本手册面向三类读者：使用者（第 1–6 章）、产品/运营（第 7–8 章）、部署运维（第 9–10 章）。
1. 这是什么
费曼实验课 —— 每天 10 个话题，随机抽一个，裸讲一遍，让 AI 当那个"听不懂的外行"给你打分。
它不是知识学习 App，不给你上课，不推送文章，不让你划重点。它是一个输出倒逼输入的理解力训练器：你以为你懂了，那就讲一遍；讲不明白的地方，就是你没真懂的地方。
1.1 一句话区分
| 它是 | 它不是 |
|---|---|
| 一面照出"理解缺口"的镜子 | 一个装知识的容器 |
| 每天 10 分钟的口头输出训练 | 打卡签到工具 |
| 让 AI 扮演外行听众挑刺 | 让 AI 当老师讲给你听 |
1.2 适合谁
-
备考学生：每天碎片时间练一个概念，治"解释性深度错觉"——看书全懂，合上书讲不出。
-
职场新人：快速上手新业务、新领域，检验自己能不能用大白话给客户讲清楚。
-
内容创作者：找选题、练表达，建立"讲给外行听"的高频反馈回路。
-
任何"学过就忘"的人：如果你学完一个东西三天后只剩模糊印象，那不是记忆力问题，是从来没真正讲通过。
1.3 产品名与调性
为什么叫"实验课"：讲错不是失败，是拿到了实验数据。修正后再来一轮，这是实验的正常流程。命名刻意回避了"考试"“测验”“打卡”，降低挫败感。
Slogan：讲不明白，就是没搞懂。
全站 UI 隐喻统一，界面文案不出现"学习"“课程”"答题"等字眼：
| 通用说法 | 本产品叫法 |
|---|---|
| 首页 | 实验台 |
| 题目列表 | 今日课题 |
| 答题输入 | 裸讲 / 第 N 轮讲述 |
| 评分结果 | 实验报告 |
| 练习历史 | 实验记录本 |
| 结业成果 | 实验产出 |
2. 核心理念：为什么这么设计
2.1 费曼四步
产品流程严格对应费曼学习法的四个动作：
-
选定目标 → 从今日课题里挑一个概念
-
讲给小孩 → 不查资料，用大白话裸讲一遍
-
定位卡点 → AI 以外行视角圈出讲不通的地方
-
简化打磨 → 针对卡点补课后重讲，直到流畅
2.2 底层规律：合意困难 + 生成效应
-
生成效应：自己从记忆里"生成"出来的内容， retention 远高于重复阅读。所以产品逼你先讲，再给反馈。
-
合意困难：学习过程必须有一点费力，这种费力是"合意的"——它慢，但记得牢。所以产不给现成答案。
这两条不是玄学，是产品所有"反直觉设计"的总依据。当你觉得"直接告诉我答案不好吗"的时候，答案就是：不好，那样你会忘得更快。
2.3 铁律：不给答案（以及它的精确含义）
这是产品最容易被误解的一条设计。它不是"什么都不给"，而是把"给不给答案"变成了"什么时候给、给到哪一层"——详见第 5 章《分层提示机制》。
3. 五分钟上手
-
打开 http://58.87.96.207:83/ ，进入实验台
-
点击琥珀色按钮 「开始随机实验 →」，系统从今日 10 条里随机抽一个课题
（也可以从下方编号列表里自己挑一条，点击即可）
-
进入裸讲页。看到课题和一句话背景后，不要查资料，凭现有理解把它讲明白
- 键盘直接打字，或点麦克风用语音说（Chrome / Edge 支持，说完可编辑转写结果）
-
点 「提交 · 交给外行打分」，等待约 10–30 秒
-
拿到实验报告：总分、等级、四维雷达图、卡点清单
-
若等级是 中 / 差，对着卡点补一课，点 「修正重讲」 再来一轮（最多 5 轮）
-
拿到 良 / 优 → 进入结业产出页，导出你的 300 字小科普
第一次用建议：别挑最难的课题。选一个你"大概懂"的，你会更真实地感受到卡点在哪。
3.1 一次完整实验长什么样
以「复利」为例，走一遍真实流程：
第 1 轮（裸讲）：“复利就是长期坚持一件事就会有结果。比如每天存 20 块钱，十年后会变很多钱，因为它会复利。”
第 1 轮报告：25 分 / 差。标出 2 个卡点——
-
卡点 01：把"复利"等同于"长期坚持"，没点出"利息生利息"的核心机制
- L2 结构提示：① 点出复利和普通简单累加的核心区别 ② 解释多出来的那部分收益是怎么产生的
-
卡点 02：用"因为它会复利"解释"为什么变很多钱"，是循环论证
-
L2 结构提示：① 说明本金如何产生第一笔利息 ② 解释利息如何变成新本金继续生息
第 2 轮（补课重讲）：补了"利滚利"的说法，加了滚雪球类比 → 68 分 / 中（触发边界分二次评价，复评后取中）。
第 3 轮：卡点仍在，点开 L3 一句起头 「想象一下，你的钱不仅自己会下崽，它下的崽长大了还会继续下崽……」，顺着讲透 → 79 分 / 良，结业。
结业产出：300 字小科普 + 四维雷达图卡片；点开 L4 标准示范对照，发现自己漏讲了"收益必须再投入"这个前提。
从差到良用了三轮，全程约 12 分钟。这就是一个完整实验。
4. 界面导览
页面左侧是固定的导航轨，从上到下分为四块：
-
品牌区（
费曼实验课）：任何时候点击它 = 回到实验台
-
实验流程：今日课题 → 裸讲 → 实验报告 → 实验产出，四步指示器，当前步高亮，已完成打勾
-
题库：全部课题（显示底库总数）、我的收藏（显示收藏数）
-
底部统计：底库条数（可点击，直接进题库）、今日课题数、当天日期
主区随流程切换，共六个页面：
| 页面 | 作用 |
|---|---|
| 实验台 | 首页。一句话主张 + 随机开讲 CTA + 今日 10 条编号索引 |
| 裸讲 | 输入页。课题、背景、引导问题、大输入框、语音按钮 |
| 实验报告 | 评价页。总分、等级、雷达图、卡点清单、修正入口 |
| 实验产出 | 结业页。你的正文预览 + 四种导出 + 标准示范 |
| 全部课题 | 题库页。120 条底库，按类型和状态筛选 |
| 我的收藏 | 收藏页。已收藏课题，可直接开讲 |
4.1 视觉语言
“实验记录本 · 暖白纸感”：暖白纸底 + 极细网格纹理 + 墨黑衬线大字 + 单一琥珀强调色 + 非对称排版。动效是"中等强度"编排：分数滚动、雷达图绘制、卡点依次浮现、页面元素错峰入场。系统开启「减少动态效果」时全部动效自动关闭。
5. 评价体系与分层提示
5.1 四维评分（各 25 分，共 100）
| 维度 | 问的问题 |
|---|---|
| 简洁性 | 讲给小孩听得懂吗？有没有未解释的术语？ |
| 完整性 | 说清了「是什么 / 为什么 / 怎么用」吗？ |
| 逻辑性 | 有没有自相矛盾、循环论证、因果倒置？ |
| 比喻力 | 有没有原创、贴切、外行能秒懂的类比？ |
5.2 等级
| 等级 | 分数 | 含义 |
|---|---|---|
| 优 | 85–100 | 及格，直接结业 |
| 良 | 70–84 | 及格线，结业；70–74 会提示"再修一轮可冲优" |
| 中 | 50–69 | 不及格，继续修正 |
| 差 | 0–49 | 不及格，建议先补课后重来 |
5.3 评分一致性保障
AI 评分天然有波动，产品用四道手段压住：
-
固定 rubric 写进 System Prompt**，`temperature = 0.2`
-
边界分二次评价：总分落在 68–72 时自动用更强模型复评，四维取平均，避免"一次评差就劝退"
-
Prompt 版本号：每次评价都记录（当前 `fe-rubric@1.1`），便于回归对比与调优
-
JSON 解析失败自动重试一次，仍失败则降级提示"评价服务繁忙，你的讲述已保存"
5.4 分层提示机制（本产品最核心的设计）
用户天然会想要"推荐回答"。但直接给答案，产品就退化成"看答案学习机"，前面所有理论依据全部作废。解法不是拒绝，是分级：
| 层级 | 触发时机 | 给你什么 | 绝不给你什么 |
|---|---|---|---|
| L1 改进方向 | 每轮报告都有 | 去哪找、补什么方向 | 定义、机制、结论 |
| L2 结构提示 | 每轮报告都有 | 「及格的重讲至少要说清这几点」（2–3 条骨架） | 具体内容、数据、例子 |
| L3 一句起头 | 改到第 3 轮还卡着，你主动点开才显示 | 一句话开头（≤40 字） | 第二句、完整解释 |
| L4 标准示范 | 只有结业（良/优）后，在产出页主动点开 | 250–350 字完整示范 + 生活类比 + 避坑提醒 | ——此时训练目标已达成 |
实测样例（课题「复利」，用户裸讲"复利就是长期坚持一件事就会有结果"）：
-
L2 结构提示：① 点出复利和普通简单累加的核心区别 ② 解释多出来的那部分收益是怎么产生的
-
L3 一句起头：「想象一下，你的钱不仅自己会下崽，它下的崽长大了还会继续下崽……」
-
L4 标准示范：滚雪球类比 + 268 字正文 + 避坑「把单纯坚持等同于复利是最常见的错」
三层都没有泄露答案——给的是骨架、起头、对照。
硬性约束：
-
L1–L3 在 System Prompt 层面被明确禁止写出正确定义
-
L4 由服务端二次校验等级，非「良/优」直接拒绝，防止前端绕过
-
L4 默认不自动加载，必须点击才请求（省成本，也避免过早剧透）
-
每轮重讲后 L3 展开态自动重置，不继承上一轮提示
6. 题库与收藏
6.1 全部课题
底库 120 条常青话题，六大类各 20 条：
| 分类 | 条数 |
|---|---|
| 科学常识 | 20 |
| 经济金融 | 20 |
| 技术概念 | 20 |
| 人文社科 | 20 |
| 生活经验 | 20 |
| 职场方法 | 20 |
难度分布：入门 40 / 进阶 52 / 硬核 28。每条含一句话背景和 3 个引导问题（引导问题只做热身，不给答案）。
题库页支持双维度筛选：
-
按类型：全部 / 六大类
-
按状态：全部 / 已实验 / 未实验 / 已收藏
列表每行显示：课题名、分类标签、难度、「✓ 已实验 · 等级 · 分数 · N 轮」标记、「★ 已收藏」标记。右侧 ☆ 可一键收藏/取消。点击整行直接开讲。
6.2 我的收藏
收藏页列出所有加星课题，显示各自的实验状态，可取消收藏或直接开讲。适合攒一个"我想练但今天没轮到"的清单。
6.3 每日 10 条怎么来
每日课题 = 6 条底库 + 4 条热榜。底库按日期取确定性子集（同一天刷新结果一致）；热榜当前为静态占位（AI Agent、新质生产力、直播带货算法、15 分钟生活圈），M3 阶段接真实爬取。
7. 结业产出与分享
拿到良/优后进入实验产出页。这里是你真正的资产：一份 300 字小科普。
| 产出 | 内容 | 说明 |
|---|---|---|
| 01 复制文字 | 科普正文 | 一键进剪贴板 |
| 02 下载 Markdown | `.md` 文件 | 含标题、等级、四维得分、日期 |
| 03 图片卡片 | 1080×1440 竖版 | 课题名 + 等级徽章 + 四维雷达图 + 品牌水印 |
| 04 系统分享 | 调起原生面板 | 移动端优先；不支持时自动降级为下载 |
分享内容只含科普正文与等级，不含原始裸讲稿——你的试错过程不必示人。
7.1 标准示范（L4）
产出页中下部有「标准示范 · 讲给外行听」板块，默认收起。点击「看看 AI 会怎么讲 →」才生成，展示一句话定义、生活类比、完整示范正文、避坑提醒，可一键复制。设计意图是对照，不是抄。
8. 数据与隐私
-
练习记录与收藏存在浏览器 `localStorage`（键 `feynman.practiced.v1` / `feynman.favorites.v1`），不出本机。
-
练习记录保留历史最好成绩，轮次累加，日期更新为最近一次。
-
AI Key 仅后端持有，写在服务端环境变量里，绝不进前端、不入库明文。
-
用户输入与 AI 输出做双向内容安全过滤；热榜源屏蔽时政类话题。
-
清除浏览器数据会清空练习记录与收藏——当前版本无账号体系，M2 阶段补云端同步。
9. 部署与运维
9.1 本地启动
# 方式一：一键启动（推荐）
.start.ps1
# 提示输入千问 API Key（仅存在于当前会话，不落盘）
# 打开 http://localhost:8000
# 方式二：手动
cd server
$env:DASHSCOPE_API_KEY = "sk-..."
python app.py
后端单进程同时提供 API 与前端静态资源（托管 `web/dist`），所以只需访问 8000 一个端口。前端改代码后需 `cd web && npm run build`。
9.2 线上部署（腾讯云轻量，端口 83）
| 项 | 值 |
|---|---|
| 实例 | `lhins-gpai56uk`（ap-beijing，58.87.96.207） |
| 访问 | http://58.87.96.207:83/ |
| 代码目录 | `/opt/feynman/`（server + web/dist） |
| 密钥 | `/etc/feynman.env`，权限 600 |
| 服务 | systemd `feynman.service`，`Restart=always`，开机自启 |
| 防火墙 | 仅新增 TCP 83 一条，原有 7 条规则未动 |
常用运维命令：
systemctl restart feynman # 重启
systemctl status feynman # 查看状态
journalctl -u feynman -f # 实时日志
ss -lntp | grep :83 # 确认端口监听
健康检查： `GET /api/health` → `{“status”:“ok”,“topics”:120}`
更新发布流程： 本地 `npm run build` 打包 → 生成 tar.gz → 传输到服务器 → sha256 校验 → 解包覆盖 `/opt/feynman` → `systemctl restart feynman`。全程不影响 80/81/82/8848 上的既有服务。
9.3 接口一览
| 方法 | 路径 | 用途 |
|---|---|---|
| GET | `/api/health` | 健康检查 |
| GET | `/api/topics/daily` | 每日 10 条 |
| GET | `/api/topics/all` | 全量 120 条底库 + 分类统计 |
| POST | `/api/topics/random` | 随机 1 条 |
| POST | `/api/evaluate` | 千问四维评价（服务端持 Key） |
| POST | `/api/export/markdown` | 生成 Markdown |
| POST | `/api/demonstrate` | 结业标准示范（服务端校验等级） |
10. 技术方案
| 层 | 选型 | 理由 |
|---|---|---|
| 前端 | Vue 3 + Vite，零 UI 框架 | 体积小（构建产物 ~99 KB JS / 26 KB CSS），加载快 |
| 后端 | Python 标准库 `http.server` | 零依赖，免 pip 安装，部署到任何有 Python 的机器即可 |
| 并发 | `ThreadingHTTPServer` | 评价请求最长 40 s，不阻塞静态资源与其他 API |
| AI | 通义千问 MaaS 私有网关 | 主评 `qwen3.7-plus`，边界复评 `qwen3.7-max` |
| 语音 | Web Speech API | 浏览器原生，零成本；转写结果可编辑 |
| 持久化 | localStorage | MVP 无账号，本机会话足够 |
11. 常见问题
Q：为什么 AI 不直接告诉我正确答案？
A：这是刻意设计。直接看答案的"流畅感"是假的，三天后你会忘。产品要的是你自己在脑子里把知识重新组织一遍——慢，但记得住。结业后（良/优）可以看标准示范。
Q：语音按钮点了没反应？
A：语音识别依赖浏览器原生能力，仅 Chrome / Edge 完整支持，且需要授权麦克风。Safari / Firefox 请直接用键盘输入。
Q：停止语音后又自动开始了？
A：已知历史问题，已修复。当前逻辑是「用户意图」与「UI 状态」分离，点停止会真正中止识别。
Q：评分忽高忽低是不是不准？
A：已用固定 rubric + 低温度 + 边界分二次评价压住波动。若仍觉得某次偏差大，用「修正重讲」再讲一轮看趋势，单轮分数不必过度解读。
Q：最多能讲几轮？
A：5 轮。5 轮仍未到良，建议换个课题——说明这个概念的课前知识还没补上，硬磨性价比低。
Q：换了浏览器/清了缓存，记录还在吗？
A：不在。当前版本记录存在浏览器本地，无账号同步。M2 会补。
Q：为什么热榜话题看起来是固定的几条？
A：MVP 阶段是静态占位，M3 接真实热榜爬取。
Q：我可以只打字不说话吗？
A：完全可以。语音只是输入方式之一，打字输入的评价标准和语音完全一致。语音的价值在于——说出来更容易暴露"其实讲不下去"的地方。
Q：底库会更新吗？
A：会。当前 120 条，M3 阶段扩容到 1000 条常青底库，仍按六大类组织。
Q：手机上能用吗？
A：浏览器可用（含语音）。原生 Android App 在 M2，届时支持系统级分享与每日推送。
Q：评价要等很久？
A：通常 10–30 秒。评价是真实调用大模型做四维分析，不是本地规则匹配，所以需要时间。等待期间讲述内容已本地保存，不会丢。
12. 我们刻意不做的事
产品边界和它做什么同样重要。以下都是被明确否决的需求：
| 不做什么 | 为什么不做 |
|---|---|
| 评价环节直接给标准答案 | 摧毁生成效应，产品退化为"看答案学习机"。改用第 5.4 节的分层提示 |
| 做成知识课程 / 文章推送 | 我们检验"你有没有真懂"，不讲给你听。那是另一类产品 |
| 打卡签到与连续天数激励 | 打卡记录的是"你有没有来"，不是"你有没有懂"，与定位冲突 |
| 把讲述字数/时长算进分数 | 长短不等于好坏。啰嗦同样扣分（简洁性维度就是干这个的） |
| 公开排行榜 | 引入表演动机，用户会为了分数写"像教科书"的话，而不是"讲得懂"的话 |
| 无限制轮次 | 5 轮封顶。超 5 轮仍不及格说明课前知识没补上，硬磨性价比低，应当换课题 |
判断一个新需求该不该做的标准只有一条：它是在逼用户多输出，还是在替用户少输出？ 后者一律不做。
13. 路线图
| 里程碑 | 内容 | 状态 |
|---|---|---|
| M1 | 后端骨架 + 千问评价 + 120 条底库 + Web 全流程（含题库、收藏、分层提示、四种导出）+ 云端部署 |  已完成并上线 |
| M2 | Android 端（uni-app，复用 Vue3）+ 账号体系 + 云端同步 + 进步曲线 + 卡点地图 | 待启动 |
| M3 | 真实热榜爬取 + 运营后台 + 公开作品广场 + 底库扩容至 1000 条 | 规划中 |
附录 A：术语表
| 术语 | 含义 |
|---|---|
| 裸讲 | 不查资料，凭现有理解把概念讲一遍 |
| 卡点 | 讲述中讲不通、含糊、绕圈子的地方 |
| 外行听众 | AI 扮演的角色，“完全不懂该领域” |
| 及格线 | 等级"良"（70 分），达到即结业 |
| 分层提示 | L1 方向 / L2 骨架 / L3 起头 / L4 示范 四级闸门 |
| 边界分 | 68–72 分区间，触发二次评价取中 |
附录 B：文档索引
| 文档 | 路径 |
|---|---|
| PRD v1.1（权威） | `费曼实验课-PRD-v1.1.md` |
| 历史版本 | `docs/archive/` |
| 评价 rubric | `evaluation/rubric.md` |
| 评价 System Prompt | `evaluation/system_prompt.md` |
| 验证报告 | `evaluation/VALIDATION.md` |
