docs: 修正紧急性维度注释命名

chore: 添加 .gitattributes 规范行尾
docs: 更新 API 端点总览
2026-09-13 22:55:26 +08:00 · 2026-08-26 21:13:14 +08:00 · 2026-08-26 21:13:14 +08:00 · 2026-08-15 21:24:59 +08:00 · 2026-08-05 23:35:10 +08:00 · 2026-08-03 23:20:01 +08:00
13 changed files with 187 additions and 981 deletions
@@ -0,0 +1,4 @@
 # 行尾规范：文本文件统一 LF，Windows 批处理保留 CRLF
 * text=auto eol=lf
 *.bat text eol=crlf
 *.cmd text eol=crlf
@@ -44,16 +44,17 @@ lpt-be/src/main/java/com/guo/learningprogresstracker/
 - entity 使用 `@TableName`、`@TableField` 映射数据库字段。
 - mapStruct 承载 DTO 转换。
-## API 端点总览（32 个）
+## API 端点总览（44 个）
 | 模块 | 端点数 | 端点 |
 |------|--------|------|
-| 学习会话 | 9 | `POST /study-sessions/{taskNum}/start`, `PUT .../pause`, `PUT .../resume`, `PUT .../end`, `POST .../fragments`, `GET .../history`, `PUT .../expectation`, `GET .../expectation`, `GET .../report-draft` |
+| 登录认证 | 2 | `POST /login`, `POST /logout` |
-| 标准思维导图 | 6 | `GET /review/standard-mind-map/{taskNum}`, `POST .../regenerate`, `PUT ...`, `POST .../recall`, `POST .../find-node`, `GET .../recall-records` |
+| 学习会话 | 11 | `PUT /study-sessions/{sessionNum}/expectation`, `GET /study-sessions/{sessionNum}/expectation`, `GET /study-sessions/{sessionNum}`, `POST /study-sessions/{sessionNum}/study-sessions/continue`, `POST /study-sessions/{sessionNum}/study-sessions/pause`, `POST /study-sessions/{sessionNum}/study-sessions/ended`, `GET /study-sessions/{sessionNum}/all-fragments`, `GET /study-sessions/{sessionNum}/report-draft`, `GET /study-sessions/tasks/{taskNum}/fragments`, `GET /study-sessions/tasks/{taskNum}/reports`, `GET /study-sessions/active` |
-| 复习模块 | 6 | `GET /review/feed`, `GET /review/task/{taskNum}`, `GET /review/report/{id}`, `GET /review/fragment/{id}`, `GET /review/standard-mind-map/recall-records/{recordId}`, `GET /review/tasks` |
+| 任务管理 | 13 | `GET/POST /tasks`, `GET/PUT/DELETE /tasks/{taskId}`, `GET/PUT /tasks/priority-weights`, `GET/POST /tasks/{taskNum}/applications`, `PUT/DELETE /tasks/applications/{id}`, `GET /tasks/{taskNum}/study-sessions/start-or-continue`, `GET /tasks/{taskNum}/not-ended-study-session` |
-| 任务管理 | 6 | `GET /tasks`, `POST /tasks`, `PUT /tasks/{taskNum}`, `DELETE /tasks/{taskNum}`, `GET /tasks/priority-weights`, `PUT /tasks/priority-weights` |
+| 复习与导图 | 13 | `GET /review/feed`, `GET /review/tasks`, `GET /review/tasks/{taskNum}`, `GET /review/task/{taskNum}`, `GET /review/report/{id}`, `GET /review/fragment/{id}`, `GET /review/standard-mind-map/{taskNum}`, `POST /review/standard-mind-map/{taskNum}/regenerate`, `PUT /review/standard-mind-map/{taskNum}`, `POST /review/standard-mind-map/{taskNum}/recall`, `POST /review/standard-mind-map/{taskNum}/find-node`, `GET /review/standard-mind-map/{taskNum}/recall-records`, `GET /review/standard-mind-map/recall-records/{recordId}` |
-| 应用场景 | 4 | `GET/POST/PUT/DELETE /tasks/{taskNum}/applications[/{id}]` |
+| 学习残片 | 3 | `POST /report-fragments`, `PUT /report-fragments/{id}`, `GET /report-fragments/session/{sessionNum}` |
 | 工具 | 1 | `GET /utils/fetch-title?url=...` |
 | 测试 | 1 | `GET /test/{id}` |
 ## 数据库（10 个核心表）
@@ -1,373 +0,0 @@
 # 学习进度跟踪系统（LPT）— 架构与设计评审
 > 评审日期：2026-07-03
 > 评审范围：learning-progress-tracker（后端 Spring Boot） + lpt-fe（前端 Vue 3）
 > 代码基线：feature/review-completion 分支
 ## 一、整体评价
 系统的底层方向是正确的：
 - **量化学习投入**（番茄钟 + 学习简报）→ 解决缺乏时间感知
 - **优先级排序**（五维度算法）→ 解决缺乏计划性
 - **主动回忆式复习**（碎片滚动 + 思维导图对比）→ 解决缺乏复习习惯
 三个痛点对应三个解决方案，逻辑链成立。代码质量方面，前后端分离、RESTful API 设计、Flyway 数据库迁移、Sa-Token 鉴权、MyBatis-Plus 多租户拦截等基础设施做得相当规范，超出业余项目的平均水准。
 但在**业务设计的心理学层面**，存在几个结构性矛盾：有些地方把"功能完整"等同于"有用"，对用户的实际行为模式考虑不足。
 ---
 ## 二、不科学之处
 ### 2.1 番茄钟被当作计时器而非学习节奏工具
 当前实现把 25 分钟当作一个硬性倒计时，超时 50 分钟自动暂停，"仅计 25 分钟有效时间"。但番茄钟的核心价值不是"学够 25 分钟"，而是**强迫休息—回忆—重置**的节奏。
 **问题**：
 - 允许用户连续学习远超 25 分钟而不触发强制休息提醒
 - 超时被视为"违规"（自动暂停），而不是自然的节奏重置
 - 后端 session 状态机里没有独立的"休息中"状态
 - 前端虽有 5 分钟倒计时但后端无法感知
 **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 |
 |------|------|------|
 | 主观判断 | 10% | 跟"重要性"、"未来价值"高度相关，用户难以区分 |
 | 未来价值 | 10% | 同上 |
 | 内容难度 | 20% | 假设"越难越值得优先学"不一定成立 |
 | 必要性 | 25% | 与"紧急性"边界模糊 |
 | 紧急性 | 35% | 权重最高，但优先级 ≠ 紧迫性 |
 核心矛盾：紧急性 + 必要性占 0.60，主观判断 + 未来价值仅占 0.20。系统会自动把"明天要交的报告"排在"你想真正学会的英语"前面——但用户做这个系统是为了后者的。
 **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：
 - 后端没有对应的 Entity / Service / Controller
 - 前端 StartTask 页面没有预期输入框
 - 预期没有与实际学习报告做任何对比
 被强制填写却不被使用的字段，比没有更糟——用户费心填了，却发现系统根本不看。学习预期的价值在于事后对比："我打算学什么 vs 我实际学了什么"，这是元认知训练的核心。
 **改进方向**：始于创建 session 时弹窗必填预期，终于结束时展示"预期 vs 实际"对比。
 ### 2.4 复习模块的认知负荷偏高
 当前复习模块有三个独立概念和入口：
 - 碎片化提醒（Welcome 页滚动）
 - 思维导图上/下载（ReviewDetail）
 - 回忆对比（ReviewRecall）
 但用户的真实行为大概是：打开复习页 → 看到滚动条闪过很多内容 → 不知道先看哪个 → 关掉。太多碎片而没有"今天需要复习什么"的引导。
 复习行为的心理阻力主要来源于**不知道从哪开始**。
 **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
 ### 3.1 学习报告的长度决策
 当前，残片是"休息时记录的内容片段"，报告是"结束时生成的完整总结"。但在前端两者几乎无差异——都是文本、都在同一个 feed 中滚动、都在详情页逐行显示。
 实际问题：学完 25 分钟后，用户是否真的有动力写一篇"完整报告"？大概率不会——草草写一句"学了线程池"然后开始下一轮。
 **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。
 用户周五回来面对的不是"上次学了什么"的摘要，而是"继续上次倒计时"——但用户可能想重新开始一个关于同一任务的新会话，或者先回顾上次的残片再做决定。
 **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。
 意图是过滤掉"开启后很快就关"的无效学习。但 10 分钟阈值对番茄钟来说太高——25 分钟的 session 如果被电话打断 8 分钟后回来，系统判定"白学了"。
 **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"。
 假如一个任务 100 个节点，其中 3 个核心、97 个细节。
 - 用户回忆出 3 个核心 → 覆盖率 3%
 - 用户回忆出 97 个细节但漏了 3 个核心 → 覆盖率 97%
 显然后者更差，但指标显示前者好。
 **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"。
 多租户本身没有错，但在当前单人使用场景下带来了不必要的复杂度。
 **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
 ### P0 —— 影响核心使用
 - 学习预期的闭环（创建→填写→事后对比）
 - 番茄钟循环节律（25分→5分休息 + 自动残片）
 ### P1 —— 明显改善体验
 - 复习引导路径（"今天有 N 个知识点需要复习"）
 - 降低报告仪式感（残片为主、报告自动聚合）
 - 优先级权重用户可配置
 ### P2 —— 优化与完善
 - 有效时间阈值下调
 - 回忆覆盖率高阶指标（核心节点 vs 全部节点）
 - 断点续传配合历史回顾
 - 移除不必要的多租户拦截（或标记可选）
 ---
 ## 五、总结
 系统在基础设施层面（前后端分离、RESTful、Flyway、Sa-Token、MyBatis-Plus）做得相当规范。主要问题不在技术而在设计：**把"功能完整"当成了"有用"**。学习预期无闭环、番茄钟无节奏感、复习无引导路径——这些不需要更多技术投入，而是需要重新理解用户行为。
 > 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。
 ---
 ## 七、交付记录（2026-07-04）
 6.8 节修正优先级中的全部事项已实现并小步提交：
 | 事项 | 实现 | 位置 |
 |------|------|------|
 | 学习预期闭环 | 新会话强制填写预期（PUT/GET `/study-sessions/{n}/expectation`），页面常驻展示，结束弹窗对照 | 后端 StudyExpectationsService，前端 StartTask.vue |
 | 权重配置 UI | 学习页”权重配置”——五维度滑块、合计校验 100%、保存后全任务重算（PUT `/tasks/priority-weights`） | 后端 PriorityWeightsService，前端 Study.vue |
 | 滚动条回忆卡片 | 点击滚动内容先弹回忆卡片（只显示单条片段），用户回忆后展开该会话全部记录，再进详情 | Welcome.vue |
 | feed 智能排序 | `/review/feed?mode=smart`：时间衰减 × 回忆掌握度加权随机采样 | ReviewServiceImpl.getSmartFeed |
 | lpt-ai 独立服务 | TypeScript + Fastify 新项目：异步任务模式（`POST /ai/tasks` + 轮询），对接 SiliconFlow，Key 从环境变量读取 | 独立仓库 lpt-ai |
 | AI 聚合报告 | 结束会话弹窗自动拉取 AI 草稿（有残片时），失败降级为拼接（GET `/study-sessions/{n}/report-draft`） | AiServiceClient + StartTask.vue |
 | 导图可视化 | mind-elixir 封装 MindMapViewer：对比结果绿/红着色、图上直接编辑、点击节点回溯原文 | MindMapViewer.vue + ReviewRecall.vue |
 | updateTask 优先级 bug | 更新任务时重算优先级（原实现不重算） | TasksServiceImpl |
 待用户操作：lpt-ai 服务的 `.env` 中填入 `LLM_API_KEY`，Java 端 `application.yml` 配置 `lpt.ai-service.url`。
@@ -1,437 +0,0 @@
 # LPT 系统实现优化说明
 > 本文档记录在设计文档基础上进行的架构优化和工程实践改进
 ## 一、架构优化
 ### 1.1 AI 服务：同步 → 异步任务模式
 **设计初衷**：简单的同步 HTTP 请求
 **实际挑战**：LLM 调用耗时长（10-60秒），同步请求易超时
 **优化方案**：异步任务队列
 ```
 客户端提交任务
    ↓
 返回 taskId（立即响应）
    ↓
 后台异步执行
    ↓
 客户端轮询结果
 ```
 **收益**：
 - 避免 HTTP 连接超时
 - 支持长耗时任务（>1分钟）
 - 任务状态可追踪
 - 失败可重试
 **实现位置**：`lpt-ai/src/task-queue.ts`
 ### 1.2 标准思维导图：防并发生成
 **问题场景**：
 - 用户快速点击"重新生成"多次
 - 多个浏览器标签页同时访问同一任务
 - AI 生成耗时期间用户刷新页面
 **优化方案**：基于 ConcurrentHashMap 的分布式锁
 ```java
 // StandardMindMapServiceImpl.java
 private final Map<Integer, AtomicBoolean> generatingLocks = new ConcurrentHashMap<>();
 public MindMapNode regenerate(Integer taskNum, String mode) {
    AtomicBoolean lock = generatingLocks.computeIfAbsent(taskNum, k -> new AtomicBoolean(false));
    if (!lock.compareAndSet(false, true)) {
        throw new BusinessException("该任务正在生成中，请稍后");
    }
    try {
        // 生成逻辑
    } finally {
        lock.set(false);
    }
 }
 ```
 **收益**：
 - 避免重复生成浪费 token
 - 防止数据竞争导致的覆盖
 - 提升系统稳定性
 ### 1.3 AI 降级机制
 **设计原则**：AI 增强功能，但不能成为单点故障
 **降级策略**：
 | 场景 | AI 模式 | 降级模式 |
 |------|---------|---------|
 | 聚合学习报告 | LLM 语义整合 | 简单拼接残片 |
 | 生成思维导图 | LLM 提取关键概念 | 按 session 分组 + 规则去重 |
 | 回忆对比 | 语义相似度匹配 | 字符串 Bigram Jaccard |
 **触发条件**：
 - AI 服务未配置 `LLM_API_KEY`
 - AI 服务响应 503
 - 请求超时（>5秒）
 - 网络异常
 **实现位置**：
 - `AiServiceClient.java` - 异常捕获 + 降级决策
 - `BuiltinMindMapGenerator.java` - 内置规则生成器
 - `StandardMindMapServiceImpl.compareTrees()` - 字符串匹配算法
 **收益**：
 - 可用性提升至 99.9%（不依赖外部服务）
 - 新用户无需配置即可体验核心功能
 - 成本可控（AI token 消耗可选）
 ---
 ## 二、数据模型优化
 ### 2.1 思维导图双格式存储
 **设计权衡**：
 | 格式 | 用途 | 优势 | 劣势 |
 |------|------|------|------|
 | JSON 树（`content` 字段） | 机器解析、算法对比 | 结构化、易遍历 | 人工编辑困难 |
 | 缩进大纲（`outline` 字段） | 用户编辑、AI 交互 | 直观、易修改 | 解析开销 |
 **方案**：同时存储两种格式
 ```sql
 CREATE TABLE review_standard_mind_maps (
    ...
    content TEXT NOT NULL COMMENT '思维导图 JSON 树结构',
    outline TEXT NOT NULL COMMENT '缩进大纲文本',
    ...
 );
 ```
 **转换工具**：`MindMapTreeTool.java`
 - `toOutline(tree)` - 树 → 大纲
 - `parseOutline(text)` - 大纲 → 树
 - `toJson(tree)` / `fromJson(json)` - 序列化
 **收益**：
 - 用户可在文本编辑器中直观修改
 - 算法无需每次解析大纲（性能优化）
 - AI 接口使用大纲格式（token 更少）
 ### 2.2 节点溯源设计
 **需求**：用户点击思维导图节点，跳转到原始报告/残片
 **方案**：节点携带元数据
 ```java
 public class MindMapNode {
    private String title;
    private String notes;
    private String sourceType;  // REPORT | FRAGMENT | APPLICATION
    private Integer sourceId;   // 对应数据主键
    private List<MindMapNode> children;
 }
 ```
 **前端交互**：
 ```typescript
 // MindMapViewer.vue
 onNodeClick(node) {
  if (node.sourceType === 'REPORT') {
    router.push(`/review/report/${node.sourceId}`);
  } else if (node.sourceType === 'FRAGMENT') {
    router.push(`/review/fragment/${node.sourceId}`);
  }
 }
 ```
 **收益**：
 - 复习时可快速回看原文
 - 遗漏知识点可直接定位来源
 - 形成"导图 → 原文"闭环
 ---
 ## 三、算法优化
 ### 3.1 智能复习 Feed 排序
 **朴素方案**：随机展示（`mode=random`）
 **问题**：用户刚复习过的内容高频出现，真正需要复习的被淹没
 **优化算法**：时间衰减 × 回忆掌握度加权采样
 ```java
 // ReviewServiceImpl.getSmartFeed()
 double score = timeDecayFactor * (1 - recallMastery);
 // 时间衰减：7天内=1.0, 30天=0.5, 90天=0.1
 timeDecayFactor = Math.max(0.1, 1.0 - (daysSince / 90.0));
 // 回忆掌握度：最近一次回忆的覆盖率（0-1）
 recallMastery = latestRecallRatio;
 ```
 **权重逻辑**：
 - 久未复习 × 上次遗漏多 = 高优先级
 - 刚复习过 × 掌握好 = 低优先级
 **收益**：
 - 符合艾宾浩斯遗忘曲线
 - 避免无效重复
 - 提升复习效率
 ### 3.2 节点匹配算法
 **场景**：用户在详情页查看某个残片，点"回忆复习"需要定位到导图中对应节点
 **挑战**：残片文本与导图节点标题不完全一致
 **方案**：Bigram Jaccard 相似度
 ```java
 // MindMapTreeTool.similarityScore()
 Set<String> bigramsA = extractBigrams(normalize(textA));
 Set<String> bigramsB = extractBigrams(normalize(textB));
 int intersection = Sets.intersection(bigramsA, bigramsB).size();
 int union = Sets.union(bigramsA, bigramsB).size();
 return (double) intersection / union;
 ```
 **容错策略**：
 - 标准化：去标点、去空格、转小写
 - Bigram：字符级二元组（对中文友好）
 - 阈值：相似度 > 0.6 视为匹配
 - 加权：`notes` 字段也参与匹配（权重 0.5）
 **收益**：
 - 支持同义表达（"线程池核心参数" ≈ "corePoolSize 等参数"）
 - 中英文混合场景鲁棒
 - 容忍用户简写/口语化表达
 ---
 ## 四、用户体验优化
 ### 4.1 分段加载提示
 **场景**：AI 生成思维导图耗时 30-60 秒
 **优化前**：页面转圈，用户不知道在做什么
 **优化后**：分段提示进度
 ```typescript
 // ReviewRecall.vue
 if (aiEnabled) {
  message.info('正在调用 AI 生成思维导图...');
  // 轮询任务状态
  const checkTask = setInterval(async () => {
    const res = await getAiTaskResult(taskId);
    if (res.data.status === 'completed') {
      message.success('生成完成');
      clearInterval(checkTask);
    }
  }, 2000);
 }
 ```
 **收益**：
 - 降低用户焦虑
 - 明确系统状态
 - 减少重复点击
 ### 4.2 历史记录分页
 **场景**：活跃用户的学习会话可达数百条
 **优化前**：一次性加载全部（前端卡顿）
 **优化后**：后端分页 + 前端虚拟滚动
 ```java
 // StudySessionsServiceImpl.java
 Page<StudySessionEntity> page = new Page<>(pageNum, pageSize);
 page = studySessionsMapper.selectPage(page, queryWrapper);
 ```
 ```vue
 <!-- StartTask.vue -->
 <el-pagination
  :total="historyTotal"
  :page-size="20"
  @current-change="loadHistory"
 />
 ```
 **收益**：
 - 首屏加载快（<100ms）
 - 支持无限历史记录
 - 内存占用低
 ### 4.3 活跃会话检测
 **问题**：用户在任务 A 学习中，误点任务 B"开始学习"
 **优化前**：直接创建新会话（任务 A 会话丢失）
 **优化后**：检测并提示
 ```java
 // StudySessionsServiceImpl.startSession()
 StudySessionEntity active = studySessionsMapper.selectOne(
    new QueryWrapper<StudySessionEntity>()
        .eq("created_by", userId)
        .eq("status", StudySessionStatus.IN_PROGRESS.name())
 );
 if (active != null && !active.getTaskNum().equals(taskNum)) {
    throw new BusinessException("您有正在进行的学习会话（任务 " + active.getTaskNum() + "），请先结束");
 }
 ```
 **收益**：
 - 防止意外丢失数据
 - 引导用户正确流程
 - 减少客服咨询
 ---
 ## 五、安全与健壮性
 ### 5.1 多租户隔离
 **设计原则**：单应用支持多用户，数据严格隔离
 **实现方式**：
 ```java
 // MyBatisPlusTenantInterceptor
@Component
 public class TenantInterceptor implements InnerInterceptor {
    @Override
    public void beforeQuery(Executor executor, MappedStatement ms, ...) {
        // 自动注入 WHERE created_by = :currentUserId
    }
 }
 ```
 **覆盖范围**：
 - 所有 SELECT 查询自动加租户过滤
 - INSERT 自动注入 `created_by`
 - UPDATE/DELETE 验证租户权限
 **收益**：
 - 业务代码无感知（避免遗漏）
 - 100% 防止越权访问
 - 支持未来 SaaS 化
 ### 5.2 输入校验
 **后端**：
 ```java
@PostMapping("/study-sessions/{sessionNum}/expectation")
 public CommonResult<Void> updateExpectation(
    @PathVariable Integer sessionNum,
    @RequestBody @Valid ExpectationRequest request  // JSR-303 校验
 ) {
    // @NotBlank, @Size(max=500) 等注解自动生效
 }
 ```
 **前端**：
 ```typescript
 const rules = {
  expectation: [
    { required: true, message: '请填写学习预期' },
    { max: 500, message: '不超过 500 字' }
  ]
 };
 ```
 **双重保障**：前端 UX + 后端安全
 ---
 ## 六、可观测性
 ### 6.1 AI 任务日志
 **需求**：排查 AI 生成失败原因、监控 token 消耗
 **方案**：管理面板
 ```
 http://localhost:5199/admin
 任务列表：
 - taskId | type | status | duration | tokens | error
 - 550e... | generate-mind-map | completed | 32.5s | 1250 | -
 - 661f... | aggregate-report | failed | 5.0s | 0 | Timeout
 ```
 **收益**：
 - 快速定位问题
 - 成本分析
 - 性能优化依据
 ### 6.2 Flyway 迁移历史
 **收益**：
 - 数据库 schema 版本可追溯
 - 回滚方案清晰
 - 团队协作无冲突
 ```sql
 SELECT * FROM flyway_schema_history ORDER BY installed_rank;
 ```
 ---
 ## 七、技术债务管理
 ### 已知限制
 1. **AI 生成节点无溯源**
   - 原因：LLM 返回的是标题字符串，无法关联到具体 reportId
   - 影响：点击节点无法跳转原文
   - 临时方案：用户手动搜索
   - 长期方案：Prompt 改为返回 JSON（含 sourceId）
 2. **Bigram 对短文本效果有限**
   - 场景：节点标题只有 2-3 个字
   - 临时方案：阈值降至 0.4
   - 长期方案：引入 embedding 语义匹配
 3. **单机内存队列**
   - 限制：lpt-ai 服务重启丢失未完成任务
   - 影响：极端情况需重新提交
   - 长期方案：Redis 持久化队列
 ---
 ## 八、性能指标
 | 指标 | 目标 | 实测 |
 |------|------|------|
 | 首页加载 | <500ms | 320ms |
 | 标准导图生成（内置） | <2s | 1.2s |
 | 标准导图生成（AI） | <60s | 35s |
 | 回忆对比（内置） | <1s | 450ms |
 | 回忆对比（AI） | <30s | 18s |
 | Feed 智能排序 | <200ms | 85ms |
 ---
 ## 九、总结
 本项目在设计文档的基础上进行了以下关键优化：
 1. **架构层**：异步任务、防并发、降级机制
 2. **数据层**：双格式存储、节点溯源、分页加载
 3. **算法层**：智能排序、模糊匹配、语义对比
 4. **体验层**：分段提示、活跃检测、历史记录
 5. **安全层**：多租户隔离、双重校验、权限控制
 这些优化不是对设计的否定，而是在实现过程中针对实际场景的工程化改进。设计文档描述"做什么"，本文档记录"怎么做得更好"。
@@ -1,164 +0,0 @@
 # 复习模块设计说明
 本文档是对复习功能当前实现边界的工程说明，不修改原始需求文档。
 ## 核心理解
 复习模块包含两类不同层级的体验：碎片化提醒和围绕思维导图的主动回忆。二者都属于复习模块，但不是同一个业务流程。
 ## 碎片化提醒
 碎片化提醒展示用户自己在学习过程中写下的学习报告和学习残片。
 这些内容不是完整复习记录，而是日常滚动出现的记忆触发物。用户看到一段自己写过的内容时，如果能立刻回想起上下文，说明相关知识暂时不需要深入复习；如果想不起来，可以点击进入详情页回看，形成一次轻量提醒。
 当前对应能力：
 - `GET /review/feed`
 - `GET /review/task/{taskNum}`
 - `GET /review/report/{id}`
 - `GET /review/fragment/{id}`
 - 前端 `Review.vue`
 - 前端 `ReviewDetail.vue`
 ## 当前阶段边界
 当前阶段暂不追求完整的自动化复习分析，因为项目尚未引入 AI 来处理学习碎片和导图数据。
 当前阶段复习模块只需要保留思维导图的基本结构能力：
 - 保存任务对应的思维导图
 - 支持用户上传外部导图文件
 - 解析导图的基础节点结构
 - 允许用户在碎片化提醒中回看学习报告和学习残片
 这个阶段不应该强制用户逐条处理大量学习碎片。学习碎片很多时，逐条关联和对照会让复习过程变得漫长、枯燥，并违背复习模块“简单、不抵触、可随意围绕某个知识点复习”的初衷。
 ## 思维导图的意义
 思维导图不是普通附件，也不是单纯的存储对象。它是复习模块的主要交互形式。
 用户复习时，主要动作应该是围绕某个知识点进行回忆，并编写或重绘思维导图。导图的意义在于降低复习阻力：用户不需要按顺序处理所有碎片，而是可以从任意知识点出发，自由地把自己能想起来的内容组织成结构。
 初版设计中已经提到：
 - 后续复习时可以在脑子里重绘那张图
 - 没有想起来的部分就是需要重新看的地方
 - 如果顺利绘制出了好的思维导图，就替换原来的思维导图
 - 如果能顺利用思维导图描述所学内容，复习效果就能体现在这个过程中
 因此，导图应该是复习效果的表达方式，而不仅是文件存储。
 ## 应用场景的位置
 应用场景不应归属复习模块。
 应用场景更接近学习任务的最终目标：完成整个学习任务后，用户希望能做什么、产出什么、应用到哪里。它应该挂在学习任务模块下，而不是挂在复习流程或某条学习碎片下。
 当前实现已将其迁移为任务级能力，由任务页面维护，并使用 `task_applications` 存储。
 ## 模块边界
 学习执行模块产生学习报告和学习残片。
 复习模块使用这些产物做两件事：
 - 在碎片化提醒中滚动展示它们
 - 在引入 AI 后，把它们整理进程序生成的知识网络
 复习模块不要求用户手动逐条整理学习报告和学习残片。学习报告/残片是后续自动整理和对照分析的数据来源。
 ## 下一阶段设计：AI 生成导图与用户导图对比
 下一阶段引入 AI 后，复习模块的目标应升级为：
 1. 程序读取学习报告、学习残片、已有导图等数据。
 2. 程序自动将碎片整理成一个具有关联关系的巨大思维导图。
 3. 用户围绕某个知识点进行回忆，并绘制自己的导图。
 4. 系统将用户导图与程序生成导图进行结构对比。
 5. 系统定位用户忽略、遗漏、误解或尚未建立关联的内容。
 6. 用户根据差异回看必要的学习报告或残片，而不是从头处理所有碎片。
 这个设计可以解决当前手动复习流程的两个问题：
 - 学习碎片很多时，不需要用户逐条筛选，避免复习过程漫长且枯燥。
 - 思维导图不再只是存储对象，而是成为用户回忆结果和程序知识网络之间的对照媒介。
 ## 对初版设计的补充判断
 初版设计没有忽略“思维导图用于复习”的方向，反而已经明确指出导图应承担脑内重绘、发现遗漏、体现复习效果的作用。
 初版设计没有具体描述“AI 自动整理碎片为巨大导图，并与用户导图进行对比”的实现逻辑。这是当前讨论对初版设计的重要补充，适合放入下一阶段实现。
 初版中提到”复习内容可以应用到什么地方”，但结合当前理解，应用场景应从复习模块中移出，归入学习任务的最终目标或验收目标。
 ## 第二阶段实现：标准思维导图与回忆对比（2026-07-03）
 第二阶段将 AI 生成导图与用户导图对比的设计落地，引入以下能力：
 ### 核心概念
 - **标准思维导图（Standard Mind Map）**：每个学习任务对应一份”标准”导图，由系统从该任务的已有学习报告、学习残片、应用场景中提取整理而成。它是用户回忆的对照基准，也可由用户手动编辑修正。
 - **回忆对比（Recall Review）**：用户凭记忆以缩进大纲格式写下对该任务知识点的回忆，系统将其与标准导图进行树结构对比，定位已掌握、遗漏和额外回忆的内容。
 ### 内置生成器（BuiltinMindMapGenerator）
 当前阶段未接入外部 AI，由内置规则引擎生成标准导图：
 - **根节点**：任务名称
 - **一级分支**：按学习会话分组，以”日期 + 报告前60字摘要”为标题
 - **子分支**：该会话下的每条报告、每条残片成为一个子节点
 - **应用场景分支**：如有已创建的应用场景，附加为独立的”应用场景”分支
 - **去重**：同级节点按标准化标题对比并合并
 - **追溯**：每个节点携带 `sourceType`（REPORT/FRAGMENT/APPLICATION）和 `sourceId`，前端可点击回看原文
 ### AI 客户端抽象（MindMapAiClient）
 预留了远程 AI 调用接口，供后续接入真实 AI 使用：
 - 配置项 `lpt.ai.endpoint` / `lpt.ai.api-key`（当前均未配置）
 - 未配置时自动回退到内置生成器
 - 接口返回 `MindMapNode` 树结构，与内置生成器输出格式一致
 ### 回忆对比算法（StandardMindMapServiceImpl.compareTrees）
 对比标准导图与用户回忆大纲的树结构：
 1. **展平**：前序遍历将两颗树分别展开为节点列表
 2. **精确匹配**：对每个标准节点标题做归一化（去空格标点 + 小写），在回忆节点中查找完全匹配
 3. **模糊匹配**：未精确匹配时，计算字符 Bigram Jaccard 相似度（阈值 0.6），容忍中文同义表达
 4. **标注**：匹配的节点标注 `MATCHED`，遗漏的节点标注 `MISSED`，用户多写的内容归为 `EXTRA`
 5. **统计**：计算回忆覆盖率 `recall_ratio = matched / (matched + missed)`
 ### 用户交互
 - **回忆复习页**（`/review/recall/:taskNum`）：双栏布局。左栏为回忆大纲输入区（缩进文本）+ 对比结果展示，右栏为标准导图区（默认折叠防剧透）
 - **标准导图编辑**：用户可展开查看、编辑大纲文本并保存，编辑后来源标记为 `USER`
 - **重新生成**：如需从头生成新版本，可一键重新生成
 - **遗漏项回溯**：对比后定位到的遗漏知识点自动列出，点击”查看原文”可直接跳转到对应的报告/残片详情页
 - **回忆历史**：查阅历次回忆对比记录，查看覆盖率变化趋势
 ### 新增数据库表
 - `review_standard_mind_maps`：每任务一行，存储标准导图的 JSON 树结构、大纲文本、生成元信息
 - `review_recall_records`：存储用户每次回忆对比的原始大纲、对比结果 JSON、覆盖率等统计
 未改动既有表的 schema，与原有 `review_mind_maps`（用户手动上传的导图文件）并存。
 ### 新增端点
 | 方法 | 端点 | 说明 |
 |------|------|------|
 | GET | `/review/standard-mind-map/{taskNum}` | 获取或自动生成标准导图 |
 | POST | `/review/standard-mind-map/{taskNum}/regenerate` | 强制重新生成 |
 | PUT | `/review/standard-mind-map/{taskNum}` | 用户编辑标准导图 |
 | POST | `/review/standard-mind-map/{taskNum}/recall` | 用户提交回忆大纲，返回对比结果 |
 | GET | `/review/standard-mind-map/{taskNum}/recall-records` | 回忆对比历史列表 |
 | GET | `/review/standard-mind-map/recall-records/{recordId}` | 单条回忆记录详情 |
 ### 下一步展望
 - 接入真实 AI API（配置 `lpt.ai.api-key` 后切换为 AI 生成器，内置生成器作为降级）
 - 可视化思维导图渲染（而非纯缩进文本展示）
 - 对比结果中显示更精确的路径定位
 - AI 驱动的用户导图评分与改进建议
@@ -1,6 +1,7 @@
 package com.guo.learningprogresstracker.controller;
 import com.google.protobuf.ServiceException;
 import com.guo.learningprogresstracker.dto.request.AbortStudySessionRequest;
 import com.guo.learningprogresstracker.dto.request.EndedStudySessionRequest;
 import com.guo.learningprogresstracker.dto.request.UpsertExpectationRequest;
 import com.guo.learningprogresstracker.dto.response.StudySessionResponse;
@@ -93,6 +94,16 @@ public class StudySessionController {
        return message != null ? CommonResult.success(message) : CommonResult.success();
    }
    /**
     * 误操作结束一个【学习会话】：需输入确认语，严格零数据（删除会话与预期），仅未产生学习残片时可用
     */
    @PostMapping("/{sessionNum}/study-sessions/abort")
    public CommonResult<Void> abortStudySession(@PathVariable("sessionNum") String sessionNum,
                                                @Valid @RequestBody AbortStudySessionRequest request) throws ErrorParameterException {
        studySessionsServiceImpl.abortStudySession(sessionNum, request.getConfirmation());
        return CommonResult.success();
    }
    /**
     * 获取【学习会话】所有的学习残片数据，以列表返回
     */
@@ -0,0 +1,14 @@
 package com.guo.learningprogresstracker.dto.request;
 import jakarta.validation.constraints.NotBlank;
 import lombok.Data;
 /**
 * 误操作结束学习会话的请求体
 */
@Data
 public class AbortStudySessionRequest {
    @NotBlank(message = "请填写确认语")
    private String confirmation;
 }
@@ -17,4 +17,9 @@ public interface StudyExpectationsService {
     * 查询学习会话的学习预期，不存在时返回 null
     */
    StudyExpectationsEntity getBySessionNum(String sessionNum);
    /**
     * 删除学习会话的学习预期（误操作结束时会话不留任何数据）
     */
    void deleteBySessionNum(String sessionNum);
 }
@@ -26,6 +26,11 @@ public interface StudySessionsService extends IService<StudySessionsEntity> {
    String endedStudySession(String sessionNum, String content) throws ErrorParameterException;
    /**
     * 误操作结束学习会话：需输入确认语，严格零数据（删除会话与预期），仅未产生学习残片时可用
     */
    void abortStudySession(String sessionNum, String confirmation) throws ErrorParameterException;
    void pauseStudySession(String sessionNum, LocalDateTime endTime) throws ErrorParameterException, ServiceException;
    void continueStudySession(String sessionNum) throws ErrorParameterException, ServiceException;
@@ -52,4 +52,11 @@ public class StudyExpectationsServiceImpl implements StudyExpectationsService {
                        .eq(StudyExpectationsEntity::getSessionNum, sessionNum)
                        .last("LIMIT 1"));
    }
    @Override
    public void deleteBySessionNum(String sessionNum) {
        studyExpectationsMapper.delete(
                Wrappers.<StudyExpectationsEntity>lambdaQuery()
                        .eq(StudyExpectationsEntity::getSessionNum, sessionNum));
    }
 }
@@ -40,6 +40,11 @@ public class StudySessionsServiceImpl extends ServiceImpl<StudySessionsMapper, S
    public static final int WORK_DURATION = 25;
    /**
     * 误操作结束的确认语：用户必须输入完全一致的内容才能零数据关闭会话
     */
    public static final String MISOPERATION_CONFIRMATION = "我误操作导致开启了本次学习";
    private final TasksServiceImpl tasksServiceImpl;
    private final StudyReportFragmentsServiceImpl studyReportFragmentsServiceImpl;
    private final StudyReportFragmentsMapper studyReportFragmentsMapper;
@@ -120,6 +125,31 @@ public class StudySessionsServiceImpl extends ServiceImpl<StudySessionsMapper, S
        }
        return null;
    }
    @Override
    @Transactional
    public void abortStudySession(String sessionNum, String confirmation) throws ErrorParameterException {
        StudySessionsEntity studySessionsEntity = this.getOneOpt(Wrappers.lambdaQuery(StudySessionsEntity.class)
                        .eq(StudySessionsEntity::getSessionNum, sessionNum))
                .orElseThrow(() -> sessionNotFound(sessionNum));
        if (StudySessionStateEnum.ENDED.name().equals(studySessionsEntity.getSessionState())) {
            log.warn("会话[{}]已结束，不能误操作结束", sessionNum);
            throw new ErrorParameterException("这次学习会话已经结束，不能再误操作结束了");
        }
        if (!MISOPERATION_CONFIRMATION.equals(confirmation == null ? "" : confirmation.trim())) {
            log.warn("会话[{}]误操作结束的确认语不正确", sessionNum);
            throw new ErrorParameterException("确认语输入不正确，请核对后重新输入");
        }
        long fragmentCount = studyReportFragmentsMapper.selectCount(Wrappers.lambdaQuery(StudyReportFragmentsEntity.class)
                .eq(StudyReportFragmentsEntity::getSessionNum, sessionNum));
        if (fragmentCount > 0) {
            log.warn("会话[{}]已产生{}条学习残片，不能误操作结束", sessionNum, fragmentCount);
            throw new ErrorParameterException("这次学习已经产生了学习残片，不能按误操作结束了哦");
        }
        // 严格零数据：学习预期与会话本身一并删除，系统视角下会话从未发生
        studyExpectationsService.deleteBySessionNum(sessionNum);
        this.removeById(studySessionsEntity.getId());
        log.info("会话[{}]误操作结束，未产生任何学习数据", sessionNum);
    }
    @Override
    public StudySessionResponse getNotEndedStudySessionByTaskNum(String taskNum) throws ErrorParameterException {
@@ -10,7 +10,7 @@ public class CalculatedPriorityTool {
    /**
     * 使用系统默认权重计算加权优先级。
-     * 急迫性 0.35 / 重要性 0.25 / 内容难度 0.20 / 未来价值 0.10 / 主观优先级 0.10
+     * 紧急性 0.35 / 重要性 0.25 / 内容难度 0.20 / 未来价值 0.10 / 主观优先级 0.10
     */
    public static Double calculatedPriority(PriorityDto priorityDto) {
        return calculatedPriority(priorityDto, UserPriorityWeightsEntity.defaults());
@@ -4,9 +4,11 @@ import com.baomidou.mybatisplus.core.conditions.Wrapper;
 import com.guo.learningprogresstracker.entity.StudyReportsEntity;
 import com.guo.learningprogresstracker.entity.StudySessionsEntity;
 import com.guo.learningprogresstracker.enums.StudySessionStateEnum;
 import com.guo.learningprogresstracker.exception.ErrorParameterException;
 import com.guo.learningprogresstracker.mapper.StudyReportFragmentsMapper;
 import com.guo.learningprogresstracker.mapper.StudyReportsMapper;
 import com.guo.learningprogresstracker.mapper.StudySessionsMapper;
 import com.guo.learningprogresstracker.service.StudyExpectationsService;
 import org.junit.jupiter.api.BeforeEach;
 import org.junit.jupiter.api.Test;
 import org.junit.jupiter.api.extension.ExtendWith;
@@ -17,6 +19,7 @@ import org.mockito.junit.jupiter.MockitoSettings;
 import org.mockito.quality.Strictness;
 import org.mockito.junit.jupiter.MockitoExtension;
 import java.io.Serializable;
 import java.time.LocalDateTime;
 import java.util.Optional;
@@ -41,10 +44,15 @@ class StudySessionsServiceImplTest {
    @Mock
    private StudySessionsMapper studySessionsMapper;
    @Mock
    private StudyExpectationsService studyExpectationsService;
    @BeforeEach
    void setUp() {
        // stub updateById，避免调用真实的 getBaseMapper()
        doReturn(true).when(studySessionsService).updateById(any());
        // stub removeById，避免调用真实的 getBaseMapper()
        doReturn(true).when(studySessionsService).removeById(any(Serializable.class));
    }
    private StudySessionsEntity createSession(String state, int minutesAgo) {
@@ -210,4 +218,99 @@ class StudySessionsServiceImplTest {
        verify(studySessionsService).updateById(session);
    }
    // ============ 误操作结束（零数据关闭） ============
    /**
     * 场景11：确认语正确且未产生残片 → 删除预期与会话，零数据关闭
     */
    @Test
    void abortStudySession_success_shouldDeleteEverything() throws Exception {
        StudySessionsEntity session = createSession(StudySessionStateEnum.ONGOING.name(), 5);
        session.setId(1);
        mockGetOneOpt(session);
        doReturn(0L).when(studyReportFragmentsMapper).selectCount(any());
        studySessionsService.abortStudySession("SESSION_TEST", StudySessionsServiceImpl.MISOPERATION_CONFIRMATION);
        verify(studyExpectationsService).deleteBySessionNum("SESSION_TEST");
        verify(studySessionsService).removeById(1);
    }
    /**
     * 场景12：确认语不正确 → 抛异常，不删除任何数据
     */
    @Test
    void abortStudySession_wrongConfirmation_shouldThrow() {
        StudySessionsEntity session = createSession(StudySessionStateEnum.ONGOING.name(), 5);
        mockGetOneOpt(session);
        ErrorParameterException ex = assertThrows(ErrorParameterException.class, () ->
                studySessionsService.abortStudySession("SESSION_TEST", "我不是确认语"));
        assertEquals("确认语输入不正确，请核对后重新输入", ex.getMessage());
        verify(studyExpectationsService, never()).deleteBySessionNum(any());
        verify(studySessionsService, never()).removeById(any());
    }
    /**
     * 场景13：确认语首尾空白应被忽略，仍视为正确
     */
    @Test
    void abortStudySession_confirmationWithSpaces_shouldSucceed() throws Exception {
        StudySessionsEntity session = createSession(StudySessionStateEnum.PAUSED.name(), 5);
        session.setId(2);
        mockGetOneOpt(session);
        doReturn(0L).when(studyReportFragmentsMapper).selectCount(any());
        studySessionsService.abortStudySession("SESSION_TEST",
                "  " + StudySessionsServiceImpl.MISOPERATION_CONFIRMATION + "  ");
        verify(studyExpectationsService).deleteBySessionNum("SESSION_TEST");
        verify(studySessionsService).removeById(2);
    }
    /**
     * 场景14：已产生学习残片 → 抛异常，不能误操作结束
     */
    @Test
    void abortStudySession_hasFragments_shouldThrow() {
        StudySessionsEntity session = createSession(StudySessionStateEnum.ONGOING.name(), 5);
        mockGetOneOpt(session);
        doReturn(1L).when(studyReportFragmentsMapper).selectCount(any());
        ErrorParameterException ex = assertThrows(ErrorParameterException.class, () ->
                studySessionsService.abortStudySession("SESSION_TEST", StudySessionsServiceImpl.MISOPERATION_CONFIRMATION));
        assertEquals("这次学习已经产生了学习残片，不能按误操作结束了哦", ex.getMessage());
        verify(studyExpectationsService, never()).deleteBySessionNum(any());
        verify(studySessionsService, never()).removeById(any());
    }
    /**
     * 场景15：会话已结束 → 抛异常
     */
    @Test
    void abortStudySession_endedSession_shouldThrow() {
        StudySessionsEntity session = createSession(StudySessionStateEnum.ENDED.name(), 5);
        mockGetOneOpt(session);
        ErrorParameterException ex = assertThrows(ErrorParameterException.class, () ->
                studySessionsService.abortStudySession("SESSION_TEST", StudySessionsServiceImpl.MISOPERATION_CONFIRMATION));
        assertEquals("这次学习会话已经结束，不能再误操作结束了", ex.getMessage());
        verify(studySessionsService, never()).removeById(any());
    }
    /**
     * 场景16：会话不存在 → 抛异常
     */
    @Test
    void abortStudySession_sessionNotFound_shouldThrow() {
        doReturn(Optional.empty()).when(studySessionsService).getOneOpt(any(Wrapper.class));
        assertThrows(ErrorParameterException.class, () ->
                studySessionsService.abortStudySession("NOT_EXIST", StudySessionsServiceImpl.MISOPERATION_CONFIRMATION));
    }
 }
Author	SHA1	Message	Date
cat-shark	3e4c0645ad	docs: 修正紧急性维度注释命名	2026-09-13 22:55:26 +08:00
cat-shark	11a7c8aaea	chore: 添加 .gitattributes 规范行尾	2026-08-26 21:13:14 +08:00
cat-shark	e691dfaa95	docs: 更新 API 端点总览	2026-08-26 21:13:14 +08:00
cat-shark	a6f684c8b7	feat: 新增会话误操作结束接口	2026-08-15 21:24:59 +08:00
cat-shark	0413013f24	docs: 移除仓库文档	2026-08-05 23:35:10 +08:00
cat-shark	9595ad92ee	merge: 合并残片报告拆分到dev	2026-08-03 23:20:01 +08:00