首屏
一句话：一款”方法论固化”的本地化备考软件——把艾宾浩斯、费曼技巧、错题分级这些已被验证的学习法做成代码，配上 19 年全量真题与 7 科思维导图，并已真实卖出去。
四个数：19 年真题→1567 题 ｜ 7 科 6132 节点·3845 关联 ｜ 正确率四档分级闭环 ｜ 已商业化真实售卖
主视觉：图 1 核心闭环 + 产品截图（穆夏风格）
S0 产品形态：一个接管复习节奏的闭环
核心闭环（图 1）：
- 刷题 → 按正确率四档分级：<60% 强制回归教材+阅读打卡；60–80% 回归思维导图详细版+双向链接；80–95% 回归导图分支扫盲；>95% 仅看错题解析+标记熟练。
- 背诵 → 艾宾浩斯调度引擎 → 导图层级折叠/挖空背诵，或费曼模式：AI 阅卷官做文本费曼模拟。
- 数据 → 学习轨迹 → 热力图/游戏化升级 → 反哺次日计划。
配套：思维导图↔题库双向链接（跳转/预览/返回）、每日计划自动生成+手动修改、五级强度学习热力图、穆夏风格主题与抽屉式菜单。
S1 需求与洞察
源于自身与身边考生的痛点与观察：艾宾浩斯 2.0 + 错题分级学习法（刷至 95%+）已被相关研究和辅导班实践验证，但市面软件缺乏「分章错误率自动计算 → 按错误率分档生成对应复习规划」的闭环——“方法存在而工具缺失”的空白即立项依据。 两类画像：焦虑迷茫型（需要软件强制接管节奏、可视化进度）；方法论提效者（要一个能完美执行理论、不必在多软件间跳转的工具）。
S2 市场与现状
| 现有方案 | 失效原因 |
|---|---|
| 通用刷题 App | 有题无方法论闭环，错误率不驱动复习规划 |
| Anki / 笔记类 | 需自建卡片与调度，不绑定真题与导图 |
| 辅导班讲义 | 方法在纸面，无工具执行与数据反馈 |
| 通用 AI 答疑 | 不接管节奏、无分章错误率与回归路径 |
S3 方案与规划（PRD 微缩）
- 模块 A 智能刷题：沉浸式刷题器；数据源 question_knowledge_map；正确率四档分级驱动回归路径。
- 模块 B 导图双向：思维导图↔题库双向链接、层级折叠/挖空背诵。
- 模块 C 艾宾浩斯 Plus 调度：SM-2 间隔复习 + 分章错误率→复习规划（教材/章节导图/上级分支）。
- 模块 D 费曼阅卷官：AI 文本费曼模拟阅卷。
- 模块 E 计划与热力图：每日计划自动生成、五级热力图、游戏化升级。
- 数据资产：19 年真题→1567 题结构化；LLM 完成题目↔6132 导图节点 3845 条关联（全覆盖）；65 张图片资源。
S4 开发与迭代
- 借助 vibe coding 完成程序；架构 Tauri 2 + React + Rust + SQLite。
- 关键工程点：题库/导图注入 SQLite；双向链接跳转/预览/返回；热力图实时数据联动；穆夏风格主题与抽屉菜单；图标/打包脚本（create_icons 等）。
- 探索留痕：docs/spikes（含 Android 可行性）、docs/architecture（design_spec + schema）。
S5 数据资产与质量护城河
- 结构化题库：19 年真题清洗为 1567 题结构化数据（jsonl），图片资源独立管理。
- 全覆盖关联：LLM 建立题目↔导图节点关联并做到全覆盖，使”错在哪→回归哪个节点/分支”可计算。
- schema 化：architecture/schema 定义数据契约，保证题库/导图/学习轨迹一致。
- （口径注记见私藏手册：PRD 1568 / quote.json 1825 / jsonl 1567 的差异与 6132/3845 的复核状态。）
S6 商业化与交付
- 自主完成定价与渠道决策；设计离线授权（机器码 + HMAC 激活码 + 商家端发码工具），适配无账号体系的本地软件售卖。
- 经自家书店渠道配合书籍售卖，完成从产品到真实收入闭环。
- 交付形态：Tauri 桌面应用（Windows），本地 SQLite、无需联网。
- 下一步：Android 可行性已 spike；更多科目与题型扩展。