普通学生并不缺少使用大模型的入口，真正缺少的是把大模型转化为学习增益的能力。
在实际学习中，很多用户仍停留在“问答案、生成作业”的浅层使用方式，缺乏目标澄清、问题拆解、路径规划、追问深化和反馈修正的能力，因此无法真正发挥 LLM 作为“认知加速器”的价值。

本项目不是通用 AI 问答工具，也不是传统在线学习平台，而是一个把“高质量使用 LLM 学习”流程化、产品化的 AI 学习导航系统。

我们的系统不是单纯提供答案，而是把“高质量使用 LLM 学习”的关键过程产品化。
系统通过结构化诊断、受约束的个性化规划、任务化执行与反馈驱动调整，帮助用户完成目标澄清、状态识别、路径选择、问题组织和后续修正，让用户以低负担的方式持续推进学习，真正学会知识，而不是只得到答案。

核心思路：
让普通用户以更低的认知负担，获得更高质量的学习推进。

• 学习目标澄清：通过引导式提问，帮助用户把模糊目标转化为清晰、可执行的学习目标
• 个性化学习决策支持：结合用户当前状态、学习目标与系统约束，在候选学习策略中给出更适合当前阶段的学习起点、任务建议和原因解释
• 提问能力脚手架：通过预设提示词框架与追问模板，让 LLM 不只是回答问题，还能帮助用户学会如何更高质量地提问
• 学习资产沉淀：总结用户真正学到的内容、暴露出的误区和阶段性成果，形成可持续积累的个人学习资产

目标输入 → 诊断 → 个性化规划 → 执行任务 → 结果评估与反馈 → 调整下一步 → 成长沉淀

• 系统能够诊断用户当前状态
• 系统能够解释为什么推荐当前路径
• 系统能够提供 AI 提问脚手架
• 系统能够根据执行结果调整下一步
• 系统能够沉淀用户成长记录

• 首页：体现项目差异性，让用户快速理解“为什么这不是普通 AI 学习工具”
• 诊断页：体现“系统懂用户”，让用户感受到系统正在理解其状态与目标
• 规划页：体现“系统会决策”，展示当前推荐路径、推荐原因与阶段目标
• 执行页：体现任务具体、可操作、可推进，让学习过程不再停留在抽象建议层
• 反馈与调整页：体现系统能够根据用户表现做出动态引导，而不是一次性给出固定方案
• 成长页：体现学习资产与成长轨迹的持续沉淀，让用户看到长期变化

围绕以下三个方向展开：

• AI 提问脚手架
• 个性化解释层
• 学习资产沉淀

做可见的智能，不要做隐藏的复杂

系统需要让用户明确感知到：

• 系统看到了我的状态
• 系统知道我该先学什么
• 系统能解释为什么
• 系统能告诉我怎么问 AI
• 系统会根据我的结果调整下一步

• 不做通用聊天工具
• 不做大而全的在线课程平台
• 不追求完全自由生成的学习路径
• 不以“生成很多内容”为核心价值，而以“帮助用户真正学会”为核心价值