课吗」，答案是能。

四、PM 视角：风险与短板

问题	影响	建议
无 key 体验降级：导入退回纯规则、结构变糙；引导课程要手点完六章十八课六场考试才知全貌	首次价值感知慢，转化漏斗最脆弱处	让「零 key 也出一门真课」成为可能（规则结构化兜底 + 内置预置课）
课程生成质量全靠 LLM	出题超纲、幻觉引图、课件角色误判等问题在 CHANGELOG 中逐条修复，说明是长期质量债	出题加章节围栏（已做），再加「生成后自检 + 降级题库」兜底
首屏即空地图，价值在「导入后」才发生	无内容即无产品	预置公共课程模板，或首屏放 60 秒导入演示
桌面为主形态，手机需 Termux	手机路径门槛极高，扫码即用的期望落空	引导器内一键流已有，仍重；考虑直接出 PWA 服务包
PDF 公式依赖视觉模型转写，按页耗额度	重数学材料成本不可控、不可预期	给成本预估与分页预算
桌宠 / Shimeji 投入占比高	属留存装饰，相对核心闭环 ROI 低	保持现状但不追加投入
无账号、无云同步	无法多端漫游、无社交与分享	属刻意取舍，但用户会问「换电脑怎么办」
缺对外可见的学习报告	有 XP、连胜、复习到期，但没有「这周学了什么 / 哪章最弱 / 离通关还差多少」的回顾与分享视图	从个人工具走向产品的关键缺口

五、用户视角：不同人群的价值密度

技术自学者（作者本人画像：反复 star 新 roadmap 却从不学完）：价值密度最高，这是精准的解药。
系统性 / 备考型学习者：双栏课程 + 考试 + 复习闭环完整，像一个自建的多邻国。
纯资料消费者：多邻国的爽点来自「持续供给新内容」，这里没有；爽点全在结构化与强制完成，因此用户必须自己有材料，这是产品的硬前提。

六、三条改进建议

首屏价值重排：把「贴一个链接，30 秒后你就有一门课」的即时演示放进首启（README 里已有 60 秒宣传视频素材可复用）。
零 key 也要有真课：内置 1~2 门预置公共课程 + 提升规则结构化兜底质量，消除「没有 LLM 就没产品」的感知。
补学习报告 / 周报视图：输出本周学习内容、章节弱项、距通关进度，并支持导出分享——这是个人工具升级为产品的关键缺口。

附：技术底座速览

Electron 44 + React 19；sql.js（WASM SQLite）；132 个确定性测试套件 + 一个无头真 GUI 测试，npm run verify:core 可全跑；Android 侧为 Termux 便携包 + 本地服务；数据库 schema 幂等迁移。已知限制：macOS 包未签名且仅 Apple Silicon、Windows 未签名、PDF 数学公式过不了纯文本层。