# ErrLens 产品需求文档

> 版本: v0.4.0 | 状态: 已锁定 | 作者: Arch AI | 最后更新: 2026-05-26（旧架构合并）

---

## 1. 产品定位

### 1.1 一句话描述

ErrLens 是一款面向小学初中学生的 **AI 错题本**，帮助学生或家长拍照录入错题、自动归类分析、输出 PDF 练习、获得针对性练习推荐。

### 1.2 核心价值

传统错题本需要学生手动抄题、自己分类、凭感觉复习。ErrLens 将这些步骤交给 AI：

- **录入**: 拍照即可，AI 自动识别题目、答案、学科
- **分析**: AI 诊断错误原因（知识点欠缺/粗心/审题偏差），汇总薄弱点
- **推荐**: 基于错题模式，从题库中匹配同类题目，针对性巩固

### 1.3 核心飞轮（人机协同版）

AI 识别不可能 100% 准确（尤其手写体），飞轮不能建立在"AI 完美识别"的假设上。正确模型是：

```
拍照录入错题 
    → AI 识别 + 置信度评估（识别、分类、知识点标注各带分数）
    → 高置信度字段自动填充，低置信度字段高亮提示用户确认
    → 用户修正/确认后入库（人工校验过的数据才是"干净数据"）
    → 干净数据 → AI 分析错误原因 → 识别薄弱知识点 
    → 推荐同类练习 → 更多错题数据 → 修正记录积累 
    → 反馈训练（P02 阶段：用"AI 识别 vs 用户修正"的 delta 微调模型）
```

**关键认知**：
- AI 识别结果不是"答案"，是"草稿"——用户确认前不进入分析管道
- 用户每一次修正都是**免费的标注数据**，是训练 P02 自有模型的核心资产
- 飞轮飞起来靠的不是 AI 一开始有多准，而是用户修正成本有多低

### 1.4 竞品差异化

| 维度 | 传统错题本 App | ErrLens |
|------|---------------|---------|
| 录入方式 | 手动输入/拍照 OCR | AI 识别 + 置信度标注 + 用户修正 |
| 分析深度 | 按学科/章节归类 | 知识点粒度 + 错误原因诊断 |
| 推荐逻辑 | 随机/按章节 | 基于错题模式的个性化推荐 |
| 数据飞轮 | 无 | 用户修正数据反哺模型训练 |

---

## 2. 目标用户

### 2.1 核心用户画像

| 画像 | 描述 | 核心需求 |
|------|------|----------|
| **小初高学生** | 10-18 岁，有日常作业和考试，可自己操作也可家长代操作 | 快速录入、自动整理、考前针对性复习 |
| **家长** | 关注孩子学习状况，代孩子拍照整理、打印练习题 | 查看分析报告、了解进步轨迹、错题打印 |
| **老师（扩展）** | 管理班级，了解全班错题分布 | 班级错题统计、教学重点调整 |

### 2.2 MVP 阶段聚焦

- **P0**: 小初高学生 + 家长（均可操作，交互低门槛年轻化）
- **P1**: 学习报告、练习推荐
- **Phase 3+**: 老师端

---

## 3. 功能需求

### 3.1 MVP 功能清单 (Phase 2)

| 模块 | 功能 | 优先级 | 说明 |
|------|------|--------|------|
| **错题录入** | 拍照录入 | P0 | 拍照 → 图像预处理 → AI 识别题目+答案+学科 |
| | 手动录入 | P0 | 文字输入兜底方案 |
| | 批量导入 | P2 | 从试卷照片一次识别多道题 |
| **错题管理** | 错题列表 | P0 | 按时间/学科/知识点筛选 |
| | 错题详情 | P0 | 题目、错误答案、正确答案、分析 |
| | 错题编辑 | P1 | 修正 AI 识别结果 |
| **AI 分析** | 错误原因诊断 | P0 | 标注错误类型（知识点/粗心/审题） |
| | 薄弱点汇总 | P0 | 按知识点统计薄弱程度 |
| | 学习报告 | P1 | 周/月度错题趋势报告 |
| **练习推荐** | 同类题推荐 | P1 | 关键词+Jaccard 粗筛 → AI 精排 |
| | 智能组卷 | P2 | 自动生成针对性练习卷 |
| **错题打印** | PDF 输出 | P0 | 选题 → 生成 PDF → 下载（24h 有效） |
| **用户系统** | 注册/登录 | P0 | 微信授权登录 |
| | 个人资料 | P1 | 年级（小初）、学科设置 |
| | 学科管理 | P1 | 添加/切换学科 |

### 3.2 功能详情

#### 3.2.1 拍照录入（P0 核心流程）

```
拍照 → 裁剪/确认 → 图像预处理 → AI 识别 → 置信度评估 → 确认/修正 → 保存
                    │
                    ├─ 透视校正（手动框4角）
                    ├─ CLAHE 增强（光照归一化）
                    └─ 笔迹去除（红/蓝笔HSV自动去除）
                          ↓
                    提取: 题目文本、学科、知识点、错误答案
                    每个字段附带 confidence: 0.0-1.0
                          ↓
                    高置信(>0.9): 绿色标记，自动采纳
                    中置信(0.7-0.9): 黄色标记，建议检查
                    低置信(<0.7): 红色标记，提示手动确认
                          ↓
                    用户修正 → 修正字段记录到 correction_log
                    原始 AI 结果 + 用户修正值 一并入库
```

**置信度分字段展示**:
- OCR 文本置信度（手写体通常更低）
- 学科分类置信度
- 知识点标注置信度
- 错误类型诊断置信度

每个字段独立展示置信度，用户可逐个修正。低置信度字段高亮提示，不阻塞整体流程（用户可跳过修正，但数据标记为 unverified）。

**交互要点**:
- 拍照后展示识别结果，低置信度字段红色高亮
- 点击任意 AI 识别结果可进入编辑态修正
- 识别中展示 loading 动画（预期 3-5 秒）
- 支持从相册选择已有截图/照片
- "正确答案"字段独立，可留空（学生可能还不知道正确答案）

**AI 能力需求**:
- OCR 文字识别（手写体 + 印刷体）
- 学科分类（数学/语文/英语/物理/化学/生物/地理/历史/政治）
- 知识点标注（如"二次函数"、"定语从句"）
- 题目结构提取（题干/选项/答案区）

#### 3.2.2 错题列表（P0）

**列表视图**:
- 默认按时间倒序
- 筛选器：学科、知识点、时间范围、错误类型
- 每项展示：题目缩略图、学科标签、知识点标签、录入日期
- 搜索：按题目关键词搜索

**分组视图**:
- 按知识点分组（展示每个知识点的错题数量和掌握度）
- 按学科分组

#### 3.2.3 AI 分析（P0）

**单题分析**:
- 错误类型分类：知识点欠缺 / 粗心失误 / 审题偏差 / 概念混淆
- 关联知识点（可能有多个）
- 难度评估：基础 / 中等 / 拔高

**汇总分析**:
- 薄弱知识点排序（按错误频率和严重程度）
- 错误类型分布饼图
- 学科间对比

#### 3.2.4 错题打印/PDF 输出（P0）

**打印流程**:
```
选题（错题列表中勾选）→ 生成 PDF → 预览 → 下载 → 自行打印
```

**PDF 排版优先级**:
1. 结构化内容（题库匹配的题目，文字+公式清晰排版）
2. 增强图片（经 CLAHE+笔迹去除处理后的图片）
3. 原始图片（无匹配时兜底）

**交互要点**:
- 错题列表页支持多选模式（勾选要打印的题目）
- PDF 生成中展示进度（预计 5-10 秒）
- 生成后预览页支持手势缩放
- 下载链接 24 小时有效，过期自动清理
- 支持分享到微信（发送 PDF 文件给家长/老师）

#### 3.2.5 练习推荐（P1）

**推荐逻辑**:
1. 基于薄弱知识点权重排序
2. 匹配题库中同知识点、同难度题目
3. 优先推荐"高频易错"题型
4. 已掌握的题目降低推荐权重

**推荐展示**:
- 每日推荐: 3-5 道针对性练习
- 自定义练习: 选择知识点 + 数量，一键生成

### 3.3 数据质量与人机协同修正

#### 3.3.1 核心设计原则

**用户每次修正都是免费的标注数据。** 这是 ErrLens 相对于纯 AI 方案的核心壁垒。

- AI 识别是"草稿"，不是"答案"
- 用户确认前的数据不进入分析和推荐管道
- 修正记录（AI 输出 vs 用户修正）是 P02 自研模型的核心训练数据

#### 3.3.2 数据校验状态机

```
                  AI 识别完成
                       │
                       ▼
              ┌────────────────┐
              │    raw          │  原始 AI 识别结果，未确认
              │  进入错题列表    │  仅对用户可见，不参与分析
              │  不可用于推荐    │
              └───────┬────────┘
                      │ 用户查看/修正
                      ▼
              ┌────────────────┐
              │  reviewed       │  用户已确认/修正
              │  参与薄弱点分析  │  所有字段经人工校验
              │  参与练习推荐    │
              └───────┬────────┘
                      │ 用户再次修正
                      ▼
              ┌────────────────┐
              │  corrected      │  用户二次修正（覆盖上次）
              │  分析/推荐更新   │
              └────────────────┘
```

**关键规则**:
- `raw` 状态的错题仅用户自己可见，不计入 AnalysisReport
- 从 `raw` → `reviewed` 的最小操作：用户至少查看一次并点击"确认"按钮（批量确认支持）
- 从 `reviewed` → `corrected`：用户主动编辑了 AI 识别的字段
- 30 天后仍为 `raw` 的错题标记为 `stale`，系统定期提醒用户确认

#### 3.3.3 置信度分字段评估

AI 对每个字段独立输出置信度 [0.0-1.0]：

| 字段 | 影响因素 | 典型置信度 |
|------|----------|-----------|
| 题目文本 (question_text) | 手写体 vs 印刷体、图片清晰度 | 印刷体 0.9+，工整手写 0.7-0.9，潦草手写 0.5-0.7 |
| 学科分类 (subject_id) | 题目文本中的关键词密度 | 数学符号明显的题 0.9+，文科主观题 0.6-0.8 |
| 知识点标注 (knowledge_points) | 知识树覆盖度、题干关键词匹配 | 主流知识点 0.8+，冷门知识点 0.5-0.7 |
| 错误类型 (error_type) | 错误答案与正确答案的对比清晰度 | 有正确答案时 0.8+，无正确答案时 0.5-0.7 |
| 正确答案 (correct_answer) | AI 是否能看到标答区域 | 扫描的试卷答案区 0.9+，纯题目照片 0.5-0.7 |

#### 3.3.4 修正记录 (Correction Log)

每次用户修正，记录原始 AI 值和用户修正值：

```json
{
  "error_item_id": "uuid",
  "field": "knowledge_points",
  "ai_value": [1021],          // AI 识别：顶点坐标
  "user_value": [1022],        // 用户修正：图像性质
  "ai_confidence": 0.72,
  "corrected_at": "2026-05-26T10:30:00Z"
}
```

**用途**:
1. **即时**: 修正后立即更新错题数据，参与分析和推荐
2. **分析**: 统计各字段修正率，识别 AI 薄弱环节（哪个学科/知识点修正率最高）
3. **训练 (P02)**: AI 识别 vs 用户修正的 delta 是微调自有模型的核心训练数据

#### 3.3.5 交互策略

**确认界面分级提示**:

| 置信度区间 | 视觉标记 | 交互行为 |
|-----------|---------|---------|
| > 0.9 | 绿色边框 | 默认展示，无需操作 |
| 0.7 - 0.9 | 黄色边框 + 虚线 | 建议点击查看 |
| < 0.7 | 红色边框 + 闪烁 | 弹提示建议手动修正 |
| — | 无 AI 结果 | 空白输入框，用户手动填写 |

**批量确认**: 多道题一起拍照后，在列表页支持批量"一键确认"，降低确认摩擦。

**修正激励**: 未来（Phase 3）可引入修正积分/成就，鼓励学生认真修正（干净数据=更好的推荐=对自己有用）。

---

## 4. 非功能需求

### 4.1 性能

| 指标 | 目标值 |
|------|--------|
| 小程序首屏加载 | < 2s |
| AI 识别响应 | < 5s（拍照→结果展示） |
| 列表滚动 | 60fps，虚拟列表 |
| 图片上传 | < 3s（压缩后 < 500KB） |
| API 响应 | P95 < 200ms |

### 4.2 安全

- 微信授权登录，不存储密码
- 用户错题数据隔离，API 层鉴权
- 图片上传签名 URL，防恶意上传
- 敏感信息（姓名、学校）传输加密

### 4.3 兼容性

- 微信小程序基础库 ≥ 3.0
- iOS 14+ / Android 8+
- 屏幕适配：375-428px 逻辑宽度

### 4.4 可用性

- 核心流程（拍照→保存）不超过 3 步
- 关键操作有明确反馈（loading/成功/失败）
- 网络异常时有缓存兜底和重试提示
- 首次使用有引导（不强制）

---

## 5. 数据模型（高层）

### 5.1 核心实体

```
User (用户)
  - id, nickname, avatar, grade, created_at

Subject (学科)
  - id, name, icon

KnowledgePoint (知识点)
  - id, name, subject_id, parent_id (树形结构)

ErrorItem (错题)
  - id, user_id, subject_id
  - image_url (原始图片)
  - question_text (题目文本，AI 提取)
  - wrong_answer (错误答案)
  - correct_answer (正确答案，可选)
  - knowledge_points[] (关联知识点)
  - error_type (错误类型)
  - difficulty (难度)
  - verification_status: raw | reviewed | corrected | stale
  - ai_confidence: JSONB（各字段的 AI 置信度）
  - note (学生备注)
  - created_at, updated_at

CorrectionLog (修正记录) [P02 训练数据]
  - id, error_item_id, field_name
  - ai_value (AI 原始值)
  - user_value (用户修正值)
  - ai_confidence (该字段置信度)
  - corrected_at

AnalysisReport (分析报告)
  - id, user_id
  - period (week/month)
  - weak_points[] (薄弱知识点+权重)
  - error_type_distribution
  - trend (进步/退步/持平)
  - generated_at

PracticeRecommendation (练习推荐)
  - id, user_id
  - knowledge_points[]
  - questions[] (推荐的题目)
  - generated_at

PrintTask (打印任务)
  - id, user_id
  - error_item_ids[]
  - output_mode: pdf
  - file_url, expires_at
  - created_at
```

### 5.2 MVP 阶段简化

- KnowledgePoint 使用预设知识树（非 AI 自动生成）
- 题库推荐初期使用外部题库 API，后续自建
- 分析报告先做单题分析，汇总报告 P1
- **CorrectionLog MVP 即入库，但 P02 阶段才用于训练**
- **AnalysisReport 仅统计 verification_status != raw 的错题**

---

## 6. 用户旅程

### 6.1 核心旅程：首次使用

```
1. 打开小程序 → 微信授权登录
2. 设置年级 + 学科（初中二年级 + 数学）
3. 进入首页 → 看到空状态：「还没有错题，拍一张吧」
4. 点击拍照按钮 → 拍摄一道错题 → AI 识别中（3-5s）
5. 确认识别结果 → 「分析完成！这道题是【二次函数-顶点坐标】没掌握」
6. 回到首页 → 错题列表出现第一条记录
7. 底部「薄弱点」tab → 看到第一个薄弱知识点标记
```

### 6.2 核心旅程：日常使用

```
1. 每天做完作业 → 打开 ErrLens
2. 拍照录入 2-3 道错题
3. 查看 AI 分析：「今天主要是计算粗心」
4. 周末 → 收到推送：「本周薄弱点是【全等三角形判定】，已生成针对性练习」
5. 完成推荐练习 → 错题本记录更新
```

---

## 7. 项目分期

| 阶段 | 范围 | 交付物 |
|------|------|--------|
| Phase 1 (当前) | 基础搭建 | 协作框架、脚手架、信息架构 |
| Phase 2 (MVP) | 核心闭环 | 拍照录入 + 错题管理 + AI 分析 + 用户系统 |
| Phase 3 | 功能完善 | 练习推荐 + 学习报告 + 家长端 + P02/P03 启动 |
| Phase 4 | 打磨发布 | 性能优化 + 安全审计 + 上线准备 |

---

## 8. MVP 验收标准 (Phase 2)

- [ ] 用户可以微信授权登录
- [ ] 用户拍照后 5 秒内看到识别结果（含置信度标注）
- [ ] 图像预处理管线完整运行（透视校正+增强+笔迹去除）
- [ ] 低置信度字段红色高亮，用户可逐字段修正
- [ ] 用户可以批量确认多道错题
- [ ] 用户可以在错题列表中按学科、校验状态筛选
- [ ] AI 可以诊断错误原因并关联知识点
- [ ] 用户可以查看薄弱点汇总（仅统计 reviewed 及以上状态）
- [ ] 用户可以勾选错题生成 PDF 并下载（24h 有效）
- [ ] PDF 排版清晰度满足打印标准（300DPI）
- [ ] 核心流程有完整的 loading/成功/失败反馈
- [ ] 置信度 UI 分级显示（绿/黄/红）正确运行
- [ ] `raw` 状态的错题不参与分析和推荐

---

## 9. 风险与假设

### 9.1 关键假设

1. AI OCR 对手写体的识别率能达到可用水平（>70% 即满足 MVP，用户修正兜底）
2. 用户愿意在拍照后花 10-20 秒确认/修正 AI 识别结果
3. 学生/家长愿意每天花 2-3 分钟录入错题
4. 微信小程序审核能通过教育类目
5. 题库资源可获取（合作或爬取）

### 9.2 主要风险

| 风险 | 影响 | 缓解措施 |
|------|------|----------|
| AI 识别准确率不足 | 用户不信任，放弃使用 | **架构层面：置信度分层 + 用户修正闭环，AI 定位为"草稿"而非"答案"；MVP 优先优化印刷体 OCR** |
| 用户修正率低（不确认 raw 数据） | 飞轮无数据可用 | 批量确认降低摩擦；定期提醒 stale 数据；确认操作设计为一次点击 |
| 修正数据质量差（用户胡乱修正） | 训练数据被污染 | 修正记录对比 AI 值，异常修正（如学科从数学改体育）标记审查 |
| 图像预处理管线复杂度高 | 开发周期延长 | 模块化降级策略：任何模块失败不阻塞整体流程；Coze 沙盒中重新调优参数 |
| 题库内容不足 | 推荐功能无法上线 | 先接入第三方题库 API |
| 增长缓慢 | 飞轮无法启动 | 考虑学校/班级团购模式 |
| 小程序审核受限 | 无法发布 | 优先微信小程序，H5 兜底 |

---

## 10. 待决策事项

以下事项需要人类确认后锁定：

- [x] 题库来源：**两者都要**。自有本地题库（PDF 手动录入）提供差异化内容，作业帮 API 冷启动兜底。架构需支持多题库源抽象层。
- [x] AI 能力来源：**分层使用**。Coze SDK 做测试/验证，其他 AI 做 Coding 实现，Claude 做架构设计。各角色可交叉协作，不僵化绑定。
- [x] 用户体系：**MVP 仅微信小程序登录**。增长模式：已有用户/老师/机构通过扫码分享注册，形成用户群的**树状结构**（邀请链）。架构需支持邀请关系建模。
- [x] 商业化方向：**基础免费 + 会员**。MVP 阶段全功能免费（积累用户），会员功能在 Phase 3 设计。架构预留能力开关。
- [x] 首发学科：**数学 + 英语**。两个学科同时首发，知识树需覆盖数学和英语两套知识体系。

---

*PRD 状态: 草案 → 已锁定（v0.3.0，5 项决策已确认）*