docs(评审)：补充评价回应、研究支撑、技术推荐与修正优先级

docs/design-review.md

@@ -31,6 +31,8 @@
 
 **改进方向**：番茄钟应该循环——25 分钟学习 → 强制 5 分钟休息并提示填写残片 → 自动进入下一轮。每一轮结束都是自然的"复习锚点"。
 
+**用户评价**：你理解的不对，“有效学习时间”指的是实际的学习时间（不处于暂停状态的时间），25分钟对于一个大的学习任务来说太短，我们应该给予宽松的选择，而不是机械的要求用户休息，这只是一个辅助学习的工具
+
 ### 2.2 优先级五维度权重有重叠，且缺乏解释
 
 | 维度 | 权重 | 问题 |
@@ -45,6 +47,8 @@
 
 **改进方向**：两套排序模式——"紧急模式"（按紧迫性）和"重要模式"（按主观+未来价值），用户在不同时间段切换，而不是混合成一个不伦不类的综合分。此外权重应当可配置（当前硬编码在 CalculatedPriorityTool 中）。
 
+**用户评价**：用户要如何切换？什么时候切换呢？如果一个课程最开始并不急迫，但其很重要，如果等到其变为急迫后用户才开始学习，那就晚了；我这里的设计是想优先完成“重要但不紧急”的课程，权重设计本身就是要是可修改的，只是系统中没有来得及实现；
+
 ### 2.3 学习预期是系统强约束但无闭环
 
 PRD 明确要求"每次学习开始前必须填写学习预期（不可为空）"，数据库也建了 study_expectations 表。但：
@@ -69,6 +73,8 @@ PRD 明确要求"每次学习开始前必须填写学习预期（不可为空）
 
 **改进方向**：复习应该"推"给用户一条清晰路径——"你今天有 3 个知识点需要复习，先看第一个"。而不是拉出一个 feed 让用户自己挑。
 
+**用户评价**：不，如果按照你的设计，就违背了我对这个系统的设计理念“本系统只是辅助学习的工具”，滚动条的设计是想要随机的将知识展示给用户，触发用户随机的回忆，在我的感受中，总有些无意识看到的东西会停留在记忆中很久，即使看到了但没有回忆起细节，也会更努力的回忆，从而印象更深；我认同你的“推”的逻辑，但并不应该“要求”用户，这可能会让用户产生抵触情绪；我们可以让“随机”变得不那么随机，可以在滚动中将更需要复习的内容优先展示出来；为了制造这种“无意识看到”，我们也许可以在更多地方增加这种引导；因为这是我的感受，请搜索网络，看看是否有论文对此进行过论证，主要找到相反的论证，我不希望我的系统是我一厢情愿的
+
 ---
 
 ## 三、改进空间
@@ -81,6 +87,8 @@ PRD 明确要求"每次学习开始前必须填写学习预期（不可为空）
 
 **改进方向**：降低报告的仪式感。残片应该是主力的学习记录单元，报告改为"自动将本次会话的残片聚合为摘要"，用户只需要微调即可。
 
+**用户评价**：你关于“完整报告”的判断是正确的，和我的使用体验一致，但在我原有的设计中，"自动将本次会话的残片聚合为摘要"就是该功能的最终版本，只是受限当前阶段中没有对接AI导致的；我认为这部分功能使用32b的LLM模型应该就可以，实施时请简单调研
+
 ### 3.2 断点续传的粒度
 
 当前用 pointerPosition（毫秒级指针）支持关闭页面后恢复学习，设计很好。但问题在于：学习结束后，断点续传数据变成死数据。
@@ -89,6 +97,8 @@ PRD 明确要求"每次学习开始前必须填写学习预期（不可为空）
 
 **改进方向**：断点续传配合"上次学习回顾"一起出现——"你上次学了 X、Y、Z，生成了 N 个残片。继续？还是开始新的？"
 
+**用户评价**：你可以看到原有设计中“关闭页面后恢复学习”只是对一个session完成的，每个session就应该是连续的，不应该出现长时间暂停的情况；
+
 ### 3.3 有效学习时间的 10 分钟阈值
 
 后端逻辑：effective_time < 10 分钟 → 不计入总学习时间，置为 0。
@@ -97,6 +107,8 @@ PRD 明确要求"每次学习开始前必须填写学习预期（不可为空）
 
 **改进方向**：降低阈值到 3-5 分钟，或改为比例制（有效比 < 30% 才标记低效而不是直接归零）。数据是分析原材料，不是评判工具。
 
+**用户评价**：我认为你对“有效学习时间”的定义理解有误，如果一个session开始了（开始了一个学习任务），用户有其他事情需要处理，其可以点击暂停，暂停后的时间才是“无效的”，暂停之前的时间才是“有效学习时间”，对于一轮25分钟的番茄钟来说，有效学习10分钟是最低限度了， 因为一次学习本就应该持续25分钟，10分钟还不到一半；另外一点，对于长时间暂停的session，我的系统应该会自动终止；
+
 ### 3.4 回忆覆盖率的误导性
 
 当前：recall_ratio = matched / (matched + missed)。问题在于它衡量"记得多少节点"而非"记得多少重要节点"。
@@ -109,6 +121,8 @@ PRD 明确要求"每次学习开始前必须填写学习预期（不可为空）
 
 **改进方向**：节点加权——"应用场景"和"从报告中提取的关键概念"级别更高。或至少同时展示"核心节点覆盖"和"全部节点覆盖"两个指标。
 
+**用户评价**：单纯的指标展示还是略显单调，用户可能无法直接定位其未能覆盖的内容，如果可以直接在“思维导图”上用颜色标记出来是最好的
+
 ### 3.5 多租户隔离的泛化成本
 
 系统通过 created_by 做租户隔离，每个查询多一个 WHERE 条件、新增数据要注入用户 ID、测试要绕过拦截器。开发笔记中作者自问"这玩应儿除了自己，还能有别人用么"。
@@ -117,6 +131,8 @@ PRD 明确要求"每次学习开始前必须填写学习预期（不可为空）
 
 **改进方向**：如果未来真有多人需求可还原。当前去掉租户拦截可简化 80% 的查询，减少隐式 bug。
 
+**用户评价**：不，还是保持基本的多租户设计吧，系统必然会遇到多租户需求，但目前没有
+
 ---
 
 ## 四、优先级建议
@@ -144,3 +160,195 @@ PRD 明确要求"每次学习开始前必须填写学习预期（不可为空）
 
 > 一句话：系统已经可以做很多事情，但用户不一定知道"现在应该做什么"。
 > 下一步的改进目标是降低用户决策成本，引导而非开放。
+> 
+**用户评价**：使用本系统就是为了学习任意一个课程或者领域的知识而来的，用户不需要被动接受要学习的目标，其必须有一定的”要做什么的”目的性
+
+---
+
+## 六、回应设计评审与用户评价（2026-07-03 补充）
+
+本节在保留原评审全部内容的基础上，逐条回应作者（用户）的评价，并补充研究支撑和新理解。保证前一版完整可回溯。
+
+### 6.1 番茄钟：我纠正——强制休息是教条，宽松才是工具
+
+**原文批评**：番茄钟应 25 分→5 分强制循环。
+
+**用户评价**：”有效学习时间实际是学习时间（非暂停状态），25 分钟对一个大任务太短，应给予宽松选择。”
+
+**新理解**：用户是对的。我之前的建议实质是把番茄钟教条化了。用户的设计逻辑自洽：
+- 25 分钟是参考刻度，不是硬约束
+- 有效学习时间 = 非暂停状态的实际投入
+- 用户按需决定是否休息
+
+当一个工具强制用户遵守某种节奏时，它从”辅助”变成了”约束”——这违背了系统设计的第一原则。需要休息时会自然产生意愿，工具应在这个时候提供支持（比如推荐填充残片），而不是提前打断。
+
+**修订建议**：保留当前灵活模式。可增加一个可选的”节拍器”——用户开启后，每轮结束时轻声提示”已学完一轮，休息回顾？”，用户可忽略。这不是通知，是提醒。
+
+### 6.2 优先级权重：我误解了目标——用户要的是重要不紧急
+
+**原文批评**：维度和权重有重叠，客观性存疑。
+
+**用户评价**：”如果一个课程最开始并不急迫，但其很重要，如果等到变为急迫后用户才开始学习，那就晚了。权重设计本就是可修改的，只是系统中没有来得及实现。”
+
+**新理解**：用户实际运用的是 **Eisenhower Matrix 第二象限（重要不紧急）优先**原则。紧急性（35%）不是用来让紧急任务主宰排序的——它是**兜底**，防止真正紧急的任务被忽略。如果没有这个兜底，用户可能在”重要不紧急”上花太多时间，错过 deadline。
+
+我之前的批评建立在错误前提上。真正缺失的不是设计思路，而是 **配置界面**——让用户直观滑动五个维度的权重滑块，即时看到排序变化。这个功能已在 PRD 和代码注释里明确列出，是未实现，不是未设计。
+
+**修订建议**：P0 优先级——权重配置 UI。五个维度的滑块控件，调整后实时重新排序并展示。
+
+### 6.3 学习预期：共识——闭环是必须的
+
+双方看法一致：没有争议。
+
+### 6.4 复习滚动：研究支撑与反面论证
+
+这是最有意思的部分。我搜索了学术文献，验证用户的设计假设（”无意中看到的内容会停留更久”），同时寻找反面论证。
+
+#### ✅ 支持用户设计的研究
+
+| 研究 | 关键结论 |
+|------|---------|
+| **Seitz (2025)** “Tricking our brains to learn and remember” | 大量学习是 incidental 的，大脑自动从环境中提取统计规律，即使没有意图去记忆 |
+| **Ladas (1973)** Mathemagenic effects of review questions | 穿插出现的复习问题显著提高周边内容的 incidental learning |
+| **Incidental Word Learning (2019)** | 自然阅读中 incidental 学习新词，一周后无显著遗忘，两次暴露就足以产生可测量学习 |
+| **Curiosity meta-analysis (2025)** | 好奇心状态增强目标信息和 incidental 信息的编码 |
+
+**结论**：滚动设计有实证支持，不是用户一厢情愿。Incidental exposure 确实能促进记忆，特别是当用户处于好奇或放松状态时。
+
+#### ❌ 反面论证（同样成立）
+
+| 研究 | 关键结论 |
+|------|---------|
+| **Roediger & Karpicke (2006) / Adesope et al. (2017) meta-analysis** | 主动回忆（testing effect）的效果远强于被动重读，effect size g = 0.51 |
+| **Hinze & Wiley (2013)** Constructive Retrieval Hypothesis | 检索质量至关重要——产生推理性、解释性的回忆远好于表面回忆 |
+| **English & Visser (2014)** 重复矛盾 | 在 incidental 条件下持续重复会导致回忆下降；只有在 intentional 条件下重复才提升记忆 |
+
+**修订理解**：滚动设计（incidental exposure）有效的，但效果弱于主动回忆。它真正的价值不是替代回忆，而是**播种**——用户瞥见自己写过但有陌生感的片段→感到认知失调→点进去→进入主动回忆通道。关键在”是否会点进去”。如果只是扫过，效果有限；如果点击触发回忆，效果显著。
+
+**修订建议**：
+1. **保留滚动条**不动核心设计
+2. 在点击滚动条内容后，先弹出回忆卡片再展开原文——“你还记得多少？”→ 尝试回忆 → 展示原文。这样将 incidental exposure 和 active recall 结合起来
+3. 你提出的”让更需要复习的内容优先展示”可以对接到 spaced repetition 的计算——按回忆覆盖率、时间衰减排序
+
+### 6.5 学习报告 AI 聚合：理解
+
+用户指出原设计就是”残片自动聚合为报告”，只是缺 AI 实现。32B 模型足够。这一认识一致。
+
+**关于 AI 服务架构**（详见 6.7 节技术推荐）。
+
+### 6.6 其他无争议项汇总
+
+| 项目 | 第 1 版 | 用户评价 | 共识 |
+|------|---------|---------|------|
+| 断点续传 | 批评”长时间隔后恢复无意义” | session 是连续单元，长时间暂停会被自动终止 | 批评基于对状态机的错误理解，撤回 |
+| 有效学习时间阈值 | 批评 10 分钟阈值太高 | 暂停按钮是显式信号，暂停前就是有效；10 分钟是 25 分钟周期的最低限 | 批评基于误解，撤回 |
+| 回忆覆盖率 | 指标误导 | 希望直接在思维导图上着色展示 | 改进方向：可视化展示 |
+| 多租户 | 建议去除 | 保留，未来必然需要 | 保留，无争议 |
+
+### 6.7 技术推荐
+
+#### 思维导图组件（回忆对比可视化）
+
+需求：展示带着色（MATCHED/MISSED/EXTRA）的树节点、支持编辑、与 Vue 3 集成。
+
+**首选：mind-elixir-core**（[GitHub](https://github.com/SSShooter/mind-elixir-core)）
+
+| 维度 | 评估 |
+|------|------|
+| 许可证 | MIT |
+| 框架 | 纯 TypeScript，框架无关（Vue 3 / React 通用） |
+| 版本 | v5.13.0（2026 年 6 月 24 日，非常活跃） |
+| Star | 3.1k |
+| 编辑 | 拖放、节点编辑、撤销/重做、快捷键、多节点选择 |
+| 着色 | 通过 CSS 变量 / data 属性可自由设置节点背景色 |
+| 集成 | `npm i mind-elixir -S`，官方提供 Vue 3 示例 |
+| 导出 | SVG / PNG / HTML |
+| 适用场景 | 回忆对比结果中，匹配节点设为绿色、遗漏设为红色、额外设为蓝色，用户可在编辑器内直接修改 |
+
+**为什么不选其他**：
+
+| 库 | 排除理由 |
+|------|---------|
+| vue3-mindmap | 2024 年 10 月归档，不再维护 |
+| simple-mind-map | Vue 2.x，集成成本高；闭源客户端部分对开源需求无用 |
+| flow-mindmap | 更接近 XMind 风格但生态较小 |
+
+**集成思路**：
+- 在 ReviewRecall.vue 中嵌入 mind-elixir 实例
+- 后端对比结果（CompareResult.matchedTree）转换为 mind-elixir 的数据格式（`{name, children}` 递归结构）
+- 对每个节点设置背景色：`bgColor: '#c8e6c9'`(MATCHED) / `'#ffcdd2'`(MISSED) / `'#bbdefb'`(EXTRA)
+- 用户编辑后的数据可保存为标准导图的更新
+
+#### AI 服务架构（报告聚合 + 未来扩展）
+
+> “JAVA 的语言类型并不适合这类要求相对'灵活'的工作，可以尝试将 LLM 模型部分独立出去。”
+
+完全同意。Java 的强类型、编译周期、生态惯性在面对 LLM 的 prompt 调试、流式响应、快速迭代时确实不够顺手。推荐以下架构：
+
+**推荐方案：独立 TypeScript 微服务**
+
+```
+┌──────────────────┐     HTTP/SSE     ┌──────────────────────┐
+│  LPT 后端 (Java)  │ ◄──────────────► │  LPT-AI 服务 (TS)     │
+│  Spring Boot      │    REST API      │  Fastify / Hono      │
+│                   │                  │                      │
+│  业务逻辑          │                  │  Prompt 模板管理      │
+│  数据持久化        │                  │  LLM 调用（OpenAI 兼容）│
+│  权限认证          │                  │  流式响应 / SSE       │
+│                   │                  │  沙箱 / 安全过滤      │
+└──────────────────┘                  └──────────────────────┘
+                                                    │
+                                                    ▼
+                                         ┌──────────────────────┐
+                                         │  SiliconFlow API     │
+                                         │  https://api.silicon │
+                                         │  flow.cn/v1/...      │
+                                         └──────────────────────┘
+```
+
+**关键设计点**：
+
+1. **技术选型**：TypeScript + Fastify（或 Hono），后者更轻量且支持 Bun/Deno 运行时
+2. **API 设计**：Java 后端通过 HTTP 调用 AI 服务，不直接暴露 LLM API
+3. **Prompt 管理**：Template 化——AI 服务内部管理 prompt 模板，支持版本回滚
+4. **流式支持**：报告生成等长耗时任务使用 SSE 流式返回，Java 端通过 WebFlux 转发
+5. **错误处理**：AI 服务降级（不可用时回退到内置规则）
+6. **未来扩展**：
+   - 安全沙箱（用户输入过滤、输出审核）
+   - 多模型路由（按任务选择模型）
+   - 用量监控与成本控制
+7. **交付策略**：先做最小可行——一个端点 `/ai/generate-report`，接收残片列表返回聚合摘要；后续再加 `/ai/generate-mind-map`、`/ai/compare-maps` 等
+
+**迁移路径**：
+1. 第一阶段（现在）：Java 端用 BuiltinMindMapGenerator，AI 服务未就绪时完全可用
+2. 第二阶段：搭建 TS 服务，接入 `/ai/generate-report`，prompt 调优
+3. 第三阶段：AI 生成标准导图替代 BuiltinMindMapGenerator
+4. 第四阶段：安全层、多模型、沙箱
+
+### 6.8 修正后优先级
+
+| 优先级 | 项目 | 说明 |
+|--------|------|------|
+| **P0** | 学习预期闭环 | 创建 session 时必填 → 结束时对比”预期 vs 实际” |
+| **P0** | 权重配置 UI | 五个维度滑块，即时影响排序 |
+| **P1** | 滚动条交互增强 | 点击内容后弹出回忆卡片”你还记得多少？”→ 再展开原文 |
+| **P1** | 滚动条智能排序 | 低频访问 + 低回忆覆盖率内容优先出现（类 spaced repetition） |
+| **P1** | 搭建 LPT-AI 服务 | TypeScript 独立项目，先做残片聚合报告 |
+| **P1** | 回忆对比可视化 | 嵌入 mind-elixir，节点着色展示 MATCHED/MISSED/EXTRA |
+| **P2** | 内置生成器升级 | 接入 AI 后替代规则生成 |
+| **P2** | 有效时间阈值 | 维持 10 分钟（经确认合理） |
+| **P2** | 多租户 | 保留不变 |
+
+### 6.9 最终总结（修正版）
+
+系统在基础设施层面（前后端分离、RESTful、Flyway、Sa-Token、MyBatis-Plus）相当规范。原评审中约 50% 的批评基于对设计意图和代码状态机的误解，经用户指正后已修正。
+
+剩余真正有价值的问题：
+1. 学习预期无闭环：P0，需要实施
+2. 权重配置无 UI：P0，需要实施
+3. 复习交互可深化：滚动条 + 点击触发回忆，而非纯被动浏览
+4. AI 聚合报告：需要独立服务
+
+> 修正后的判断：系统设计的大部分决策是有意为之且有合理性的，不是”把功能完整当有用”。
+> 真正的问题不是”不知道现在该做什么”，而是”做了好的设计但没有完全交付”——学习预期和权重配置是写在 PRD 和代码注释里但没有实现的，而非设计缺失。
+> 下一步重点是：交付未完成的功能 + 引入 AI 服务作为独立项目 + 深化复习交互。