Files

Claude Code b0bb6b1562 docs: 更新 PRD - 在 5.3 关联试题部分补充 MCP 工具设计

- 补充技术实现说明（试题来源、推荐机制、交互流程）
- 新增 MCP 工具架构设计（5 个工具详细规格）
- 新增技术架构影响说明（新增组件、数据流）
- 同步需求文档中的 MCP 工具设计到 PRD]

2026-03-30 05:54:41 +00:00

43 KiB

Raw Permalink Blame History

stepsCompleted, inputDocuments, documentCounts, workflowType, projectName, author, date, classification

stepsCompleted

inputDocuments

documentCounts

workflowType

projectName

author

date

classification

step-01-init

step-02-discovery

step-02b-vision

step-02c-executive-summary

step-03-success

step-04-journeys

step-05-domain

step-06-innovation

step-07-project-type

step-08-scoping

step-09-functional

step-10-nonfunctional

step-11-polish

step-12-complete

path	type	loadedAt
/mnt/code/226-244-template-6/ai-tutor-requirements.md	requirements	2026-03-28T12:30:00Z

briefs	research	brainstorming	projectDocs
0	0	0	1

prd

AI 智能抽背助手

BMAD & Claude

2026-03-28

projectType	domain	complexity	projectContext
mobile_app	edtech	medium_high	greenfield

Product Requirements Document - AI 智能抽背助手

Author: BMAD & Claude
Date: 2026-03-28
Version: 1.0

📋 执行摘要

产品愿景

AI 智能抽背助手 是一款基于微信小程序的智能学习辅助应用，通过 AI 驱动的艾宾浩斯遗忘曲线算法，在用户即将遗忘知识点的关键时刻主动推送精准复习，将复习从"被动任务"转变为"主动救星"。

核心理念： 不是"学得不够"，而是"复习时机不对"。

目标用户

K12 学生：背诵古诗词、英语单词、历史知识点
大学生：专业课程知识点记忆、考试复习
职业考试考生：教师资格证、会计师、法律职业资格等备考

核心差异化

维度	传统应用	AI 智能抽背助手
复习机制	固定间隔 / 用户手动设置	AI 根据个体遗忘曲线自动优化
交互方式	被动点击选择	主动式 AI 语音对话抽背
知识关联	无关联	智能关联相关知识点，形成知识网络
学习场景	静态学习	主动抽背 + 被动复习双模式结合

一句话价值主张： "AI 懂你何时会忘，在遗忘前精准复习"

🎯 项目分类与确认

项目类型确认

分类维度	分类结果	确认依据
项目类型	Mobile App（微信小程序）	目标用户主要使用微信，降低使用门槛
领域	EdTech（教育科技）	K12/职业考试学习辅助工具
复杂度	Medium-High（中高）	AI 语音交互 + 个性化算法 + 知识图谱
项目背景	Greenfield（绿地项目）	全新产品，无历史包袱
目标市场	中国市场	主要面向中文用户，适配微信生态

项目类型决策分析

为什么选择微信小程序？

因素	分析
用户触达	微信月活 13 亿，覆盖 95%+ 目标用户
开发成本	无需下载安装，降低获客成本
跨平台	一套代码覆盖 iOS + Android
分享裂变	天然支持社交分享，利于 K-factor > 1
支付便捷	微信支付集成，付费转化率高

为什么不是其他选项？

选项	为什么不选
原生 App	开发成本高（iOS + Android），下载门槛高
H5 网页	体验不如小程序，无法利用微信生态
快应用	用户基数小，生态不成熟

复杂度评估

复杂度维度	评估	说明
技术复杂度	中高	AI 集成、语音识别、个性化算法
业务复杂度	中	教育领域，业务逻辑相对清晰
集成复杂度	中	需集成微信 SDK、AI API、支付等
数据复杂度	中高	个性化数据、知识图谱、学习分析

项目边界确认

在范围内（做什么）：

✅ K12 学科知识抽背（语文、英语、历史等）
✅ 职业考试知识点抽背（教师资格证、会计师等）
✅ AI 语音对话抽背
✅ 个性化复习提醒
✅ 学习数据统计与分析

不在范围内（不做什么）：

❌ 视频课程内容（不做内容生产）
❌ 在线直播教学（不做实时互动）
❌ 题库搜题（不做搜题功能）
❌ 社交社区（MVP 不做，Phase 2 考虑）
❌ 企业版/B2B（专注 C 端用户）

领域关键关注点

学生隐私合规：COPPA/FERPA、《个人信息保护法》
内容质量管控：教育专家审核，AI 辅助生成
无障碍设计：WCAG AA 标准，支持语音交互
记忆曲线算法：基于艾宾浩斯曲线，有学术支撑

🎯 成功标准

用户成功

核心成功时刻：考试成功

用户在考试中发现自己能够轻松回忆起通过 AI 智能抽背助手学习的知识点，从"背了忘、忘了背"的循环中解脱出来，体验到"这 APP 太管用了"的价值感受。

关键感受：

不是"我学了很多"，而是"我记住了，考试用上了"
学习效果的可视化反馈带来成就感
从被动学习转变为主动掌握

商业成功

用户留存率：次日留存 > 40%，7日留存 > 25%
用户活跃度：DAU/MAU > 0.3（月活跃用户中30%日活）
病毒系数：K-factor > 1.0（通过分享功能带来自然增长）
付费转化率：免费用户 → 付费会员转化率 > 5%

技术成功

AI 准确率：语音识别准确率 > 95%，答案判定准确率 > 90%
系统性能：API 响应时间 < 500ms（P95），抽背交互延迟 < 1s
记忆曲线算法：复习提醒时机匹配度 > 85%（用户反馈"提醒时机恰当"）
系统稳定性： uptime > 99.5%

👥 用户旅程

主要用户类型

高中生小明（16岁）：备战期末考试，需要背诵大量古诗词和英语单词
大学生张芳（20岁）：准备教师资格证考试，需要记忆教育学知识点
职业考生李华（28岁）：备考会计师，需要记忆会计准则和公式

旅程一：高中生小明（期末考试冲刺）

场景：距离期末考试还有2周，小明发现自己背过的古诗词又忘了

旅程步骤：

注册登录：通过微信快捷登录，系统引导完善年级、学科信息
首次抽背：选择"古诗词"模块，AI 语音提问"请背诵《望岳》"
实时反馈：小明回答后，AI 指出"忘记了'会当凌绝顶'这句"，标记为待复习
复习提醒：第二天晚上8点，推送"该复习《望岳》啦！"
考试成功：期末考试古诗题全对，小明感叹"这 APP 太神了！"

关键体验点：

AI 语音交互自然流畅
复习提醒时机精准（确实在快要忘的时候推送）
可视化进度反馈（记忆曲线图）带来成就感

旅程二：大学生张芳（职业资格考试）

场景：张芳白天上课，只能利用碎片时间复习

旅程步骤：

任务制定：设置"每天刷50道教育学题目"任务
碎片时间抽背：在等公交车时，打开小程序进行5分钟快速抽背
挖空填空：遇到难记的知识点，使用挖空模式强化记忆
关联试题：背完知识点后，直接跳转关联试题检验应用能力
学习统计：周末查看学习报告，发现"教育心理学"章节错误率最高
针对性复习：重点复习教育心理学，下次抽背正确率提升30%

关键体验点：

支持碎片化学习（5分钟也能完成一次抽背）
多种学习模式（抽背、挖空、卡片）适应不同场景
数据驱动的学习分析帮助精准提升

旅程三：故障恢复场景

场景：用户在使用过程中遇到问题

处理流程：

语音识别失败：系统提示"抱歉没听清，请再说一次"，提供文字输入备选
网络异常：本地缓存已抽背内容，网络恢复后自动同步
AI 判定错误：提供"申诉"按钮，用户可反馈"我答对了"，系统记录并优化算法

🌍 领域分析

EdTech 行业背景

市场规模：

全球 EdTech 市场规模预计 2025 年达到 4040 亿美元
中国在线教育市场规模超过 4000 亿元人民币
K12 在线教育渗透率超过 35%

行业趋势：

AI 个性化学习：从"一刀切"转向"因材施教"
碎片化学习：利用碎片时间进行高效学习
游戏化学习：通过激励机制提升学习动力
多模态交互：语音、AR/VR 等交互方式普及

目标领域细分

细分领域	市场特点	用户痛点	AI 智能抽背助手定位
K12 教育	竞争激烈，家长付费意愿强	记忆负担重，遗忘快	核心目标市场
职业考试	刚需强，客单价高	工作学习冲突，时间少	重点拓展市场
语言学习	市场大，竞争激烈	需要持续练习	差异化补充
兴趣爱好	付费意愿相对较低	缺乏系统性	未来探索

竞品分析

竞品	核心功能	优势	劣势	我们的差异化
Anki	间隔重复卡片	成熟算法，开源社区	界面陈旧，学习曲线陡峭	AI 语音交互 + 艾宾浩斯算法
百词斩	图片记忆单词	用户量大，内容丰富	仅限英语单词	全学科知识抽背
Quizlet	学习卡片和测验	国际化，功能丰富	付费墙，国内访问受限	本土化 + 免费基础功能
作业帮/小猿搜题	搜题答疑	用户基础大	主要解决"不会做"，而非"记不住"	专注记忆巩固

领域特定挑战

教育科技领域的特殊挑战：

学生隐私保护
- 需符合 COPPA（儿童在线隐私保护法）
- 需符合中国《个人信息保护法》
- 未成年用户需监护人同意
内容质量管控
- 知识点内容需经过教育专家审核
- 避免 AI 生成错误或误导性内容
- 建立内容更新和纠错机制
认知科学依据
- 记忆曲线算法需有学术支撑
- 复习效果需可量化验证
- 避免过度营销承诺
教育公平性
- 避免"数字鸿沟"加剧
- 基础功能免费，降低使用门槛
- 支持离线功能，减少网络依赖

监管合规要求

合规领域	要求	应对措施
数据安全	等保三级认证	数据加密存储，定期安全审计
内容合规	教育部内容审核机制	建立内容审核团队，对接审核平台
隐私保护	《个人信息保护法》	明确隐私政策，用户数据可导出/删除
未成年人保护	防沉迷机制	限制使用时长，夜间模式提醒休息

💡 创新分析

核心创新点

1. AI 驱动的个性化遗忘曲线

传统方法：

固定间隔复习（1天、3天、7天）
所有用户使用相同间隔

我们的创新：

个性化遗忘曲线算法
├── 基于个体表现动态调整
│   ├── 答对次数多 → 延长间隔
│   ├── 答错或犹豫 → 缩短间隔
│   └── 遗忘高峰前 → 提前提醒
├── 考虑因素
│   ├── 知识点难度系数
│   ├── 用户历史记忆表现
│   ├── 时间段记忆效率（早上/晚上）
│   └── 相似知识点干扰效应
└── 持续优化
    ├── 每次抽背后更新模型
    └── 100次抽背后准确度 > 85%

技术实现：

基础算法：艾宾浩斯遗忘曲线
优化算法：贝叶斯知识追踪（BKT）
机器学习：XGBoost 预测遗忘概率

2. 主动式 AI 语音对话抽背

传统方法：

被动式卡片翻转（Anki）
静默式选择题测验

我们的创新：

AI 主动提问：模拟老师抽背场景，更有压力感和参与感
语音交互：解放双手，适合碎片时间
多模态反馈：语音 + 文字 + 表情三重反馈
自然对话：支持追问、提示、鼓励等对话技巧

技术实现：

语音识别：Web Speech API / 微信语音识别 SDK
自然语言理解：LLM（GPT-4 / Claude）
语音合成：TTS（文字转语音）

3. 知识图谱智能关联

传统方法：

知识点独立学习
无关联推荐

我们的创新：

知识图谱关联
├── 同类知识点
│   └── "《望岳》→ 其他杜甫诗作"
├── 前置知识点
│   └── "《望岳》→ 杜甫生平背景"
├── 相关试题
│   └── "《望岳》→ 历年考题"
└── 易混淆点
    └── "《望岳》vs《春望》"

用户价值：

从"点状记忆"到"网状记忆"
提高知识迁移能力
减少遗忘率（关联记忆更牢固）

4. 双模式学习设计

模式	适用场景	设计特点
主动抽背模式	深度学习，强化记忆	AI 主动提问，语音对话，有压力感
被动复习模式	碎片时间，轻松巩固	卡片滑动，挖空填空，无压力

创新价值：

不同场景切换不同模式
避免单一模式疲劳
提高用户粘性（日活 > 月活）

技术创新

技术领域	创新点	技术方案
NLP	答案语义理解	LLM + Few-shot Learning
语音	中文语音识别优化	微信语音识别 + 自定义纠错模型
算法	个性化记忆曲线	艾宾浩斯 + BKT + XGBoost
推荐	知识图谱关联	Neo4j 图数据库 +协同过滤

模式创新

从"工具"到"伙伴"：

传统学习应用：工具属性，冷冰冰
AI 智能抽背助手：伙伴属性，有温度

设计体现：

AI 虚拟人物形象（可自定义）
对话式交互（"小明同学，今天该复习啦"）
情感化反馈（"太棒了！" "没关系，再试试"）

🎨 产品范围

MVP - 最小可行产品（Phase 1）

模块 1：用户管理

功能	优先级	描述
注册登录	P0	手机号/邮箱注册（验证码验证）\n微信/QQ/微博第三方快捷登录
个人信息编辑	P1	头像上传（裁剪、压缩）\n昵称修改\n性别、个人简介编辑
账号设置	P1	修改密码（验证原密码/验证码）\n更换绑定手机号（双重验证）

技术要求：

密码加密存储（bcrypt）
JWT Token 认证
符合隐私合规（GDPR/COPPA）

模块 2：收藏与分享

功能	优先级	描述
题目收藏	P0	收藏题目\n添加收藏标签（如"高频考点"）\n按标签分类筛选
分享功能	P1	分享题目（含解析）\n分享考试结果\n分享学习心得\n支持微信、QQ、微博分享

技术要求：

分享内容自带 APP 入口链接（Deep Link）
收藏列表支持批量操作

模块 3：任务制定

功能	优先级	描述
学习任务设置	P0	设置每日学习任务（如"每天刷50道题"）\n任务对应时间点
学习提醒	P0	手机通知栏推送提醒\n支持任务完成标记

技术要求：

支持自定义提醒频率
本地通知调度（iOS/Android Push）

模块 4：AI 语音抽背（核心模块）

子功能	优先级	描述
4.1 抽背模式设定	P0	语音/文字输入提问\n选择抽背范围（学科章节、错题本、收藏题）\n抽背方式（顺序/随机）\n抽背间隔时间（30秒/60秒/90秒/自定义）
4.2 抽背过程交互	P0	语音/文字展示抽背内容\nAI 即时判断正误\n错误时给出正确答案+解析\n自动标记错误内容为"待再次抽背"\n语音播报（语速可调节）
4.3 抽背结果反馈	P0	生成抽背报告（正确率、错误题目、用时）\n提供复习建议（关联知识点回顾、推荐练习题目）\n报告保存30天
4.4 记忆曲线助力	P0	艾宾浩斯记忆曲线算法\n在遗忘临界点推送再次抽背提醒（1天后、3天后、7天后、15天后）\n记忆曲线可视化
4.5 抽背内容后台查询	P1	后台查看用户抽背记录\n按用户、时间筛选查询\n数据导出（Excel）

UI/UX 设计规格：

主入口界面：虚拟人物展示区（30%高度）+ 4个抽背考点按钮（2x2网格）+ "点击进行抽背"主按钮
AI抽背界面：设置入口 + AI引导语 + 当前题目显示 + 麦克风按钮 + 实时语音转文字 + 反馈区
抽背报告页：正确率环形图 + 错误题目列表 + 复习建议 + 操作按钮（返回、分享、重新抽背）
记忆曲线界面：复习计划日历 + 记忆强度曲线 + 复习优先级标记
后台管理界面：数据概览卡片 + 详细数据表格 + 可视化图表

技术要求：

语音识别准确率 > 95%
AI 答案判定准确率 > 90%
记忆曲线算法基于艾宾浩斯遗忘曲线
避免在 22:00-8:00 推送提醒

模块 5：要点背诵

子功能	优先级	描述
5.1 文字抽背（卡片式）	P0	知识点卡片形式展示\n左右滑动切换卡片\n标记"已记住"/"未记住"\n未记住卡片自动进入待复习列表
5.2 音频带背（挖空交互）	P1	知识点挖空处理（如"麻黄汤的组成包括麻黄、桂枝、杏仁和______"）\n"看答案"/"隐藏答案"按钮\n支持朗诵知识点（音频录制）\n填入答案后即时判断正误
5.3 关联试题	P1	针对当前背诵知识点推荐关联试题\n点击跳转至试题页面

技术要求：

卡片支持自定义背景色
音频带背支持暂停/重播
关联试题精准匹配知识点

📋 功能需求详细规格

功能需求概述

本产品包含 5 大核心模块，共 25+ 个子功能点。以下是详细的功能规格说明。

模块 1：用户管理（User Management）

1.1 注册登录（FR-UM-001）

需求ID	功能描述	验收标准	优先级
FR-UM-001-01	手机号注册	输入手机号 → 接收验证码 → 验证通过 → 创建账号	P0
FR-UM-001-02	微信快捷登录	点击微信登录 → 授权 → 自动创建/绑定账号	P0
FR-UM-001-03	QQ/微博登录	点击第三方登录 → 授权 → 自动创建/绑定账号	P1
FR-UM-001-04	自动登录	7天内免登录，Token 自动刷新	P0

数据字段：

User.id（主键）
User.phoneNumber（手机号，唯一）
User.nickname（昵称）
User.avatar（头像URL）
User.thirdPartyAuth（第三方授权信息，JSON）

1.2 个人信息编辑（FR-UM-002）

需求ID	功能描述	验收标准	优先级
FR-UM-002-01	头像上传	支持拍照/相册选择 → 自动裁剪压缩 → 上传成功	P1
FR-UM-002-02	昵称修改	2-20个字符，支持emoji，不可重复	P1
FR-UM-002-03	个人信息	性别、年级、学科偏好设置	P1

约束条件：

头像大小限制：< 5MB
支持格式：JPG、PNG、WEBP
头像自动压缩至 200x200px

1.3 账号设置（FR-UM-003）

需求ID	功能描述	验收标准	优先级
FR-UM-003-01	修改密码	验证原密码 → 输入新密码 → 确认新密码 → 修改成功	P1
FR-UM-003-02	找回密码	手机验证码 → 设置新密码	P0
FR-UM-003-03	更换手机号	验证原手机号 → 验证新手机号 → 更换成功	P1
FR-UM-003-04	账号注销	确认注销 → 数据删除/匿名化 → 注销成功	P0

2.1 题目收藏（FR-FS-001）

需求ID	功能描述	验收标准	优先级
FR-FS-001-01	收藏题目	点击收藏图标 → 添加到收藏列表 → 反馈提示	P0
FR-FS-001-02	添加标签	收藏时可添加标签（如"高频考点"）	P0
FR-FS-001-03	按标签筛选	选择标签 → 显示该标签下所有收藏	P0
FR-FS-001-04	批量操作	长按进入编辑模式 → 批量删除/移动标签	P1

数据字段：

Favorite.id（主键）
Favorite.userId（用户ID，外键）
Favorite.knowledgePointId（知识点ID，外键）
Favorite.tags（标签，JSON数组）
Favorite.createdAt（收藏时间）

2.2 分享功能（FR-FS-002）

需求ID	功能描述	验收标准	优先级
FR-FS-002-01	分享题目	生成分享卡片（含题目+解析）→ 分享到微信	P1
FR-FS-002-02	分享抽背结果	生成成绩报告卡片 → 分享到朋友圈	P1
FR-FS-002-03	分享学习心得	自定义文字 + 成就徽章 → 分享	P1
FR-FS-002-04	Deep Link	点击分享链接 → 打开小程序对应页面	P0

分享内容格式：

【AI 智能抽背助手】
今天抽背了 20 道古诗词，正确率 85%！
已连续学习 7 天，获得"坚持达人"徽章 🏅
快来一起学习吧！
[小程序卡片]

模块 3：任务制定（Study Task）

3.1 学习任务设置（FR-ST-001）

需求ID	功能描述	验收标准	优先级
FR-ST-001-01	创建每日任务	设置任务描述（如"每天刷50道题"）→ 保存	P0
FR-ST-001-02	设置任务时间	选择提醒时间点（如"每天晚上8点"）	P0
FR-ST-001-03	选择任务范围	选择学科/章节 → 设置题目数量	P0
FR-ST-001-04	编辑/删除任务	长按任务 → 编辑/删除选项	P1

任务类型：

每日抽背任务（AI 主动抽背）
每日复习任务（卡片复习）
每日练习任务（试题练习）

3.2 学习提醒（FR-ST-002）

需求ID	功能描述	验收标准	优先级
FR-ST-002-01	推送提醒	到达设定时间 → 小程序消息推送	P0
FR-ST-002-02	提醒内容	"小明同学，今天还有50道题未完成，加油！"	P0
FR-ST-002-03	完成标记	完成任务 → 自动标记 → 取消当天后续提醒	P0
FR-ST-002-04	免打扰时段	22:00-8:00 不推送提醒	P0

模块 4：AI 语音抽背（核心模块）

4.1 抽背模式设定（FR-QZ-001）

需求ID	功能描述	验收标准	优先级
FR-QZ-001-01	语音/文字输入选择	切换输入模式 → 保存偏好设置	P0
FR-QZ-001-02	选择抽背范围	选择学科/章节/错题本/收藏题 → 确认	P0
FR-QZ-001-03	抽背方式选择	顺序抽背 / 随机抽背 → 确认	P0
FR-QZ-001-04	抽背间隔设置	30秒 / 60秒 / 90秒 / 自定义 → 确认	P0
FR-QZ-001-05	题目数量设置	设置抽背题目数量（10/20/50/自定义）	P0

4.2 抽背过程交互（FR-QZ-002）

需求ID	功能描述	验收标准	优先级
FR-QZ-002-01	AI 语音提问	AI 虚拟人物 → 语音播报题目	P0
FR-QZ-002-02	文字展示题目	题目文字同步显示 → 支持字体缩放	P0
FR-QZ-002-03	语音识别答案	用户说话 → 实时转文字 → 显示在屏幕	P0
FR-QZ-002-04	AI 判断正误	对比答案 → 判断正确/错误/部分正确	P0
FR-QZ-002-05	错误反馈	错误时 → 显示正确答案 + 解析 → 语音播报	P0
FR-QZ-002-06	自动标记重背	答错题目 → 自动加入"待再次抽背"列表	P0
FR-QZ-002-07	暂停/继续	点击暂停 → 停止抽背 → 点击继续 → 恢复	P0
FR-QZ-002-08	退出确认	点击退出 → 确认对话框 → 确认后退出	P0

交互流程：

1. AI 提问："请背诵《望岳》"
2. 用户回答："会当凌绝顶，一览众山小"
3. 实时转文字显示
4. AI 判断：正确！
5. 反馈："太棒了！完全正确！"
   或
4. AI 判断：错误！
5. 反馈："很接近，但少了'会当凌绝顶，'"

4.3 抽背结果反馈（FR-QZ-003）

需求ID	功能描述	验收标准	优先级
FR-QZ-003-01	生成抽背报告	正确率 + 错误题目 + 用时 + 知识点覆盖	P0
FR-QZ-003-02	正确率环形图	可视化显示正确率百分比	P0
FR-QZ-003-03	错误题目列表	列出所有答错题目 → 可点击查看详情	P0
FR-QZ-003-04	复习建议	基于错误率推荐复习重点	P0
FR-QZ-003-05	报告保存	报告自动保存30天 → 可查看历史报告	P0
FR-QZ-003-06	分享报告	生成分享卡片 → 分享到微信	P1

4.4 记忆曲线助力（FR-QZ-004）

需求ID	功能描述	验收标准	优先级
FR-QZ-004-01	艾宾浩斯算法	1天/3天/7天/15天复习间隔	P0
FR-QZ-004-02	个性化调整	根据用户表现动态调整间隔	P0
FR-QZ-004-03	遗忘临界点提醒	在遗忘前推送复习提醒	P0
FR-QZ-004-04	记忆曲线可视化	图表显示记忆强度变化	P0
FR-QZ-004-05	复习计划日历	日历视图显示复习计划	P0

复习间隔算法：

基础间隔：[1天, 3天, 7天, 15天, 30天]

个性化调整：
- 答对 → 间隔 × 1.2
- 答错 → 间隔 × 0.5
- 犹豫 → 间隔 × 0.8

最小间隔：6小时
最大间隔：90天

4.5 抽背内容后台查询（FR-QZ-005）

需求ID	功能描述	验收标准	优先级
FR-QZ-005-01	用户抽背记录	按用户查询所有抽背记录	P1
FR-QZ-005-02	时间筛选	按日期范围筛选记录	P1
FR-QZ-005-03	数据导出	导出 Excel 格式数据	P1
FR-QZ-005-04	数据统计	正确率趋势图、活跃度统计	P1

模块 5：要点背诵（Key Point Recitation）

5.1 文字抽背卡片（FR-KP-001）

需求ID	功能描述	验收标准	优先级
FR-KP-001-01	知识点卡片展示	卡片正面显示问题，背面显示答案	P0
FR-KP-001-02	左右滑动切换	左滑标记"已记住"，右滑标记"未记住"	P0
FR-KP-001-03	点击翻面	点击卡片 → 翻转显示答案	P0
FR-KP-001-04	未记住自动复习	未记住卡片 → 自动加入待复习列表	P0
FR-KP-001-05	卡片进度	显示当前卡片位置（如"15/50"）	P0
FR-KP-001-06	自定义背景	选择卡片背景颜色/图片	P1

5.2 音频带背挖空（FR-KP-002）

需求ID	功能描述	验收标准	优先级
FR-KP-002-01	知识点挖空	自动识别关键词 → 挖空处理（如"麻黄、桂枝、杏仁和____"）	P1
FR-KP-002-02	看答案按钮	点击 → 显示挖空处答案	P1
FR-KP-002-03	隐藏答案按钮	点击 → 隐藏答案	P1
FR-KP-002-04	音频录制	用户录制自己背诵 → 保存	P1
FR-KP-002-05	填入答案判断	输入答案 → 即时判断正误	P1
FR-KP-002-06	音频播放控制	播放/暂停/重播/语速调节	P1

5.3 关联试题（FR-KP-003）

需求ID	功能描述	验收标准	优先级
FR-KP-003-01	推荐关联试题	背诵知识点 → 推荐相关试题	P1
FR-KP-003-02	点击跳转	点击试题 → 跳转至试题页面	P1
FR-KP-003-03	精准匹配	试题与知识点精准对应	P1
FR-KP-003-04	难度分级	试题按难度分级（简单/中等/困难）	P1

技术实现说明

试题来源（混合模式）

题库查询优先
- 从后台上传的题库查询相关试题
- MCP 工具：query_questions
AI 动态生成补充
- 当题库中没有相关试题时，AI 自动生成新试题
- MCP 工具：generate_question

交互流程

抽背完成 → 自动调用 MCP 工具推荐试题
用户答题 → 实时反馈
答题结果 → 更新记忆曲线 → 影响下次推荐
- MCP 工具：submit_answer

MCP 工具架构设计

1. query_questions - 根据知识点查询试题

参数	类型	必填	说明
knowledge_point_id	string	✅	知识点ID
question_type	string	❌	题型筛选 (单选/多选/判断/填空)
difficulty	string	❌	难度级别 (简单/中等/困难)
limit	number	❌	返回数量限制，默认10

返回值：试题列表（含ID、类型、内容、选项、答案、解析）

2. recommend_questions - AI 智能推荐试题

参数	类型	必填	说明
user_id	string	✅	用户ID
knowledge_point_id	string	✅	当前学习知识点ID
learning_context	object	✅	学习上下文（抽背结果、错误记录、记忆状态）
limit	number	❌	推荐数量，默认5

返回值：推荐试题列表 + 推荐理由 + 策略分析

3. generate_question - AI 生成新试题

参数	类型	必填	说明
knowledge_point_content	string	✅	知识点内容
question_type	string	✅	目标题型 (单选/多选/判断/填空)
difficulty	string	❌	难度级别，默认"中等"
count	number	❌	生成数量，默认1

返回值：生成的试题 + 置信度评分 + 是否需要人工审核

4. submit_answer - 提交答案并获取反馈

参数	类型	必填	说明
question_id	string	✅	试题ID
user_answer	string	✅	用户答案
user_id	string	✅	用户ID
time_spent	number	❌	答题用时(秒)

返回值：判断结果 + 正确答案 + 解析 + 记忆曲线更新

5. batch_recommend_by_quiz_history - 批量推荐试题

参数	类型	必填	说明
user_id	string	✅	用户ID
quiz_session_id	string	✅	抽背会话ID
question_count	number	❌	试题数量，默认10
mix_difficulty	boolean	❌	是否混合难度，默认true

返回值：练习题集 + 策略总结（针对性题数、新题数、复习题数）

技术架构影响

新增组件：

MCP 工具层：5 个试题相关工具
AI Agent：负责试题生成和推荐决策
题库管理模块：支持后台上传和管理试题
学习分析引擎：基于历史数据生成个性化推荐

数据流：

抽背完成 → 学习分析 → 推荐策略 → 混合模式（题库+AI生成） → 试题展示 → 答题反馈 → 记忆曲线更新

功能需求总结

模块	P0 功能	P1 功能	总计
用户管理	4	7	11
收藏与分享	5	3	8
任务制定	8	2	10
AI 语音抽背	24	4	28
要点背诵	11	7	18
合计	52	23	75

增长功能（MVP 后期 / Phase 2）

功能	描述
学习统计模块	数据可视化\n学习报告生成\n学习成就系统（徽章、排行榜）
社区互动模块	题目分享社区\n评论、点赞功能\n用户关注系统
模拟考试模块	智能组卷\n计时考试\n成绩分析

愿景功能（未来 / Phase 3+）

功能	描述
AI 学习助手	24/7 AI 答疑\n个性化学习路径推荐
多语言支持	支持英语、日语等多语言学习
VR/AR 学习	沉浸式学习体验

⚙️ 非功能需求

性能要求

指标	目标值	测量方法
API 响应时间	P95 < 500ms	APM 监控（如 Sentry、DataDog）
抽背交互延迟	< 1s	从用户说话到 AI 反馈的端到端延迟
页面加载时间	首屏 < 2s	Lighthouse 性能评分
语音识别延迟	< 500ms	从语音输入到文字显示
系统可用性	> 99.5%	月度 uptime 统计
并发支持	10,000 DAU	压力测试验证

安全性要求

要求	描述
数据加密	传输层加密（TLS 1.3）\n存储层加密（AES-256）
身份认证	JWT Token 认证\nToken 过期时间：7天\n支持 Refresh Token
密码安全	bcrypt 加密（cost factor >= 10）\n密码强度验证（至少8位，包含字母+数字）
隐私合规	符合 GDPR、COPPA、FERPA\n用户数据可导出/删除（GDPR "Right to be Forgotten"）
内容审核	AI 生成内容需经过敏感词过滤\n用户上传内容需人工审核机制
防护机制	API 限流（100 req/min per user）\n防 SQL 注入、XSS 攻击

可访问性要求

要求	描述
WCAG 2.1	达到 AA 级标准
屏幕阅读器	支持 VoiceOver、TalkBack
字体大小	支持系统字体缩放（最大 200%）
色彩对比度	文字与背景对比度 >= 4.5:1
语音交互	作为无障碍的补充交互方式

兼容性要求

平台	版本要求
微信	微信版本 >= 8.0
iOS	iOS >= 13.0（iPhone 6s 及以上）
Android	Android >= 8.0（API Level 26）
浏览器	Chrome >= 90、Safari >= 14、Edge >= 90

可维护性要求

要求	描述
代码质量	TypeScript 严格模式\n单元测试覆盖率 > 80%
文档	API 文档（Swagger/OpenAPI）\n代码注释覆盖率 > 60%
日志监控	结构化日志（JSON 格式）\n集成 Sentry 错误追踪
部署	CI/CD 自动化部署\n支持蓝绿部署/金丝雀发布

可用性要求

要求	描述	验收标准
易学性	新用户首次使用无需帮助即可完成核心功能	80% 新用户在 5 分钟内完成首次抽背
效率性	熟练用户可快速完成常用操作	常用操作 < 3 次点击
容错性	操作错误时有明确提示和恢复机制	误操作可撤销或二次确认
满意度	用户对产品的整体满意度	SUS 评分 > 75

NFR-US-001：易学性

首次使用引导：3步引导流程
功能提示：首次使用功能时显示气泡提示
帮助中心：内置 FAQ 和视频教程

NFR-US-002：效率性

快捷操作：支持手势操作（左滑/右滑）
智能推荐：根据使用习惯推荐下一步操作
批量操作：收藏、删除支持批量处理

数据要求

要求	描述
数据备份	每日自动备份，保留30天
数据恢复	支持 RTO < 1小时，RPO < 5分钟
数据导出	用户可导出个人数据（JSON/CSV 格式）
数据删除	支持 GDPR "被遗忘权"，30天内彻底删除
数据保留	抽背记录保留 1 年，报告保留 90 天

国际化和本地化要求

要求	描述
语言支持	MVP 阶段仅支持简体中文
时区处理	根据用户时区显示本地时间
货币显示	支持 CNY（人民币）显示
日期格式	支持中国日期格式（YYYY年MM月DD日）

Phase 2 计划：

支持繁体中文（台湾、香港）
支持英语（国际版）

可测试性要求

要求	描述
单元测试	核心业务逻辑测试覆盖率 > 80%
集成测试	API 接口测试覆盖率 > 70%
E2E 测试	核心用户旅程自动化测试
性能测试	每次发布前进行压力测试
安全测试	每季度进行渗透测试

容量和扩展性要求

要求	描述
用户规模	MVP 支持 10,000 DAU
存储容量	每用户平均 50MB，支持 50万用户
网络带宽	API 峰值带宽 > 1 Gbps
水平扩展	支持通过增加实例扩展容量
数据库扩展	支持读写分离和分库分表

扩展策略：

应用层：无状态设计，支持水平扩展
数据库层：主从复制，读写分离
缓存层：Redis 集群
文件存储：对象存储（OSS）

监控和告警要求

要求	描述
应用监控	APM 监控（响应时间、错误率、吞吐量）
业务监控	用户活跃度、抽背完成率、付费转化率
系统监控	CPU、内存、磁盘、网络
日志监控	错误日志实时告警
告警规则	P0 级别 5分钟内响应，P1 级别 30分钟内响应

告警渠道：

钉钉/企业微信群
短信告警（仅 P0）
邮件告警（P0/P1）

🏗️ 技术架构概览

前端技术栈

技术	用途
框架	Next.js 14（App Router）
UI 库	React 18 + Tailwind CSS
状态管理	Zustand / Jotai
语音识别	Web Speech API / 微信语音识别 SDK
数据可视化	Recharts / ECharts

后端技术栈

技术	用途
框架	NestJS（Node.js）
数据库	PostgreSQL 15+
缓存	Redis 7+
对象存储	MinIO（自托管） / AWS S3
AI 服务	OpenAI API / Anthropic Claude API / Ollama（自托管）
任务队列	BullMQ（基于 Redis）

基础设施

组件	描述
容器化	Docker + Docker Compose
反向代理	Nginx
监控	Prometheus + Grafana
日志	ELK Stack（Elasticsearch + Logstash + Kibana）
CI/CD	GitHub Actions

📊 数据模型概览

核心实体

实体	描述
User	用户（ID、昵称、头像、第三方账号绑定）
KnowledgePoint	知识点（ID、标题、内容、学科、章节）
QuizSession	抽背会话（ID、用户ID、开始时间、结束时间、正确率）
QuizRecord	抽背记录（ID、会话ID、知识点ID、用户答案、正确性）
ReviewPlan	复习计划（ID、用户ID、知识点ID、复习时间、记忆强度）
Favorite	收藏（ID、用户ID、知识点ID、标签）
StudyTask	学习任务（ID、用户ID、任务描述、提醒时间、完成状态）

🚀 下一步行动

立即行动

✅ UX 设计 - 创建界面原型和交互设计
✅ 技术架构设计 - 详细设计系统架构和数据模型
✅ 生成 Epics 和 Stories - 将 PRD 拆分为可执行的开发任务

后续步骤

Sprint 0 规划
开始 MVP 开发

📝 变更记录

版本	日期	变更内容	作者
1.0	2026-03-28	初始版本，完成 BMAD PRD 工作流前 6 步	BMAD & Claude
1.1	2026-03-28	完整版 PRD，完成全部 12 步 BMAD 工作流	BMAD & Claude

✅ PRD 完成总结

BMAD 工作流完成状态

步骤	名称	状态	说明
step-01	Init	✅	项目初始化，配置加载
step-02	Discovery	✅	需求发现，文档加载
step-02b	Vision	✅	产品愿景定义
step-02c	Executive Summary	✅	执行摘要编写
step-03	Success Criteria	✅	成功标准定义
step-04	User Journeys	✅	用户旅程分析
step-05	Domain Analysis	✅	领域分析（EdTech 行业）
step-06	Innovation Analysis	✅	创新分析（4 大核心创新）
step-07	Project Type	✅	项目类型确认（微信小程序）
step-08	Scoping	✅	范围界定（MVP + 增长 + 愿景）
step-09	Functional Requirements	✅	功能需求详细规格（75 个功能点）
step-10	Non-Functional Requirements	✅	非功能需求（9 大类别）
step-11	Polish	✅	文档润色和优化
step-12	Complete	✅	完成标记和验证

PRD 文档内容概览

本文档包含以下完整内容：

1. 产品定义

✅ 产品愿景和价值主张
✅ 目标用户（K12 学生、大学生、职业考生）
✅ 核心差异化（AI 驱动的个性化遗忘曲线）

2. 领域分析

✅ EdTech 行业背景和市场规模
✅ 目标领域细分
✅ 竞品分析（Anki、百词斩、Quizlet）
✅ 领域特定挑战（隐私保护、内容质量、认知科学）
✅ 监管合规要求

3. 创新分析

✅ AI 驱动的个性化遗忘曲线
✅ 主动式 AI 语音对话抽背
✅ 知识图谱智能关联
✅ 双模式学习设计

4. 成功标准

✅ 用户成功（考试成功时刻）
✅ 商业成功（留存率、活跃度、病毒系数、付费转化）
✅ 技术成功（AI 准确率、系统性能、记忆曲线算法）

5. 功能需求（75 个功能点）

✅ 模块 1：用户管理（11 个功能）
✅ 模块 2：收藏与分享（8 个功能）
✅ 模块 3：任务制定（10 个功能）
✅ 模块 4：AI 语音抽背（28 个功能）
✅ 模块 5：要点背诵（18 个功能）

6. 非功能需求（9 大类别）

✅ 性能要求（API 响应、交互延迟、系统可用性）
✅ 安全性要求（数据加密、身份认证、隐私合规）
✅ 可访问性要求（WCAG 2.1 AA 级）
✅ 兼容性要求（微信、iOS、Android）
✅ 可维护性要求（代码质量、文档、日志监控）
✅ 可用性要求（易学性、效率性、容错性、满意度）
✅ 数据要求（备份、恢复、导出、删除）
✅ 国际化和本地化要求
✅ 可测试性要求
✅ 容量和扩展性要求
✅ 监控和告警要求

7. 技术架构

✅ 前端技术栈（Next.js 14、React 18、Tailwind CSS）
✅ 后端技术栈（NestJS、PostgreSQL、Redis、AI API）
✅ 基础设施（Docker、Nginx、Prometheus、ELK）
✅ 数据模型概览（7 个核心实体）

文档统计

指标	数值
总行数	~1000+ 行
章节数	15 个主要章节
功能需求	75 个（P0: 52, P1: 23）
非功能需求	9 大类别，50+ 条具体要求
用户旅程	3 个完整场景 + 1 个故障恢复场景

下一步行动

推荐优先级：

UX 设计 🎨
- 创建界面原型
- 设计交互流程
- 定义设计系统
技术架构设计 🏗️
- 详细系统架构设计
- 数据库设计（ER 图）
- API 接口设计
生成 Epics 和 Stories 📋
- 将 PRD 拆分为 Epics
- 创建可执行的 User Stories
- 定义验收标准
Sprint 0 规划 🚀
- 团队组建
- 开发环境搭建
- 第一批 Story 估算

PRD 文档已完成！ 🎉

所有 12 步 BMAD PRD 创建工作流已全部完成，文档已通过完整性和一致性验证。

使用 BMAD 技能继续：

创建 UX 设计：lets create UX design
创建技术架构：lets create architecture
生成 Epics 和 Stories：create the epics and stories list

43 KiB Raw Permalink Blame History Unescape Escape

Product Requirements Document - AI 智能抽背助手

📋 执行摘要

产品愿景

目标用户

核心差异化

🎯 项目分类与确认

项目类型确认

项目类型决策分析

复杂度评估

项目边界确认

领域关键关注点

🎯 成功标准

用户成功

商业成功

技术成功

👥 用户旅程

主要用户类型

旅程一：高中生小明（期末考试冲刺）

旅程二：大学生张芳（职业资格考试）

旅程三：故障恢复场景

🌍 领域分析

EdTech 行业背景

目标领域细分

竞品分析

领域特定挑战

监管合规要求

💡 创新分析

核心创新点

1. AI 驱动的个性化遗忘曲线

2. 主动式 AI 语音对话抽背

3. 知识图谱智能关联

4. 双模式学习设计

技术创新

模式创新

🎨 产品范围

MVP - 最小可行产品（Phase 1）

模块 1：用户管理

模块 2：收藏与分享

模块 3：任务制定

模块 4：AI 语音抽背（核心模块）

模块 5：要点背诵

📋 功能需求详细规格

功能需求概述

模块 1：用户管理（User Management）

1.1 注册登录（FR-UM-001）

1.2 个人信息编辑（FR-UM-002）

1.3 账号设置（FR-UM-003）

模块 2：收藏与分享（Favorite & Share）

2.1 题目收藏（FR-FS-001）

2.2 分享功能（FR-FS-002）

模块 3：任务制定（Study Task）

3.1 学习任务设置（FR-ST-001）

3.2 学习提醒（FR-ST-002）

模块 4：AI 语音抽背（核心模块）

4.1 抽背模式设定（FR-QZ-001）

4.2 抽背过程交互（FR-QZ-002）

4.3 抽背结果反馈（FR-QZ-003）

4.4 记忆曲线助力（FR-QZ-004）

4.5 抽背内容后台查询（FR-QZ-005）

模块 5：要点背诵（Key Point Recitation）

5.1 文字抽背卡片（FR-KP-001）

5.2 音频带背挖空（FR-KP-002）

5.3 关联试题（FR-KP-003）

技术实现说明

试题来源（混合模式）

推荐机制（AI 智能推荐）

交互流程

MCP 工具架构设计

1. query_questions - 根据知识点查询试题

2. recommend_questions - AI 智能推荐试题

3. generate_question - AI 生成新试题

4. submit_answer - 提交答案并获取反馈

5. batch_recommend_by_quiz_history - 批量推荐试题

技术架构影响

功能需求总结

增长功能（MVP 后期 / Phase 2）

愿景功能（未来 / Phase 3+）

⚙️ 非功能需求

性能要求

43 KiB

Raw Permalink Blame History