Skip to content

FAQ.md

Latest commit

 

History

History
325 lines (216 loc) · 11 KB

FAQ.md

File metadata and controls

325 lines (216 loc) · 11 KB
Raw

常见问题 (FAQ)

本文档收集 Anchor Learning (锚学) 使用过程中的常见问题和解答。

📱 基础使用

Q1: Anchor Learning 是什么?

Anchor Learning (锚学) 是一个来源可溯源的 AI 学习代理系统。它可以:

  • 导入你的学习资料 (Markdown、代码项目等)
  • 自动生成可溯源的练习题
  • 使用间隔重复算法安排复习
  • 提供 AI Agent 对话式学习辅导

核心特点:

  • ✅ 每个知识点和题目都能追溯到源文档
  • ✅ 三层防幻觉机制,确保内容准确性
  • ✅ 默认本地存储,并明确 AI 发送边界

Q2: 为什么选择本地优先 (Local-first)?

优势:

  • 🔒 隐私保护: 学习资料和进度默认保存在设备本地;主动 AI 任务只发送完成任务所需的片段给你选择的模型服务商
  • ⚡ 快速响应: 除 AI 调用外,所有操作都在本地完成
  • 📴 离线可用: 答题和复习可完全离线进行
  • 💰 无订阅费: 应用本身不收订阅费;模型服务商的费用按其自身定价和用量规则计算

代价:

  • ⚠️ 需要自行备份数据
  • ⚠️ 多设备同步需要手动导出/导入 (云同步规划中)

Q3: 需要哪些前置条件?

  • 必须: 在应用“设置 → AI 配置”中保存一个通过验收的 OpenAI-compatible 模型配置，才可使用 AI 生成流程
  • 当前私测平台:
    • Android API 24-35 Arm64 真实设备（需通过 Private Alpha 验收）
    • Web 仅提供独立静态 Demo，不是完整 Flutter Web 客户端
    • iOS、Windows、macOS 和 Linux 当前不是发布支持平台，仍属规划/待验收范围
    • 至少 500MB 可用存储空间
    • 稳定的网络连接 (用于 AI 调用)

Q4: 如何配置模型凭据?

  1. 从你的模型提供商创建 API Key，并确认使用范围、配额和撤销责任。
  2. 打开应用“设置 → AI 配置”。
  3. 输入 API Key、兼容 OpenAI 协议的 Base URL 和模型名。
  4. 运行应用内五任务验收；未通过验收时，本地导入和 coverage review 仍可用，但 AI 生成会保持阻断。

费用说明: Anchor Learning 不统一承诺模型价格或单次任务成本。实际费用取决于你选择的模型服务商、模型、上下文长度和账户计费规则，请以服务商当前价格页和用量记录为准。

📚 文档导入

Q5: 支持哪些文档格式?

当前支持:

  • ✅ Markdown (.md)
  • ✅ Dart 代码 (.dart)
  • ✅ JavaScript/TypeScript (.js, .ts)
  • ✅ Python (.py)
  • ✅ 纯文本 (.txt)

计划支持:

  • 📋 PDF
  • 📋 Word (.docx)
  • 📋 Notion 导出
  • 📋 Obsidian Vault

Q6: 如何导入整个项目/代码库?

  1. 在主页点击 "导入文档"
  2. 选择 "导入项目文件夹"
  3. 选择项目根目录
  4. 应用会自动扫描并导入支持的文件类型

注意:

  • 自动排除 node_modules, build, .git 等目录
  • 大型项目 (>1000 文件) 建议分批导入

Q7: 导入的文档会被上传吗?

导入的文档默认存储在你的设备本地 SQLite 数据库中。只有在你主动发起 AI 任务时,完成该任务所需的文档片段才会发送给你选择的模型服务商。

请注意:

  • 模型服务商对数据的处理、留存和删除遵循其自身政策,Anchor Learning 不替服务商作训练或留存承诺
  • 发送前请确认 Base URL、模型、服务商条款和资料授权范围
  • 生产版本遵循平台的 HTTPS 默认安全策略;自定义服务的网络安全仍取决于该服务端点

🎯 题目生成

Q8: AI 生成的题目准确吗?

Anchor Learning 使用三层防幻觉机制确保准确性:

  1. Semantic Chunker: 保持文档结构完整,不切断上下文
  2. Citation Verification: AI 必须引用具体的文档片段,系统验证引用有效性
  3. Question Validator: 二次核验答案是否与源文档一致

最终审核: 生成的题目会进入 "知识库审核" 界面,你可以:

  • 查看题目和引用的源文档
  • 编辑题目内容
  • 标记不准确的题目
  • 批准后才进入题库

Q9: 为什么有些题目被标记 "需要审核"?

可能原因:

  • 引用无效: AI 引用了不存在的文档片段
  • 低置信度: Question Validator 检测到答案可能与源文档不一致
  • 缺少引用: 题目的解析中没有引用源文档

建议: 仔细审核这些题目,或者直接丢弃重新生成。

Q10: 可以自己手动添加题目吗?

当前版本: 不支持直接添加,但你可以:

  1. 创建一个 Markdown 文件,写入你的知识点
  2. 导入这个 Markdown
  3. 让 AI 基于它生成题目
  4. 在审核时编辑成你想要的样子

计划功能: 下个版本将支持完全手动创建题目。

📖 复习系统

Q11: 复习算法是怎样的?

基于 SuperMemo 间隔重复算法 的变体:

  • 新题: 首次答题后 1 天复习
  • 答对: 间隔 = 上次间隔 × ease (ease 每次 +0.1)
  • 答错: 间隔重置为 1 天,ease 减少 0.2

示例:

第1次 (答对) → 1天后
第2次 (答对) → 1.1天后  (ease=1.1)
第3次 (答对) → 1.3天后  (ease=1.2)
第4次 (答错) → 1天后    (ease=1.0)

Q12: 如何调整复习频率?

当前版本: 算法参数固定,但你可以:

  • 答错题目会立即重新进入复习队列
  • 手动在 "题库" 中重做任何题目
  • 标记 "重点关注" 的题目 (计划功能)

计划功能: 自定义复习参数 (初始间隔、ease 增量等)。

Q13: 可以导出复习记录吗?

当前版本: 可在“设置 → 隐私与数据”中导出本地事件、数据库备份，并在需要时恢复或删除数据。导出内容不包含模型凭据。

CSV、Anki 和云同步仍是后续规划，不属于当前 Private Alpha 承诺。

🤖 Learning Agent

Q14: Learning Agent 是什么?

Learning Agent 是一个对话式学习辅导系统,支持多种学习模式:

  • 知识问答: 基于你的知识库回答问题,带引用链
  • 项目面试: 引导式提问帮助你理解代码项目
  • 苏格拉底式: 不直接给答案,反问启发思考
  • 编程实践: 生成代码练习题 + 自动评测

Q15: Agent 的回答准确吗?

Agent 遵循来源约束:

  • 只基于你导入的文档回答
  • 每个回答都标注引用的源文档
  • 无法回答时会明确说 "当前知识库中没有相关内容"

注意:

  • Agent 使用你配置的模型,仍可能产生幻觉
  • 请结合引用链验证答案
  • 发现错误可通过 "反馈" 报告

Q16: Agent 会话会保存吗?

是的。所有 Agent 会话都会保存:

  • 问题和回答
  • 引用的源文档
  • 用户评价和反馈

你可以在 "Agent 工作台" 的 "历史记录" 中查看和继续之前的会话。

🔧 技术问题

Q17: 应用占用多少存储空间?

  • 应用本体: ~50MB (Android APK)
  • 空数据库: ~1MB
  • 每 1000 道题: ~5-10MB
  • 每 100 个文档: ~2-5MB (取决于文档大小)

建议: 至少预留 500MB 空间。

Q18: 如何备份数据?

打开“设置 → 隐私与数据 → 导出本地数据备份”，选择保存位置即可。恢复前应用会创建回滚快照；备份不包含模型凭据、隐私偏好和首次运行状态。

Q19: 多设备如何同步?

当前版本: 不支持自动同步。

临时方案:

  1. 在设备 A 导出本地数据备份
  2. 将备份文件安全地复制到设备 B
  3. 在设备 B 的隐私与数据页面选择“从备份恢复”

计划功能:

  • 云同步 (Supabase/Firebase)
  • 自动冲突解决

Q20: 应用崩溃/卡顿怎么办?

排查步骤:

  1. 检查是否是最新版本
  2. 重启应用
  3. 清理缓存 (设置 > 存储)
  4. 查看日志: flutter logs 或系统日志

报告 Bug: 请在 GitHub Issues 创建 Bug 报告,包含:

  • 设备型号和系统版本
  • 应用版本
  • 复现步骤
  • 错误日志

💰 费用和隐私

Q21: 使用 Anchor Learning 需要付费吗?

应用本身: 完全免费开源 (MIT 许可证)

模型服务商费用: 按你选择的服务商、模型和实际用量计费;Anchor Learning 不代收这类费用。

建议: 在所选服务商账户中设置用量或预算限制。

Q22: 我的数据会被收集吗?

Anchor Learning 默认不向 Anchor Learning 自有服务器收集或同步账号数据。应用会在本地保存必要的产品事件;当你主动运行 AI 任务时,会把所需内容发送到你配置的模型服务商端点。请按需查看、导出或删除本地数据,并根据服务商政策管理已发送内容。

Q23: 模型服务商会用我的数据训练模型吗?

这取决于你选择的模型服务商、端点类型和账户策略。Anchor Learning 不代表任何服务商作训练、留存或删除承诺;请在发送资料前阅读对应服务商的最新政策,并在服务商侧配置可用的隐私或零留存选项。

🌍 社区和贡献

Q24: 如何参与贡献?

欢迎各种形式的贡献:

Q25: 如何获取帮助?

Q26: 项目的未来规划是什么?

查看 ROADMAP.md 了解详细规划,亮点包括:

  • v0.2: 云同步、多模型支持、国际化
  • v0.3: 插件系统、自定义 Prompt、协作学习
  • v1.0: 完善的学习分析、智能推荐、社区题库

🔄 更新和版本

Q27: 如何更新到最新版本?

  • Android:

    • 通过 GitHub Releases 下载最新 APK
    • 按当前 Private Alpha 安装说明安装对应候选版本
    • 发布说明会列出 schema 变更、备份要求和回滚路径

  • iOS: 当前没有 App Store 或 TestFlight 发布渠道；iOS 支持仍需单独的构建和真实验收。

Q28: 旧版本数据兼容吗?

Anchor Learning 当前从正式产品化候选开始分发，不承诺此前未发布开发构建或其他产品名称的安装兼容。

当前版本之间的 schema 升级由应用处理；涉及切换安装、降级或测试前，先在“设置 → 隐私与数据”导出备份，并通过应用内恢复入口导入。

❓ 其他问题

没找到答案?

  1. 搜索 GitHub Issues
  2. 在 GitHub Discussions 提问
  3. 加入社区讨论群 (计划中)

最后更新: 2026-08-24

反馈建议: 如果你觉得某个问题应该加入 FAQ,请创建 Documentation Issue。