一、Demo 简介
优者 是一个 AI 智能知识记忆助手，帮助学习者"看见自己真正记住了什么"。
学习结束后，用户把原始材料交给优者，先凭记忆自由写下还记得什么，AI 再帮你看见：哪些自己想起来了、哪些经提醒想起来了、哪些还差一点。核心原则是 AI 不替用户记忆，而是帮助用户看见自己的记忆。
产品形态： Web 网站（手机端适配），打开即用
面向用户： 有学习需求的所有人 — 学生复习课程、职场人学习新技能、读书爱好者读后回顾
核心功能：
AI 记忆分析 — 粘贴学习材料，凭记忆写下回顾，AI 自动对比分析，将知识点分为"想起来了"“提醒后想起”“还差一点”"先不记"四类记忆状态
智能追问补全 — AI 根据用户回忆情况，生成 2-3 个针对性追问，带轻提示引导用户回忆更多细节，可回答可跳过
知识图谱可视化 — 学习记录自动沉淀到知识库，多个知识点自动生成关系图谱，一眼看见知识结构
产品截图：
二、Demo 创作思路
灵感来源：
源于自己学习时的亲身经历 — 看了很多书、上了很多课，但过几天就忘了大部分内容。传统的笔记工具只能"记录"，却无法帮你"记住"。Anki 等记忆卡片工具需要手动制卡，上手门槛高，而且像考试一样有压力。
想解决的问题：
"学过就忘"是所有学习者的痛点。现有工具要么只存储不记忆（笔记类），要么需要大量手动操作（记忆卡片类），要么只覆盖特定场景（背单词类）。没有一个工具能让你自然地回顾、轻松地看见记忆状态。
为什么做这个方向：
主动回忆 是最有效的学习方式之一，但传统工具让用户被动翻卡，缺乏自然回忆的过程
AI 可以自动分析原始材料和用户回忆，替代手动制卡的繁琐步骤
四类记忆状态的设计，比传统"会/不会"二元判断更温和、更准确，让回顾像复盘而非考试
三、Demo 体验地址
在线体验： https://youzhe.giodio.me
打开即用，无需注册登录。点击"开始一次记忆记录"即可体验完整流程。
四、TRAE 实践过程
开发工具
全程使用 TRAE Work 完成开发，采用多 Agent 协作模式：
方案设计 Agent — 负责需求分析、架构设计、spec/plan 文档生成
项目搭建 Agent — 负责代码实现、bug 修复、功能优化
架构讨论 Agent — 负责框架选型和技术边界讨论
通过 superpowers 技能框架管理开发流程：brainstorming（需求探索）→ writing-plans（实现计划）→ handoff-prompt（交接执行）→ systematic-debugging（调试）→ verification-before-completion（验证）。
开发流程
第一阶段：创意构思与需求分析
用 TRAE Work 的方案设计 Agent 进行头脑风暴，探索产品方向
通过 grill me 审问式讨论，深化设计细节（13 轮审问 + 13 项重要决策）
产出设计文档（spec）、实现计划（plan）、交接提示词（handoff）
第二阶段：核心功能开发
项目搭建 Agent 按 handoff 提示词执行，11 个任务逐步实现
前端：8 个页面的 HTML/CSS/JS 实现，手写风格 UI 设计
后端：FastAPI + SQLite + AI 适配层（DeepSeek/SenseNova）
OCR：三层智能识别（AI 多模态 → PaddleOCR 服务 → 本地解析兜底）
第三阶段：迭代优化
知识图谱可视化设计与实现
文件上传与 OCR 智能识别（图片识别拆分为 OCR 提取 + AI 图像分析两步）
UX 体验优化（10 项：返回按钮、加载遮罩、Toast 动画、反馈展开等）
部署到云服务器（Nginx + systemd + Let’s Encrypt HTTPS）
开发关键步骤截图：
截图 1：TRAE Work 多任务执行 — 7 个任务自动完成 ![TRAE Work 执行 7 个任务]
TRAE Work 的项目搭建 Agent 自动执行 7 个任务，包括 OCR 智能识别统一、Markdown 导出增强、前端 bug 修复等，42 分钟完成全栈修改。
截图 2：图片识别策略优化 — 两步分析法 ![图片识别两步分析]
遇到 AI 图片识别失败的问题后，在 TRAE Work 中讨论策略：将图片识别拆分为 OCR 文字提取 + AI 图像内容分析两步，修复前 6 字失败，修复后 1005 字成功。
截图 3：遗留修复与集成验证 
3 项遗留修复（日期格式化、navigate 安全包裹、集成验证），11 分钟完成，35 个后端测试全部通过。
Session ID
以下为 TRAE Work 开发过程中的关键对话 Session ID：
973481577562012:084046cddba1b5fa76b6ed39d7025da7_6a56057389f253d847bc8d7f.6a564b1289f253d847bc907f.6a564b1289f253d847bc907d:TRAE Work CN.0.1.36.no_sid.no_ppe.T(2026/7/14 22:43:30)
973481577562012:4c8878f9acfa458874e6286a71ce0464_6a56595c89f253d847bc91ee.6a565caf89f253d847bc92da.6a565caf89f253d847bc92d8:TRAE Work CN.0.1.36.no_sid.no_ppe.T(2026/7/14 23:58:39)
973481577562012:c436215b115e47e51381de65e91aad97_6a53a2d3859db6b535d9212f.6a53b70c859db6b535d92587.6a53b70c859db6b535d92585:TRAE Work CN.0.1.36.no_sid.no_ppe.T(2026/7/12 23:47:24)
973481577562012:859c40f3adb2a2217b8a735a2723d96c_6a54a8f2de068d35ed5abdd9.6a54fd4958408ba53a9b52d2.6a54fd4958408ba53a9b52d0:TRAE Work CN.0.1.36.no_sid.no_ppe.T(2026/7/13 22:59:21)
973481577562012:8bc8a55935434d9320518ed6d436afe8_6a4f8fee2cc43248ace644e1.6a57262d936b85eb2f43fc97.6a57262d936b85eb2f43fc95:TRAE Work CN.0.1.36.no_sid.no_ppe.T(2026/7/15 14:18:21)
开发心得
superpowers 技能框架 让 AI 开发有了工程纪律：设计先于编码、测试先于实现、验证先于完成，避免了 AI 随意生成代码的混乱
多 Agent 协作模式 效率极高：方案设计 Agent 产出 spec/plan/handoff，项目搭建 Agent 执行开发，分工明确
grill me 审问式讨论 帮助在开发前发现了很多设计盲点，比直接编码节省了大量返工时间
systematic-debugging 技能 在排查"白色框的x"问题时发挥了关键作用：通过浏览器 DevTools 逐层排查，最终定位到 CSS 缓存问题
五、报名帖链接
六、技术栈
层 技术
前端 HTML + CSS + JavaScript（无框架，纯手写）
后端 Python FastAPI + uvicorn
数据库 SQLite
AI DeepSeek / SenseNova（OpenAI 兼容格式）
OCR 三层智能识别（AI 多模态 + PaddleOCR + 本地解析）
部署 Nginx + systemd + Let’s Encrypt HTTPS
开发工具 TRAE Work（全程）