【标签】
学习工作
【标题】
【学习工作赛道】错题侦探社：一个把错题复盘变成“破案”的 AI 学习陪跑 Demo
【正文】
0. 先和大家打个招呼吧 
你是谁：
我是一名对 AI 产品创作感兴趣的学习者/创作者，希望用 AI 做一个真正能解决学习痛点的小 Demo。
你是怎么用 TRAE 把 Demo 做出来的：
一开始我只有一个比较模糊的想法：想做一个和“学习、错题、AI 陪跑”有关的作品。但普通的 AI 学习助手太常见了，缺少记忆点。于是我不断把自己的想法告诉 TRAE，比如“我想让它更有创意”“不要只是讲题”“要让评委一眼记住”。TRAE 帮我把方向逐步收敛成“错题侦探社”这个概念：把每一道错题当成一个案件，把错因当成嫌疑人，把复盘过程变成一次破案。
让我印象比较深的是，TRAE 不只是帮我写代码，而是先帮我拆创意、找薄弱点、补强逻辑，再生成参赛方案、提示词和产品 Demo。原本我以为要做一个完整的可交互网页会很复杂，但通过一步步描述需求、让 TRAE 迭代页面结构、视觉风格和交互流程，最后真的做出了一个可以点击体验的 HTML Demo。
这次最大的感受是：我不需要一开始就把所有东西想清楚，只要不断把想法讲出来，TRAE 就能帮我把一个模糊点子逐渐变成完整作品。
1. Demo 简介
是什么：
“错题侦探社”是一个可交互的 Web Demo，产品形态是 AI 学习陪跑系统。
面向谁：
主要面向学生、备考人群，以及正在学习编程、英语、公考、考研或职业技能的职场学习者。
主要功能：
-
错题案件报告
用户录入错题、自己的答案和正确答案后，系统会把这道错题转化为“案件报告”，分析表面错误、第一嫌疑人、共犯因素、受害知识点和结案条件。 -
侦探式追问
系统不会直接武断判断错因，而是在必要时提出 1–2 个关键追问，确认用户到底是概念混淆、审题跳读，还是迁移失败。 -
知识漏洞地图 + 针对训练
系统会把分散错题归入知识地图，标出高风险区域，并根据错因生成变式训练题，最后判断案件是否可以“结案”。
建议配图位置：
- 产品首页截图：展示“今日案件、风险区域、AI 侦探提示”
- 案件报告页截图：展示“变量 x 失踪案”
- 知识漏洞地图截图：展示“函数作用域连环案”高风险区域
- 训练结案页截图：展示“暂缓结案”的反馈
2. Demo 创作思路
灵感来源：
我发现很多学习类 AI 产品都在做“讲题”和“制定计划”，但学习过程中最痛苦的其实不是单道题不会，而是反复在同一类问题上犯错。普通错题本只能记录错误，不能真正告诉用户“为什么我会这样想错”。
所以我想到，能不能把错题复盘做得更有记忆点：让 AI 像侦探一样追踪每一道错题背后的线索，帮用户找到反复出错的真凶。
想解决的问题：
用户在学习中常见的问题包括：
- 错题越积越多，但不知道先复习哪一类；
- 看懂了解析，换一道变式题还是会错；
- 以为自己只是粗心，其实是某个知识点一直没有掌握；
- 复盘过程枯燥，难以坚持；
- 普通 AI 讲题工具只回答“这题怎么做”，但没有回答“我为什么会这样错”。
为什么做这个方向：
我选择“错题复盘”作为切入点，是因为它足够具体，也有明确使用场景。相比做一个大而全的学习助手，“错题侦探社”更容易形成完整闭环：录入错题、生成案件报告、追问确认、更新知识地图、生成针对训练、判断是否结案。
这个方向也比较适合比赛展示，因为评委可以在很短时间内理解产品价值：它不是普通错题本，也不是普通 AI 讲题，而是一个会追踪错误模式的 AI 学习陪跑系统。
3. Demo 体验地址（三选一）
我选择提交交互式 HTML 格式文件。
体验方式：
请查看我上传的 Zip 包，解压后打开其中的 index.html 文件，即可体验完整 Demo。
Demo 流程包括：
- 进入“错题侦探社”首页；
- 查看今日案件和最高风险知识区；
- 录入 Python 作用域错题；
- 生成“变量 x 失踪案”案件报告；
- 进入侦探式追问；
- 更新知识漏洞地图；
- 生成针对训练题；
- 查看结案判断和参赛展示页。
发帖时请在这里上传 HTML Zip 文件：
Demo.zip (21.7 KB)
4. TRAE 实践过程
这次 Demo 的创作主要分为以下几个阶段：
第一步：确定创意方向
我先向 TRAE 说明自己想参加学习工作方向，但没有特别清晰的思路。TRAE 先给了我多个学习、工作、生活娱乐相关的创意方向。经过讨论后，我选择了“AI 学习陪跑教练”作为基础方向。
第二步：寻找记忆点
我觉得普通 AI 学习教练太大众化，于是继续让 TRAE 帮我做创新。TRAE 提出了“错题侦探社”的概念，把错题当成案件，把错因当成嫌疑人，把学习复盘变成破案过程。这个方向比普通学习助手更有辨识度。
第三步：补强产品逻辑
为了避免作品只是概念包装，我又让 TRAE 帮我找出逻辑薄弱点。TRAE 指出了三个问题：再犯风险预测可信度不足、侦探式追问可能增加负担、侦探世界观可能压过学习本身。随后我们把这些点补强为“风险分级”“必要时触发追问”“世界观只作为表达层”。
第四步：生成参赛方案和交互原型
在创意稳定后，TRAE 帮我生成了创意文档、参赛版方案、产品 Demo 生成提示词，并最终生成了可交互 HTML Demo。Demo 中包含首页、错题录入、案件报告、侦探追问、知识漏洞地图、针对训练、结案归档和参赛展示等页面。
第五步：继续润色 Demo
我上传了生成后的 HTML 文件，让 TRAE 继续从比赛角度优化提示词和 Demo 方向。TRAE 帮我强化了视觉风格、演示节奏、评审关注点和稳定性要求，让作品更像一个完整的参赛 Demo。
开发关键步骤截图：
- 截图 1：创意方向讨论截图
- 截图 2：逻辑补强截图
- 截图 3：Demo 生成过程截图
- 截图 4：最终 Demo 页面截图
关键任务对话 Session ID：
-
创意方向探索 Session ID：
2328101895026315:2c2a928eca706441667b0839fca6064b_6a576dea824ce59fc5dd2328.6a576dea824ce59fc5dd232b.6a576dea824ce59fc5dd2329:TRAE Work CN.0.1.36.no_sid.no_ppe.T(2026/7/15 19:24:26) -
产品逻辑补强 Session ID：
2328101895026315:1faba46a0bf6b060deeaa785b90d94cc_6a576dea824ce59fc5dd2328.6a5772b8824ce59fc5dd237e.6a5772b8824ce59fc5dd237c:TRAE Work CN.0.1.36.no_sid.no_ppe.T(2026/7/15 19:44:56) -
Demo 生成与优化 Session ID：
2328101895026315:c284294a2625d6b8a476f47a9f5f6f9d_6a577eb9824ce59fc5dd2445.6a577eb9824ce59fc5dd2448.6a577eb9824ce59fc5dd2446:TRAE Work CN.0.1.36.no_sid.no_ppe.T(2026/7/15 20:36:09) -
参赛帖文案生成 Session ID：
2328101895026315:cfedd7d29e5126ae07c119f82dd290e8_6a576dea824ce59fc5dd2328.6a5777fc824ce59fc5dd23f0.6a5777fc824ce59fc5dd23ee:TRAE Work CN.0.1.36.no_sid.no_ppe.T(2026/7/15 20:07:24) -
Demo 提示词优化 Session ID：
2328101895026315:6ed898929a520ab788d98f3c78b43431_6a576dea824ce59fc5dd2328.6a577c7f824ce59fc5dd2411.6a577c7f824ce59fc5dd240f:TRAE Work CN.0.1.36.no_sid.no_ppe.T(2026/7/15 20:26:39)