startup-plan/核心架构/deep-research-report (2).md

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

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

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：

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