# StudyFetch 与 Knowt 对知习的产品设计启发报告

## 执行摘要

从“上传材料→生成学习工件→进入复习循环”这条主链路看，**StudyFetch** 更像一个“重编排、重掌控、重掌握度追踪”的系统：它把 **Study Set** 作为核心容器，围绕同一份材料衍生出笔记、闪卡、QuizFetch、Practice Test、Tutor Me、Spark.E Chat 等一整套学习工件，并把来源回链、信心评分、掌握度、热力图、未来到期量、专题表现等都纳入统一学习闭环中。官方文档明确写到 Study Sets 是学习体验的基础层；上传材料后可生成笔记、闪卡、测验和练习考试；Spark.E/ Tutor Me 进一步把这些工件接回到问答与讲解流程里。citeturn3view1turn4view2turn8view0turn37view4turn38view0

**Knowt** 则更像一个“低门槛、低摩擦、轻量高频”的系统：其入口高度集中在 Create / Upload / Materials，AI Summarizers 在上传后就会询问要生成 notes 还是 flashcards；从 note 一键再生 flashcards 或 practice test；从 flashcard 直接进入 Learn / Practice Test / Spaced Repetition / Flashcards 等模式；同时 Kai 还能通过 Chat / Call with Kai 贴着具体 notes 或 flashcards 做讲解与提问。它的免费层对“创建与学习模式”非常慷慨，但 AI 使用量按月受限。citeturn17view0turn24view0turn20view1turn20view2turn21view0turn17view4turn17view5

对“知习”的直接启发是：**底层要像 StudyFetch 一样把“材料”做成长期可追溯的 canonical object，上层要像 Knowt 一样把“生成与进入学习”做得足够轻**。换言之，知习最适合采用“材料仓 + 工件工作台 + 掌握度引擎”的结构：上传后先做抽取、分段、知识点聚类与来源定位，再一键生成闪卡、测验、练习卷、AI 导学/陪练和学习指南；生成后允许快速编辑；学习时持续记录错误、信心、重做历史与专题掌握度。另一个必须前置处理的问题是 **隐私与训练用途的明示**：StudyFetch 的 2024 消费者隐私政策写明用户上传内容“可能”被用于 AI/ML 训练等业务用途，而其 2025 研究页又写明“Student data is never used to train our AI systems”，企业/伦理页则限定为 enterprise data 不用于训练；Knowt 的消费者隐私政策则允许站点与 App 上广告/分析提供方收集一部分标识符与行为数据，但在学校 DPA/组织模式下又会关闭广告、禁用外部分享并弱化个人画像。知习应当把这些“说法分裂”彻底消灭掉。citeturn31view0turn30search2turn35view0turn29view0turn29view1

## 研究范围与证据口径

本报告**只研究 StudyFetch 与 Knowt**，且优先使用它们的官方产品页、帮助中心、官方博客/研究页、官方应用商店说明与官方隐私/定价页面；未采用第三方测评来支撑核心判断。凡官方来源没有给出明确答案的地方，一律标记为 **“未说明”**；凡是我基于多个官方页面做出的产品结构归纳，会明确写成“按官方入口/文档呈现推断”。citeturn2view0turn17view0turn31view0turn29view0

需要特别提醒两点证据限制。其一，**StudyFetch 的学生免费层公开矩阵不完整**：官方明确有“Start for Free”，并写到免费计划下录课次数按月有限，但没有在公开学生页面上给出完整、统一、可核验的免费配额表；因此凡涉及精确额度的地方，本报告不做推断。citeturn14view1turn15view0 其二，**Knowt 的 AI 限额确实存在，但公开页面未显示精确配额数字**；官方帮助中心只说明 Basic 免费层有 AI usage 限制、按月重置，且可在 Settings 里查看不同 AI 类型的使用情况。citeturn17view3turn17view4turn17view5

## StudyFetch 产品拆解

StudyFetch 的核心组织方式不是“单次生成”，而是 **先建 Study Set，再把材料、工件、练习与 AI 辅导都挂在同一个学习空间里**。官方教程把 Study Set 定义为学习体验的“foundation and core organizational layer”；材料上传支持文档、录课、YouTube、音视频、Google Docs、手写笔记、Paste Notes、甚至“无材料从主题生成材料”；在上传文档时还能直接勾选生成笔记、抽取图片、按章节切分。citeturn3view1turn4view4

下图根据 StudyFetch 官方教程与功能页，把它的端到端链路压缩成一个设计视图：**材料先进入 Study Set，Study Set 再统一派生笔记、闪卡、QuizFetch、Practice Test、Tutor Me 和 Spark.E**；其中笔记可在上传时直接生成，而闪卡、测验、练习卷与 Tutor Me 则各自有明确的 Create 流程。citeturn3view1turn4view0turn4view1turn9view0turn10view1

```mermaid
flowchart TD
    A[创建 Study Set] --> B[上传材料]
    B --> B1[文档 / 录课 / YouTube / 音视频 / Google Docs / 手写 / 无材料主题]
    B1 --> C{上传期配置}
    C --> C1[抽图 Extract images]
    C --> C2[生成 Notes]
    C --> C3[Chapter Splitting]
    C --> D[Study Set Dashboard / Materials]

    D --> E[Notes]
    D --> F[Flashcards]
    D --> G[QuizFetch]
    D --> H[Practice Test]
    D --> I[Tutor Me]
    D --> J[Spark.E Chat]

    F --> F1[选材料/上传新材料]
    F1 --> F2[选题型与数量]
    F2 --> F3[名称/语言/插件/Focus Topic]
    F3 --> F4[学习模式 Standard / Spaced / Confidence / Bookmarked]
    F4 --> F5[Stats / 来源回链 / Spark.E 辅助]

    G --> G1[选材料或闪卡]
    G1 --> G2[选题型/题量/考试格式]
    G2 --> G3[答题]
    G3 --> G4[确认答案]
    G4 --> G5[信心评分]
    G5 --> G6[即时反馈与掌握度]
    G6 --> G7[结果页 / Topic Performance / Continue Learning]

    H --> H1[选材料或闪卡]
    H1 --> H2[选题型/题量]
    H2 --> H3[作答与提交]
    H3 --> H4[查看对错 / Spark.E 解释]
    H4 --> H5[Retake]

    I --> I1[材料 / Topic / Screenshare]
    I1 --> I2[页码范围 / 学习模式 / 目标 / 语言]
    I2 --> I3[生成课件式 Tutor Session]
    I3 --> I4[语音 / 文本 / Lesson Plan / 进度条]
```

| 维度 | StudyFetch 观察与对知习启发 |
|---|---|
| 自动生成内容 | 严格按教程，**上传阶段可直接自动生成的是 Notes**：上传文档时可勾选 “Generate Study Notes”，并选择 Summarized / In-Depth / Comprehensive；但官方首页与应用商店同时把上传后的总体产出描述为 flashcards、quizzes、detailed notes、personalized learning sessions。较稳妥的结论是：**Notes 是上传期直接自动生成；其余工件以同一材料为基础、通过后续 Create 流程派生**。知习应把“上传即刻产出”和“上传后可派生产出”在 UI 上严格区分。citeturn4view4turn15view1turn30search0 |
| 闪卡入口与链路 | 入口在 **Practice → Flashcards → Create Flashcard Set**；可从 Materials、Topic、Quizlet、Anki、Scratch 创建。From Materials 流程依次为：选材料/上传新材料 → 配置题型与数量 → 配置名称/语言/插件/Focus Topic → 生成。知习应复制这种“**来源先选清楚，题型配额再定制**”的顺序。citeturn4view0turn5view0turn5view1 |
| Quiz / Test 入口与链路 | **QuizFetch** 与 **Practice Test** 是两条明确分开的产品流程。QuizFetch：Practice → QuizFetch → New QuizFetch / Create menu → 来源选材料或闪卡 → 选题型与题量、可选 exam-specific 格式 → 命名/语言/插件/Focus Topic → Create quiz。Practice Test：Practice → Test → New Test / Create menu → 来源选材料或闪卡 → 选题型与题量 → 开始答题与提交。知习应保留“**轻量 quiz**”与“**完整 practice test**”两种不同负荷的测验工件。citeturn9view0turn5view4 |
| 是否有 AI tutor | 有，且不止一种：**Spark.E Chat、Tutor Me、Spark.E Call** 均属于 tutor/辅导入口；首页还明确写 Spark.E “knows your coursework”，可 via chat or voice 进行解释和出题。citeturn2view0turn30search0turn31view1 |
| tutor 是否基于用户材料 | 是。Spark.E Chat官方写明会分析 lecture slides、notes 等上传内容，提供 context-aware support；Tutor Me 的 “Create from Materials” 则要求先选已上传材料，还能选页码范围。知习应支持 **按材料、按页段、按专题** 创建 tutor session，而不是只给一个泛化聊天框。citeturn4view2turn10view2 |
| 是否要求确认 AI 生成内容 | 官方明确展示的是 **生成前的配置确认**：用户要先选来源、题型、数量、语言、插件，再点击 Create；但**未说明**生成后必须逐卡/逐题人工审批才能保存或进入学习。知习可以比它更进一步：在“自动生成后进入学习前”插入一个**快速审阅层**。citeturn5view1turn9view0turn10view1 |
| 生成结果如何编辑 | 闪卡支持进入 Editing View 后**改现有卡、加新卡、改名、合并卡组**；Notes 明确支持 edit and customize；而 Quiz/Test 官方教程只明确支持**改名**与对题目**点赞/点踩反馈**，是否支持逐题改写，**未说明**。知习应把“可学可改”做到更统一：闪卡、题目、学习指南段落都应可编辑。citeturn6view2turn6view0turn4view3turn8view4turn38view3 |
| 如何进入学习/复习循环 | 闪卡进入 **Standard / Spaced Repetition / Confidence / Bookmarked** 四类学习模式；QuizFetch 通过 confidence + immediate feedback 形成 adaptive review；Practice Test 在批改后进入查看答案与重做；Tutor Me 会保存 session，可回访之前课程。知习应把 “**生成**” 和 “**进入哪种训练环**” 明确分开。citeturn7view3turn7view4turn7view5turn37view0turn7view2turn11view3 |
| 如何记录错题/弱项 | QuizFetch 会根据正确率与信心度计算掌握进度；答错时会说明该题还需连续答对几次才能重新掌握；题目过多错误时系统会暂停推进并建议先复习；Topic Performance 会显示每个主题的状态。闪卡则通过 confidence ratings、ease factor、bookmarks 记录弱项。Practice Test 则以正确/错误结果页支持复盘。citeturn37view1turn37view4turn37view5turn8view0turn8view3turn7view0 |
| 如何展示学习进度 | 展示层极丰富：闪卡有 Card Progress、Heatmap、Hourly Breakdown、Ease-Factor、Future-Due、Buttons-Pressed；QuizFetch 有点阵进度条、overall mastery、topic graph、Stats 页；Practice Test 有 completion percentage 和 question map；Tutor Me 有 lesson progress bar 与 lesson plan topic progress。知习如果只做一个“完成百分比”，会明显不如这两者，尤其不如 StudyFetch。citeturn8view0turn8view1turn8view3turn37view2turn38view0turn6view6turn10view5 |
| 移动端职责 | 官方没有直接用“职责”定义移动端；**按官方 App 描述推断**，移动端主要承担：材料上传、录课、随手生成闪卡/测验/笔记、语音导师访问、进度/成就/连续学习跟踪，以及跨设备可随时进入学习。知习移动端应偏“采集 + 练习 + 陪练”。citeturn15view1 |
| Web 端职责 | 官方同样未以“职责”明说；**按教程入口推断**，Web 端是主要的**编排与控制中心**：Study Set 管理、复杂上传、章节切分、Notes/Flashcards/Quiz/Test/Tutor 的创建、插件配置、Stats 分析等都在 Web 文档里呈现得最完整。知习 Web 端应偏“编排 + 审核 + 深度分析”。citeturn3view1turn4view0turn9view0turn10view1turn38view0 |
| 免费层限制 | 官方确认有免费入口，也明确写到 **Live Lecture 在免费计划中只有“每月有限录制次数”**；但公开学生侧资料没有统一给出 flashcards / quizzes / tutor / uploads 的完整免费额度表。因此本维度更准确的表述是：**有免费层，但精确限额未说明**。citeturn15view0turn14view1turn12search9 |
| 知习应复制的核心点 | 最值得复制的是五件事：**材料中心化容器（Study Set）**、**来源回链**、**同一材料多工件派生**、**掌握度驱动的 Quiz/Test/Flashcard 复习引擎**、**材料接地的 Tutor**。这是 StudyFetch 相比很多“只会生卡”的产品更强的地方。citeturn3view1turn7view3turn37view2turn37view4turn10view2 |
| 知习应避免的坑 | 最应避免三点：**隐私表述冲突**（消费者隐私政策称上传内容可能被用于 AI 训练等业务用途，但研究页又说 student data never used to train AI systems；enterprise/ethics 页只承诺 enterprise data 不训练）；**功能过多但确认流分散**（闪卡、Quiz、Test、Tutor 都有独立创建流程）；**免费层公开边界模糊**。知习必须用一个统一、版本化、可勾选的隐私与配额界面解决这三件事。citeturn31view0turn30search2turn35view0turn4view0turn4view1turn9view0turn10view1 |
| 对知习的数据对象模型建议 | 以 StudyFetch 为母本，知习应至少有：**Workspace / Course（类似 Study Set）**、**Material**、**MaterialSlice/PageRange**、**Artifact**（flashcard / quiz / test / study guide / tutor session）、**SourceReference**、**MasteryState**、**StudySession**、**Feedback**、**ChatThread**。尤其要保留 SourceReference，因为 StudyFetch 已经把来源定位直接带到卡片/题目上。citeturn3view1turn7view3turn37view2 |
| 对知习的页面/交互建议 | 直接借鉴其 IA：**Dashboard → Workspace → Materials → Generate → Study**。但要把 StudyFetch 里分散在 Flashcards/Quiz/Test/Tutor 的重复“Create”步骤，收敛成知习里的一个 **统一生成工作台**，让用户先选材料，再批量选要生成哪些工件。citeturn3view1turn4view0turn4view1turn9view0turn10view1 |

## Knowt 产品拆解

Knowt 的产品骨架比 StudyFetch 更轻：**Create / Upload / Materials 是中心**。AI Summarizers 负责把 PDF / PPT / Video / Audio / Lecture recording 变成 notes 与 flashcards；notes 再能一键生 flashcards 或 practice test；flashcards 则承担 Learn / Practice Test / Spaced Repetition / Flashcards 等学习模式。官方移动端页还强调 Discover Material、Exam study on the go、跨端同步。citeturn17view0turn24view0turn20view2turn17view6turn22view4

下图基于 Knowt 官方帮助中心与官网，把其主链路抽象为“**上传/记录 → notes 或 flashcards → from note / from flashcards 进入学习工件 → Kai 陪练**”。与 StudyFetch 相比，它更少依赖“学习空间容器”，更强调“从当前文件立刻进入当前学习动作”。citeturn17view0turn24view0turn20view1turn20view2turn22view1turn36view0

```mermaid
flowchart TD
    A[Home / Create / Upload] --> B[AI Summarizer]
    A --> C[Create Flashcards]
    A --> D[Create Notes]
    A --> E[Record Lecture]

    B --> B1[上传 PDF / PPT / Video / Audio / Drive / Snap-and-Solve]
    B1 --> B2[选择生成 Notes / Flashcards / 不生成]
    B2 --> F[Materials]

    D --> F
    C --> G[Flashcard Set]
    E --> H[Lecture Notes + Flashcards]

    F --> F1[打开 Note]
    F1 --> F2[Generate Flashcards]
    F1 --> F3[Take a Practice Test]
    F1 --> F4[Call with Kai / Chat with Kai]

    G --> G1[Flashcards Mode]
    G --> G2[Learn Mode]
    G --> G3[Practice Test Mode]
    G --> G4[Spaced Repetition]
    G --> G5[Call with Kai / Chat with Kai]

    F2 --> G
    H --> F
    H --> G

    G2 --> R[即时反馈 / 调整难度]
    G3 --> S[反馈 / 重新测试 / 仅错题重测]
    G4 --> T[新卡配额 / 间隔设置 / 难点优先]
```

| 维度 | Knowt 观察与对知习启发 |
|---|---|
| 自动生成内容 | **AI Summarizers** 的官方步骤非常明确：上传文件后，Kai 会先问是要生成 **notes** 还是 **flashcards**，并允许选择长度与格式；官网/登录页/录课页又把结果扩展描述为 study guides、practice tests、quizzes 与 AI explanations。高置信结论是：**直接上传后最明确的第一产出是 notes 或 flashcards；practice test / tutor / study guide 是围绕这些材料继续派生的能力**。citeturn17view0turn33view1turn36view0 |
| 闪卡入口与链路 | 入口非常多，但都很短：Web 端可 Create → Flashcards，或 AI Summarizer 上传后直接要 flashcards；也可以从 Note 页点击 **Generate Flashcards**，再在 “Have Kai make them / Create normally” 中二选一。App 端也支持从首页 Create、Upload，或在 note 的 More 菜单里直接 Create flashcards。知习应当复制这种“**从任何当前上下文一跳生卡**”的 frictionless 设计。citeturn17view8turn24view0turn24view1turn20view0 |
| Quiz / Test 入口与链路 | 官方学生文档里，最清楚的是 **Practice Test**，而不是一个独立命名的 quiz 对象。From Note：超过 200 words 后即可点击 **Take a Practice test**；From Flashcards：打开 set → Practice Test → 选择题型、question format、learning options → Start → 可重考、可按“仅错题”重测。对于“单独的学生 quiz 工件”，**未说明**。知习应把“测验/练习卷”的对象定义得比 Knowt 更清晰。citeturn20view1turn20view2 |
| 是否有 AI tutor | 有。官方把 Kai 描述为 personalised AI study helper / AI study buddy；学校方案页明确出现 **1:1 virtual tutor**；帮助中心还提供 **Call with Kai**。citeturn22view0turn22view1turn33view1 |
| tutor 是否基于用户材料 | 是。Knowt 明确说 Kai 可回答关于 notes、videos、PPTs 的问题；Call with Kai 是挂在 specific notes 或 flashcards 上的；录课页写到记录/上传 lecture 后，除了 notes & flashcards，用户还能 ask Kai to explain concepts and do practice questions。知习应把 tutor 绑定到“材料或工件上下文”，而不是做一个脱离来源的通用聊天。citeturn22view1turn36view0turn33view1 |
| 是否要求确认 AI 生成内容 | 有**前置选择确认**：AI Summarizer 会在上传后询问要 notes 还是 flashcards，也可选择 “I don’t want anything made”；从 notes 生成 flashcards 时还可在 “Have Kai make them / Create normally” 中选择路径。官方**未说明**存在逐卡逐题的 mandatory 审核步骤。知习适合把这种“轻确认”升级为“快速审阅批处理”。citeturn17view0turn24view0 |
| 生成结果如何编辑 | Notes 可在 Materials 中打开后编辑，并通过右上角 3 dots 调整设置；Flashcards 可从 Materials 进入 edit，修改现有卡片并新增 term。更进一步，Knowt 还支持给 flashcards 加 **custom hints** 与 **custom multiple choice options**，但这两项当前只在 Plus/Ultra 可用。知习应把“生成后精修”的能力做成基础能力，而非高阶付费附件。citeturn17view2turn24view1turn21view3turn25view0 |
| 如何进入学习/复习循环 | Flashcard set 是循环核心：进入 **Flashcards / Learn / Practice Test / Spaced Repetition**；Learn Mode 会即时反馈并动态调整难度；Spaced Repetition 可设置每天新卡数与复习间隔；Practice Test 支持新测、重测和“只重做错题”。这套路径非常“轻”，知习应当保留。citeturn21view0turn21view1turn20view2 |
| 如何记录错题/弱项 | Learn Mode 会告诉用户哪里答错并让其在会话中聚焦改进点；Practice Test 支持**retake with incorrect only**，说明系统能区分错题集合；教师侧 Progress Hub 还能看到 individual flashcard mastery、用时、平均分与哪些术语最薄弱。对普通学生是否存在完整的长期弱项 dashboard，官方学生文档**未说明**。citeturn21view0turn20view2turn27view0 |
| 如何展示学习进度 | 学生侧官方帮助中心明确说 Learn Mode 会 track progress、Practice Test 会 track progress 并给反馈；但帮助中心没有像 StudyFetch 那样公开展示完整的学生统计图谱，因此更完整的“时间/热力/未来到期”学生可视化属于**未说明**。教师侧则明确有 Progress Hub，可看每位学生在不同 mode 的活动时长、平均分、individual flashcard mastery。citeturn21view0turn20view2turn27view0 |
| 移动端职责 | **按官方移动页、应用商店页与帮助中心推断**，移动端承担：发现资料、随手上传/录课、从手机生成 notes/flashcards/tests、进行 Learn/Practice Test/Spaced Repetition、查看 AI usage、跨端同步继续学习。知习移动端应重点承担“采集、轻编辑、练习、继续上次学习”。citeturn17view6turn22view4turn17view1turn17view2turn17view3turn20view2turn21view0turn21view1 |
| Web 端职责 | **按帮助中心入口推断**，Web 端承担：Create 工作流、AI Summarizers、Materials 管理、从 notes 派生 flashcards/practice tests、查看 plan 与 AI usage、教师 class / progress / AI tools 管理。知习 Web 端应承担“批量生成、结构化编辑、班级/组织分析”。citeturn17view8turn17view0turn20view1turn17view3turn27view1 |
| 免费层限制 | Knowt 的免费层公开信息相对清晰。**Basic = Free**；可创建 notes & flashcards、使用 free study modes、浏览大量公共资料。帮助中心进一步明确：免费学生可 **unlimited create flashcards & notes**，可 **unlimited study** 于 learn/test/matching/flashcard/spaced repetition；但 **AI usage 有月度限制并会重置**。公开页面未列出精确 AI 配额数字。citeturn17view4turn17view5turn17view3 |
| 知习应复制的核心点 | 最值得复制的是四点：**“任何当前上下文都能一跳生成工件”**、**从 note 一键进入 flashcards / practice test**、**免费学习模式足够完整**、**手机录课与跨端同步**。如果 StudyFetch 提供的是“强系统”，Knowt 提供的就是“强易用性”。citeturn24view0turn20view1turn20view2turn21view0turn36view0 |
| 知习应避免的坑 | 应避免三类摩擦：**AI 限额信息过于隐蔽**（当前要到 Settings → AI usage 才能看到使用情况）；**某些能力的对象边界不够清楚**（学生侧更强调 Practice Test，独立 Quiz 对象表述不一致）；**某些派生动作带有硬门槛**（例如 note 需超过 200 words 才能 take a practice test）。知习应把限额、对象边界与生成前置条件都前置可见。citeturn17view3turn20view1turn20view2 |
| 对知习的数据对象模型建议 | 以 Knowt 为母本，知习的数据对象应强化 **Material** 的中心地位，并允许 **Note ↔ FlashcardSet ↔ PracticeTest** 互相派生；同时应有 **TutorContext** 绑定到具体 note/flashcard/test item，而不是只绑定到用户全局聊天。citeturn24view0turn20view1turn22view1turn36view0 |
| 对知习的页面/交互建议 | 借鉴 Knowt 的最佳做法，知习应让 **任一材料详情页** 至少有四个立即可见 CTA：**生成闪卡、生成测验/练习卷、开始 AI 导学、编辑学习指南**。与其把动作藏进各功能子页，不如在材料页就让用户完成 80% 决策。citeturn24view0turn20view1turn22view1 |

## 关键对比与设计判断

下面这张对比表，只保留最影响“知习”架构选择的差异点。

| 对比轴 | StudyFetch | Knowt | 对知习的判断 |
|---|---|---|---|
| 核心容器 | 明确以 **Study Set** 为主容器，材料与工件围绕它组织。citeturn3view1 | 更像 **Materials / File-first**，从当前 note 或 flashcard 直接进入学习动作。citeturn24view0turn20view1 | 知习应采用“双层结构”：上有 Workspace/Course，下有 Material-first。 |
| 上传后的首要动作 | 上传阶段最明确的是**生成 Notes**，其余工件多为后续派生。citeturn4view4turn15view1 | 上传后会直接询问要 **notes 还是 flashcards**。citeturn17view0 | 知习上传完成页应立即给出“生成哪些工件”的批量选择面板。 |
| 闪卡生成方式 | 强配置：来源、题型、数量、语言、插件、Focus Topic。citeturn5view0turn5view1 | 强低摩擦：上传即生、从 note 一键生、Chat with Kai 辅助生。citeturn24view0turn20view0 | 默认要像 Knowt 一样快，但高级设置要像 StudyFetch 一样深。 |
| Quiz / Test 架构 | QuizFetch 与 Practice Test 分工清晰，一个偏 mastery/adaptive，一个偏考试模拟。citeturn9view0turn5view4 | 学生端最清楚的是 Practice Test；独立 quiz 对象未充分公开。citeturn20view1turn20view2 | 知习应明确区分 **Quiz** 与 **Practice Test** 两种工件，避免对象边界模糊。 |
| AI tutor 接地程度 | Spark.E / Tutor Me 深度接材料、页段、题目与来源。citeturn4view2turn10view2turn7view0 | Kai 也能接 notes / flashcards / lecture，但更多表现为“当前文件上的陪练”。citeturn22view1turn36view0 | 知习应做“材料接地 tutor”，并支持按页面、段落、题目切上下文。 |
| 学习循环设计 | 非常强调掌握度、信心、未来复习与专题表现。citeturn7view3turn8view3turn37view4turn38view0 | 强调 Learn / Spaced / Practice Test 的轻量循环与错题重做。citeturn21view0turn21view1turn20view2 | 知习应把 StudyFetch 的掌握度引擎嫁接到 Knowt 式低摩擦学习模式上。 |
| 结果可编辑性 | 闪卡与 Notes 较强；Quiz/Test 逐题编辑公开度不足。citeturn6view2turn4view3turn38view3 | Notes、flashcards 可编辑，且支持 hints / custom MC options。citeturn17view2turn24view1turn21view3turn25view0 | 知习要做到“所有工件都可编辑”，尤其是题目与学习指南段落。 |
| 免费层公开度 | 有免费层，但学生侧精确公开矩阵模糊。citeturn15view0turn14view1 | 免费层对学习模式很清楚，AI 受月限但公开额度未见。citeturn17view4turn17view5turn17view3 | 知习必须做一张公开、统一、按能力分层的额度表。 |
| 隐私/训练表述 | 官方来源之间存在明显张力与版本差异。citeturn31view0turn30search2turn35view0 | 消费者隐私允许广告/分析数据处理；学校 DPA 模式更收敛。citeturn29view0turn29view1 | 知习必须一开始就做“训练用途、分享范围、保留期限”的单一事实源。 |

综合判断是：**StudyFetch 更适合拿来设计“知习的后台与掌握度引擎”，Knowt 更适合拿来设计“知习的前台生成与进入学习的交互速度”**。如果知习只能复制一半，那最优先复制的应该不是“更多花样”，而是 **StudyFetch 的来源追溯和掌握度结构**，加上 **Knowt 的上下文一跳生成**。citeturn7view3turn8view0turn24view0turn20view2

## 知习方案建议

基于以上对比，知习不应做成“上传器 + 若干孤立功能页”，而应做成一条清晰的 **材料→抽取→工件→学习→回写掌握度** 闭环。StudyFetch 证明了“材料中心化 + 掌握度驱动 + tutor 接地”的价值；Knowt 证明了“低摩擦派生 + note/flashcard/test 互转 + 跨端继续学习”的价值。citeturn3view1turn37view4turn24view0turn20view2

**合并后的知习主链路**建议如下：

```mermaid
flowchart TD
    A[上传材料] --> B[抽取与解析]
    B --> B1[文本抽取 / 版面分析 / 图像OCR / 章节切分 / 知识点聚类]
    B1 --> C[材料详情页]

    C --> D[统一生成工作台]
    D --> D1[闪卡]
    D --> D2[Quiz]
    D --> D3[Practice Test]
    D --> D4[AI Tutor Session]
    D --> D5[学习指南]

    D1 --> E[快速审阅与编辑]
    D2 --> E
    D3 --> E
    D4 --> E
    D5 --> E

    E --> F[开始学习]
    F --> F1[闪卡模式]
    F --> F2[Quiz 模式]
    F --> F3[Practice Test 模式]
    F --> F4[Tutor 模式]
    F --> F5[学习指南阅读模式]

    F1 --> G[记录正确率 / 信心 / 复习时间 / 收藏 / 易错标签]
    F2 --> G
    F3 --> G
    F4 --> G
    F5 --> G

    G --> H[专题掌握度 / 错题簇 / 复习计划]
    H --> I[推荐下一步动作]
    I --> D
```

**知习的数据对象模型**建议如下。这个模型同时吸收了 StudyFetch 的 Study Set / source trace / Stats 思路，与 Knowt 的 Materials / note-to-test / current-file actions 思路。citeturn3view1turn7view3turn24view0turn20view1

| 对象 | 关键字段 | 设计目的 |
|---|---|---|
| Workspace | id, name, subject, exam_date, owner_id | 对应课程/考试/项目级容器，承接 Study Set 的组织价值。 |
| Material | id, workspace_id, type, source, file_meta, language, visibility, parse_status | 上传材料的 canonical object。所有工件都必须能追溯回 Material。 |
| MaterialSlice | id, material_id, page_range, section_title, token_span, embedding_ref | 支持按页段、章节、知识点做 tutor、题目与来源回链。 |
| Artifact | id, workspace_id, artifact_type, generation_job_id, status, title | 统一承载 flashcard_set / quiz / practice_test / study_guide / tutor_session。 |
| FlashcardItem | id, artifact_id, card_type, front, back, distractors, hint, source_refs | 兼容术语卡、填空卡、选择卡、图像遮挡卡。 |
| QuestionItem | id, artifact_id, question_type, stem, options, answer, rubric, source_refs | 统一 Quiz 与 Practice Test 题目对象。 |
| StudyGuideBlock | id, artifact_id, block_type, heading, body, source_refs | 学习指南以块级结构可编辑，而不是一整篇不可拆文本。 |
| TutorSession | id, artifact_id, mode, context_scope, transcript_ref, summary | 支持“按材料”“按页段”“按题目”的 AI tutor。 |
| SourceReference | id, material_slice_id, artifact_item_id, quote_span, confidence | 用于“这张卡/这道题来自哪一页哪一段”。 |
| ReviewEvent | id, user_id, artifact_item_id, mode, correctness, confidence, latency | 记录每次学习行为，供掌握度与推荐引擎使用。 |
| MasteryState | id, user_id, artifact_item_id, mastery_score, ease, due_at, weak_flag | 支持 spaced repetition、错题簇和专题掌握度。 |
| Recommendation | id, user_id, reason_code, target_artifact_id, target_mode | 承接“继续学习 / 推荐学习工具 / 推荐重练题组”。 |

**知习的页面与链接建议**，应当把“材料页”设为第一枢纽，把“统一生成工作台”设为第二枢纽。

| 页面 / 路由建议 | 页面职责 | 关键 CTA / 深链建议 | 必须出现的确认点 |
|---|---|---|---|
| `/inbox` 上传收件箱 | 拖拽上传、录音、拍照、导入云盘 | 上传完成后直接深链到 `/materials/{id}` | 上传前：版权/隐私/训练用途声明；上传后：是否生成工件 |
| `/materials/{id}` 材料详情 | 预览原文、目录、解析结果、章节切分、源文本高亮 | `生成闪卡`、`生成Quiz`、`生成练习卷`、`开始导学`、`生成学习指南` | 生成前：范围选择、语言、难度、题型、是否保留引用 |
| `/generate` 统一生成工作台 | 一次勾选多种工件并共享设置 | 支持“本次同时生成：闪卡+Quiz+学习指南” | 生成前最终确认；显示预计耗时与额度消耗 |
| `/artifacts/{id}/review` 快速审阅 | 批量 Accept / Edit / Delete | 对每张卡、每道题、每个指南块做快速操作 | 进入学习前的可选快速确认 |
| `/study/{artifact_id}` 学习页 | 闪卡/Quiz/Test/Tutor/Guide 具体学习模式 | `重新生成当前项`、`查看来源`、`稍后复习` | 提交答案前确认；退出时自动保存 |
| `/progress` 进度页 | 错题簇、专题掌握度、未来待复习、连续学习 | `继续上一轮`、`只练弱项`、`打开学习指南` | 无需额外确认，但需显式展示算法依据 |
| `/settings/privacy` 隐私与配额 | 数据导出、删除、训练授权、组织模式 | `导出我的材料`、`删除原文件`、`关闭训练授权` | 所有高敏设置需二次确认 |

**可编辑 UI / 工作流备注**，建议知习明确区分“自动生成”“快速审阅”“深度编辑”三层，而不是把编辑能力藏在少数对象里。

| 场景 | 推荐做法 | 为什么这样做 |
|---|---|---|
| 上传后首屏 | 不要直接把用户扔进某一个学习模式；先到材料详情页，显示解析摘要与分段结果 | StudyFetch 太强但入口多；Knowt 很快但对象边界有时不够清楚。 |
| 生成闪卡/题目 | 默认先给 10–20 个样本供快速 Accept / Reject / Edit，再允许“一键批量通过剩余项” | 可兼顾效率与质量，解决两边都“生成后缺少统一审阅层”的问题。 |
| 学习指南 | 必须块级可编辑，并可“锁定来源引用” | 避免一整篇 AI 文本难以修正，也利于 tutor 精确引用。 |
| 错题回收 | 错题不应只是一个列表，应自动聚类成“概念薄弱点”“题型薄弱点”“来源页段薄弱点” | StudyFetch 的 Topic Performance 很强，知习可以再往前一步。 |
| AI tutor | tutor 对话上方始终显示上下文范围，例如“第 3 章第 12–18 页 / 当前第 7 题 / 当前学习指南第 4 节” | 让用户知道 AI 是“基于什么在说”，降低幻觉感。 |

**确认/同意点**应设计成产品硬规则，而不是法律页角落里的小字。最少应有四个节点：上传前（版权与隐私责任）、解析后（是否生成哪些工件）、首次进入 AI tutor（是否允许调用原文件内容作为上下文）、数据用途设置页（默认不用于模型训练，若要用于训练必须单独 opt-in）。之所以要这么做，是因为 StudyFetch 的公开来源在训练用途上存在表述张力，而 Knowt 的消费者/学校模式在广告与数据治理上也并不相同。citeturn31view0turn30search2turn35view0turn29view0turn29view1turn36view0

**数据隐私建议**应至少落到以下规则：默认不把用户上传材料用于基础模型训练；若未来要做训练改进，必须按“可撤回、范围可选、按工作区生效”的显式授权来做；原文件与派生工件的可见性分开控制；提供导出与删除；组织/学校模式下禁广告、禁外部公开分享、弱化画像字段，并支持未成年人策略；同时在每次上传时提醒用户不得侵犯第三方版权或隐私权。Knowt 的上传页与学校 DPA 模式已经给出一部分正反案例，而 StudyFetch 的公开政策冲突正好说明“单一事实源”有多重要。citeturn36view0turn29view1turn29view0turn31view0

最后，仍有几项**开放问题/限制**应在下一轮产品访谈或可用性测试中继续验证。StudyFetch 公开学生资料**未说明**：学生免费层对 uploads / flashcards / quizzes / tutor 的统一额度表，以及 Quiz/Test 是否支持逐题编辑。Knowt 公开学生资料**未说明**：除 Practice Test 外，是否存在独立、稳定定义的学生 quiz 对象，以及完整的学生侧长期统计大盘。在知习立项时，这两类问题都不该被留给用户自己摸索，而应该在信息架构与定价页面中直接回答。citeturn15view0turn14view1turn38view3turn20view1turn20view2turn17view3