# 学习引导

## 定义

学习引导是复习中的一种主动提取：系统用一个开放式问题引出用户自己的回答，AI 在对话中检查回答里隐含的概念边界问题并及时纠正，最终由用户确认把这次对话的收获记成一条知识碎片。

例子：对「大模型参数量」这个概念，系统问“1B 参数量的 LLM 模型，会占用多少磁盘空间？”要回答它，用户必须先意识到参数量并不能决定模型在磁盘上的大小，从而把「参数量」与「硬件占用」这两个容易混淆的概念分开。

## 设计意图

- 复习的另外两种机制回答的是“有没有接触到”和“记不记得住结构”，捕捉不到概念边界上的误解：节点都在、结构也在，但把 A 当成了能决定 B 的东西。
- 开放式问题不设标准答案：系统要确认的是“用户是否分清了边界”，而不是“答案是否与范文一致”。
- 纠正的对象是回答里隐含的假设，而不是答案本身的对错。对话因此是引导，不是判卷。

## 产出

- 对话的产出是一条**知识碎片**，不是新的数据实体：它走碎片的全部既有逻辑（内容归属、待归类、归属调整、导图取材、复习 Feed 回收）。
- 碎片由**用户确认后**记录：AI 的纠正也可能是错的，未经确认就入库会把错误边界固化进以后的复习基准。没有确认，就等于这次引导没有产出。
- 碎片带一个「来自学习引导」的[标记](marker.md)。标记只说明来源，不改变碎片的任何处理逻辑。
- 记录上下文是这次复习行为；耗时计入[复习耗时](time-and-efficiency.md)；不进入任何学习报告——报告按学习会话生成，学习引导不是会话。
- 默认内容归属：被引导概念所属的学习任务。

## 入口

- 复习 Feed 的卡片。
- 标准思维导图的节点。

两个入口都对应“用户已经看到某段内容”的时刻，系统据此就近发问，用户不需要先想清楚该复习哪个概念。

## 对话不设轮数上限

引导对话以“用户想结束”为终点，不限制轮数，也不要求必须产出碎片。系统不统计“引导做了多少次”“还有多少没引导”。

## 与 AI 的关系

学习引导是系统里唯一允许完全依赖 AI 的能力：它不属于核心闭环，AI 不可用时该功能整体不可用，也不提供降级形态。核心闭环（报告聚合、导图生成、回忆对比）仍然必须能靠内置规则独立完成。

## 相关概念

- 知识碎片：引导产出的落点。
- 内容归属：默认归属被引导概念所属的学习任务。
- 标准思维导图：入口之一，也是引导产出的延伸概念进入的地方。
- 回忆对比：另一种主动提取，测的是结构是否记得住。
- 复习 Feed：入口之一，也是引导产出被再次遇到的地方。
- 标记：承载“来自学习引导”这类附加信息。
- AI 任务：承担引导对话与边界纠正。

## 设计思路

引导的目标不是把概念讲一遍，而是让用户先说出自己的理解，再针对那句话纠正。因此系统不预设问题清单，也不把引导做成待办：它和复习的其他机制一样，只在用户已经看到内容时就地发生。