惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

L
LangChain Blog
C
Check Point Blog
博客园 - Franky
V
Visual Studio Blog
云风的 BLOG
云风的 BLOG
aimingoo的专栏
aimingoo的专栏
Microsoft Security Blog
Microsoft Security Blog
V2EX - 技术
V2EX - 技术
AI
AI
Hacker News - Newest:
Hacker News - Newest: "LLM"
Jina AI
Jina AI
S
Security @ Cisco Blogs
Security Archives - TechRepublic
Security Archives - TechRepublic
H
Hacker News: Front Page
H
Hackread – Cybersecurity News, Data Breaches, AI and More
O
OpenAI News
Attack and Defense Labs
Attack and Defense Labs
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
爱范儿
爱范儿
H
Heimdal Security Blog
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
G
Google Developers Blog
G
GRAHAM CLULEY
V
V2EX
The Register - Security
The Register - Security
人人都是产品经理
人人都是产品经理
B
Blog RSS Feed
Schneier on Security
Schneier on Security
M
MIT News - Artificial intelligence
Stack Overflow Blog
Stack Overflow Blog
Help Net Security
Help Net Security
大猫的无限游戏
大猫的无限游戏
C
CERT Recently Published Vulnerability Notes
The GitHub Blog
The GitHub Blog
V
Vulnerabilities – Threatpost
The Last Watchdog
The Last Watchdog
J
Java Code Geeks
S
Secure Thoughts
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
量子位
NISL@THU
NISL@THU
K
Kaspersky official blog
Engineering at Meta
Engineering at Meta
T
Threatpost
Recent Commits to openclaw:main
Recent Commits to openclaw:main
宝玉的分享
宝玉的分享
Security Latest
Security Latest
T
The Exploit Database - CXSecurity.com
博客园_首页
A
Arctic Wolf

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
从灵感到MVP:如何设计一款科学记忆工具(上篇)
橘一 · 2025-12-06 · via 人人都是产品经理

作为一名产品经理,作者从自身需求出发,构思了一款名为“忆刻”的学习助手 APP。它融合科学记忆与时间管理,旨在帮助用户高效学习。通过市场分析与竞品对比,明确产品定位与核心功能,后续还将融入 AI 技术,敬请期待。

设计产品初衷

起因——是来自于我在某书的一条笔记,内容是关于生活计划表,包括看书、健身、家务、鸡毛蒜皮等等事情,由月计划分解到周计划,获得了许多友友们喜爱。有人咨询我关于时间管理、制定学习计划之类的问题,所以我想,会不会大多数人也有做计划的习惯,也想科学的拆分计划。

另一个原因——作为用户,我热衷于使用工具APP,经过体验筛选后,会习惯性推荐给身边朋友。而在使用了很多计划类、专注类APP之后,忽略了对“学习”本身的一种建立正反馈的工具。学习的要义在于“记忆”,需要多次复述、深度加工后,从而形成我们自己的知识库。

随着AI技术与工具产品结合的技术潮流,作为产品经理的我希望可通过体验一次产品从孵化到实现全流程,学习并积累产品设计能力。

所以,我开始构思这款伴学工具,意识到做好计划记忆卡片的方式,能帮助用户在锻炼记忆能力、背诵知识点上相辅相成,如果把这两种特性与新知识学习相互结合,将定期复习、有效输出、建立正反馈形成一个有效循环,能帮助用户提升学习效率。

注意:本篇文章仅包含MVP版本功能设计,AI相关功能放入下篇文章

第一步:设定产品目标

1. 产品定义

  • 名称:忆刻
  • 宣传语:用碎片时间雕刻记忆
  • 目标:打造一款能帮助用户进行科学记忆的学习助手APP,通过周期性记忆训练,帮助用户建立激励式的、正循环的学习行为。
  • 用户群:针对有记忆背诵需求

2. 用户画像

  • 喜欢学习新知识,并希望有工具帮助自己定期记忆、输出的用户
  • 喜欢做计划,并希望有工具来督促自己完成的用户
  • 喜欢分享,愿意分享知识的用户

3. 使用场景

主要使用场景有两类,主要一类是辅助知识学习,另一类是任务周期管理:

(1)用户有学习新知识的任务,希望有工具定期辅助复习知识,需要工具能支持背诵卡片、提取知识核心点,并根据艾宾浩斯遗忘曲线来提醒复习周期

比如:用户小B是一位在职备考者,有3个月时间准备考证,需要背诵大量知识点,希望APP能根据知识点,帮助用户实现抽背,并且根据艾宾浩斯遗忘曲线制定出背诵计划,并且根据考证的目标,制定出每天2个小时的学习计划。根据计划设置的每日需要记忆的内容,小B每日完成打卡记录。

(2)用户有一个事务需要长期执行,需要对事务做科学的任务分解,制定出周期性的实施计划,并提供提醒、打卡、统计复盘的功能

比如:用户有长期健身的习惯小A同学,需要制定出近2个月的训练计划,希望APP针对每周3次练习的频率,制定出练习计划表,并在健身日提醒,练后可打卡完成度,每月末复盘完成度

4. 市场分析

作为产品设计者,收集市场的行业需求数据,了解产品的市场价值,寻找合理的盈利模式。

(1)市场规模与增长态势

  • 2024 年全球记忆卡片 APP 市场销售额达 1.54 亿美元,预计 2025-2031 年保持 8.4% 的年复合增长率,2031 年市场规模将突破 2.68 亿美元。
  • 教育数字化政策推动下,国内用户渗透率年增 16% 以上,考研、法考、K12 等备考场景需求最旺盛。

(2)用户画像与行为特征

  • 主力人群:12-45 岁,其中学生群体占比超 60%(K12 学生 35%、大学生及考研 / 考证人群 28%),职场技能提升人群占比 25%。
  • 细分需求:学生聚焦学科知识点、单词、公式记忆;职场人侧重职业资格考试、行业术语、技能知识点积累。
  • 使用场景:碎片化时间为主,通勤(32%)、课间 / 午休(28%)、睡前(21%)为高频场景,单次使用时长集中在 10-30 分钟。
  • 复习频率:70% 用户保持每日使用习惯,备考期用户日均复习卡片量 100-200 张,复习完成率与付费转化率正相关。

(3)核心需求优先级

  • 算法科学性:78% 用户重视基于遗忘曲线(艾宾浩斯)或 AI 优化的复习规划,要求精准预测遗忘临界点。
  • 内容适配性:支持多学科模板(如选择题、古诗文、专业术语)、自定义挖空、文件导入(Excel/APKG/PDF)功能需求强烈。
  • 便捷性:多端同步(92% 用户需求)、OCR 文字识别、一键生成卡片等高效操作功能为必备项。
  • 附加需求:无广告干扰(65% 用户关注)、数据安全(本地存储 / 备份还原)、社区优质卡片共享。

(4) 主要用户痛点

  • 卡片制作效率低:复杂知识点手动整理耗时,缺乏智能生成工具(62% 用户反馈)。
  • 复习精准度不足:通用算法无法适配个人记忆节奏,部分产品存在过度重复或遗漏复习问题。
  • 内容质量参差不齐:第三方共享卡片存在错误、排版混乱,缺乏专业审核(53% 用户投诉)。
  • 付费争议:基础功能受限过多,部分产品会员价格偏高,性价比感知弱。

5. 痛点分析

将自己作为用户角色,针对目前的市场已有的技术(产品),发掘使用中的痛点,参考对象包含知识辅助记忆和任务管理的两类产品。

第一类:知识辅助记忆类APP

主要是针对特定类别的学习内容,根据用户设置的学习周期等需求,以挖空提问形式使用户重现记忆,比如:

  1. 记乎、Anji等一类遵循艾宾浩斯背诵规律的工具
  2. 百词斩、不背单词等背单词工具
  3. 刷题APP

痛点:

  1. 有些专业类记忆软件不能自定义知识内容,仅能针对一种特定科目,比如:单词
  2. 缺少分享学习背诵内容的功能
  3. 在为艾宾浩斯工具输入知识点时,因为大量复习资料内容无法直接复制粘贴
  4. 复习内容未量化,也没有与目标完成情况核对
  5. 有些用户需要原文背诵,有些仅需要提取要点即可,缺少知识点辅助加工的智能功能

第二类:任务管理APP

主要执行时间管理功能,帮助用户安排日程、专注时间、记录事件打卡等功能,旨在提高效率,比如:

  1. 打卡记录:滴答清单、目标地图
  2. 专注工具:番茄时钟
  3. 时间表/课程表APP

痛点:

  1. 基础功能免费,增值功能收费,对打卡条目有限制
  2. 有些APP理念是ALL IN ONE,结合了很多时间管理功能,功能使用繁杂,有很多不必要的功能

6. 竞品对比

由于我希望的产品——学习助手APP,能结合知识记忆时间管理两种特征,故我将在个方向分别选则对标产品:

  • 知识卡片类:记忆卡片、Anji记忆卡
  • 时间管理类:滴答清单、目标地图

(1)记忆卡片类产品核心功能梳理:

记乎:

  1. 提供团体班级的学习方式,便于共享卡牌内容
  2. 卡牌记忆过程操作丰富
  3. 免费受限卡牌组数量,可付费购买第三方卡牌,提供了用户一种盈利平台

Anji记忆卡:

  1. 非常经典的复制了Anki记忆卡的使用习惯,尤其是在记忆过程中,能对卡牌进行多种操作,涵盖了用户知识点复习过程中的所有操作。比如:播放卡牌、增删笔记、白板等
  2. 支持导入第三方卡牌,支持Anki通用格式
  3. 提供定期统计记忆数据,便于用户了解记忆效果

(2)时间管理类产品核心功能梳理:

滴答清单:

  1. 功能涵盖了所有日常的时间管理所有操作,包括任务、日程、专注计时、习惯记录、倒数日、重要/紧急分类
  2. 个性化设置多,比如:菜单栏可设置模块数量,而针对大多数产品,菜单栏的功能按钮数量不变
  3. 配色简单,符合大多数用户审美

目标地图:

  1. 用户使用逻辑清晰,功能特性聚焦于目标管理
  2. 交互简洁、易懂
  3. 任务分析内容简约,便于社交媒体分享,用于吸引更多用户

7. 机会点

  1. 可针对“记忆卡片”和“目标管理”两类产品,可结合两类使用逻辑,选取其中基础功能形成MVP产品,原因是:大多数有知识记忆需求的用户,会有时间管理类需求,反之则不一定。若能实现一个产品满足两种场景,则符合”Less is more“的设计理念,而不是“大而全”的功能堆砌
  2. 产品面向的核心场景是记忆知识,需要深入结合艾宾浩斯记忆法,并在此基础上找到与时间管理的相似点,从而满足另一类场景需求
  3. 减少背诵过程的繁杂操作,将使用目的专注于背诵知识本身上
  4. 在AI技术上,可引入大语言解析、深度思考的能力,可帮助用户提取知识点核心要义、合理制定目标等辅助性功能
  5. 注意与手机系统本身的结合,能与日历、提醒关联,便于监督目标完成
  6. 提供分享功能,帮助用户在新媒体平台上形成知识输出成果,促成平台的数据流动,参与到知识的商业流通种

第二步:梳理产品需求

1. 核心目标

设计一个可提供周期性记忆提醒(如:符合艾宾浩斯遗忘曲线规律)的学习辅助工具,此产品流程也能复用到具有周期性要求的事件上(如:制定每月、每周的大扫除任务)。产品初期先圈定MVP功能,后期迭代版本新增AI技术,能为用户带来更多个性功能。

2. 业务需求分析

针对竞品调研和产品定义,整理形成以下业务需求,按照重要性划分成核心需求、辅助需求、配套需求三类

  1. 核心需求:输入知识点、复习知识点
  2. 辅助需求:知识点复习轮次统计、分享知识点、AI解析知识点
  3. 配套需求:注册、提醒、用户评分

以下将对核心需求和辅助需求进行描述,维度是业务目标、业务目的、衡量指标、用户行为。

3. 输入知识点

  • 业务需求:做一个知识点录入功能
  • 业务目标:用户可根据需要输入知识点内容
  • 业务目的:输入内容作为用户复习的内容
  • 衡量指标:知识点输入数目(提高)、知识点输入方式(提高)
  • 用户行为:点击“新增”知识点按钮、进入知识点编辑模式

4. 复习知识点

  • 业务需求:做一个知识点背诵流程,包括关键词提示、内容回溯、用户反馈记忆情况的功能
  • 业务目标:实现背诵复现知识的全过程,并能提供多轮次复现
  • 业务目的:用户通过复习流程实现知识的记忆,在经过多轮次记忆后,帮助用户实现真正的知识长时记忆
  • 衡量指标:用户完成一次流程的次数(提高)、用户按当日任务要求完成流程的比率
  • 用户行为:进入复习模式,并根据提示反馈记忆情况

5. 知识点复习轮次统计

  • 业务需求:针对每个知识点计数复习完成轮次
  • 业务目标:记录每个知识点已完成的复习轮次
  • 业务目的:能让用户了解复习程度
  • 衡量指标:完成一轮复习后递增轮次
  • 用户行为:完成复习一轮后轮次自动加一

6. 分享知识点

  • 业务需求:做一个能分享知识点内容的功能
  • 业务目标:实现知识内容分享、邀请用户加入,提高用户数量
  • 业务目的:提供知识内容分享功能
  • 衡量指标:点击“分享”按钮的次数
  • 用户行为:进入[知识面板]页面,可批量分享知识点,或进入[知识点详情]页,可分享单个知识点

7. AI解析知识点

  • 业务需求:做一个可将语音、大篇幅内容解析为知识点的功能
  • 业务目标:实现不同格式内容的多模态解析,形成用户所需要的文字知识点内容
  • 业务目的:为用户提供多种知识点提取方式,衡量指标:用户使用AI解析次数(提高)、用户应用AI解析结果的次数(提高)
  • 用户行为:输入知识点时,选择“AI解析”功能,进入多模态输入页面

8. 产品MVP功能范围

第三步:梳理业务流程

1. 用户使用流程图

2. 一次背诵过程流程图

3. 数据结构

  • 根据核心业务功能,初步设计5个数据表单:
  • 知识点表:记录知识点内容参数
  • 记忆进度表:记录知识点与记忆进度相关的参数,用于输出每个知识点记忆状态,包括:下次复习时间、已复习次数
  • 复习记录表:在背诵过程记录知识点的状态参数
  • 复习计划表:用于记录用户每天的复习计划
  • 复习设置表:用于存储与复习规则的参数

备注:剩余还应补充个人设置表,其中包括用户的个人资料、提醒、外观等参数的存储

4. 算法设计

(1)复习间隔计算算法

输入参数

  • 当前记忆阶段(整数)
  • 用户选择的记忆程度(枚举:记住/模糊/忘记)
  • 用户预设的间隔天数数组

处理逻辑

  1. 记住的情况:
  • 记忆阶段推进到下一阶段(不超过预设数组最大索引,默认为4)
  • 间隔天数 = 预设数组[新阶段]

2. 模糊的情况:

  • 记忆阶段保持不变
  • 间隔天数 = 0(同一复习会话内重出)

3. 忘记的情况:

  • 记忆阶段重置为0(第一阶段)
  • 间隔天数 = 预设数组[0]
  • 易度因子重置为初始值

输出结果

  • 更新记忆阶段
  • 更新间隔天数
  • 下次复习日期

(2)每日复习队列生成算法

输入参数:

  1. 收集过期知识点
  • 查询所有“下次复习时间≤当前时间”且未暂停的知识点
  • 根据用户意愿可添加过期知识点进入当日复习序列

2. 获取新知识点

  • 从未开始复习的知识点中抽取
  • 考虑难度和分类的平衡

3. 识别需重学知识点

  • 最近复习结果为“忘记”的知识点

输出结果:

  • 更新当日复习序列

第四步:设计产品原型

1. 功能模块

核心功能模块:

  1. 用户登录、注册
  2. 复习任务
  3. 记忆背诵
  4. 知识面板(列表)
  5. 知识点详情
  6. 新增知识点(录入)

待完善功能模块:

  1. AI 伴学
  2. 学习统计
  3. 个人设置

2. 原型设计

再次感谢能看到结尾的朋友,产品功能依旧完善中,有关AI及其余功能的设计,将在下一篇文章中论述。

本文由 @橘一 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务