StudyLoop：本地优先的学习系统，以及 AI 失败时的退路

StudyLoop 是一个本地优先的个人学习系统。它没有把“学习”简化成一个番茄钟，而是拆成三个互相连接、但边界清楚的模块：

• 学习计划：接下来学什么，每天做什么。
• 每日巩固：今天学的内容是否真的理解了。
• 复习计划：已学过的内容，之后怎样记牢。

这三个模块共享知识库，但不混用任务。学习任务只记录完成情况；巩固题和复习题才影响掌握度。这个边界是整套设计里最重要的部分。

为什么本地优先

应用默认单用户、免登录。学习任务、笔记、题目、计划和答题记录都保存在浏览器 IndexedDB；关闭页面、重启设备后仍然存在。

联网只用于可选的 AI 出题服务。没有配置 AI 或断网时，系统仍可使用本地模板题与已缓存的题目。复习计划创建时会预生成并缓存基础题目，因此已建立的计划不会因为网络中断而失效。

这带来两个实际问题：

1. 导出/导入不是附属功能：浏览器存储可能被清理，数据必须能完整导出。
2. AI 不是主存储：模型失败不能把用户输入一起清空。

三个模块如何连接

学习计划（安排新内容）
   ↓ 完成今日学习任务
每日巩固（记录实际所学并即时出题）
   ↓ 用户确认纳入长期记忆
复习计划（按目标天数间隔复习）
   ↓ 暴露薄弱点
每日巩固

流转必须由用户确认。勾选“已学习”不会自动生成大量题目，也不会自动修改复习计划。这个约束看起来保守，但能避免 AI 把一次误操作放大成几十道题。

概念	所属模块	是否影响掌握度
学习任务	学习计划	否，只记录完成
当日巩固会话	每日巩固	是，形成初始掌握度
长期复习会话	复习计划	是，更新间隔与下次日期
笔记与知识点	共享知识库	被答题记录间接更新

AI 的边界

后端是一个本地 Fastify 代理，读取 .env.local 里的 DeepSeek 配置。API Key 不会进入前端代码或 IndexedDB；日志和导出文件也不应包含密钥。

出题层用统一的 QuestionProvider 接口隔离：

1. 本地模板提供器：无需联网，从定义句、列表、步骤、对比和代码块生成基础题。
2. DeepSeek 提供器：负责知识点提取、题型选择、干扰项和解析。
3. 未来本地模型：可以接 WebLLM，但不进入 MVP。

DeepSeek 返回 JSON，经过 Zod schema 二次校验。空内容、截断或校验失败时只重试一次；仍失败就切到本地模板，并明确告诉用户。这里的原则是：AI 可以失败，但学习流程不能卡死。

复习计划不是“每天随机出题”

复习计划创建时，用户先确认知识点，再选择 3–60 天的目标、开始日期和轻量/标准/强化三档强度。系统预生成阶段日程和基础题目，首次打开当天时恢复“今日到期复习”，不需要网页一直运行。

答题后更新掌握度和下次复习日期；错题会在后续日期重新出现。主观题先展示参考答案，再由用户选择“不会 / 模糊 / 掌握 / 轻松”。

这也解释了为什么不能把学习任务和复习任务合成一个“待办数字”：学习任务是新内容，复习任务是旧内容，它们的逾期处理方式不同。

值得复用的设计

• 数据先于 AI：用户输入、计划、答题记录都在本地；AI 只是可替换的题目来源。
• Provider 隔离：本地规则和云端模型实现同一个接口，失败可切换。
• Schema 二次校验：模型输出不是“看起来像 JSON”就直接用。
• 用户确认边界：模块之间不自动流转，避免错误扩散。
• 可解释的复习：用户能看到“为什么今天复习这些内容”，而不是只看到一个日期。

小结

StudyLoop 的工程价值不在“接了 DeepSeek”，而在于它把 AI 放在一个可失败、可替换、可审计的位置。对个人学习工具来说，这比多一个模型名称重要得多。

项目仍在迭代；上面的模块边界和数据流来自公开的 README 与设计文档，具体实现以仓库为准。