为什么这个问题难？
- 阿语 RTL、字体连写、元音符号和不同 iPhone 的显示差异必须同时可控。
- 词汇、阅读、听力、跟读和随身听等内容需要共享稳定的数据结构，但又有各自的审核规则。
- 文本变化后音频不能串音，云数据库分页不能漏数据，内容更新也不能依赖重新部署云函数。
- 生成式 AI 在主体、备案、内容安全和成本尚未验证时，不应被当作默认卖点。
我负责什么，也明确不做什么。
推进范围
- 定义学习路径、内容模块和迭代优先级
- 实现小程序前端、云函数、云数据库和导入流程
- 维护 TSV 内容源、构建脚本、校验 Skill 与版本化内容包
- 建立体验版排错、自动测试、真机清单与阶段发布机制
主动边界
- 不在合规与需求未验证前开放生成式自由对话
- 不让自动结构检查替代阿语语义人工复核
关键决策与取舍
- 01
把内容当作可发布的软件版本
内容从 TSV 源开始，经结构校验、13 集合构建、分块和 SHA-256 生成不可变版本；管理端选择版本后定向导入，并核验数量或执行回退。
APP-01：13 个集合已形成版本化发布链路，共包含 2,318 条结构化记录。
- 02
自动检查不冒充语言审核
脚本检查逐词、正文、词法引用、派生和句法映射；中高级阅读仍按批次人工复核。机器负责一致性，人负责语言结论。
69 篇中高级阅读完成人工复核。
- 03
主动下线不合适的生成式 AI
自由对话入口被移除，云函数改为固定禁用响应；口语学习改为经过编排的固定场景与关卡，不依赖运行时大模型。
这是一项合规、成本与真实需求共同驱动的产品收口。
- 04
用真实 Bug 反推基础设施
针对云数据库分页漏读、音频串音和上传压缩冲突，分别建立完整分页收集、文字指纹缓存和自动构建门禁。
缓存采用容量、条数与时效三重上限；原文变化后不复用旧发音。
系统怎样形成闭环？
内容生产
- TSV 源内容
- 项目 Skills
- 人工语言复核
发布治理
- 结构校验
- SHA-256 / 分块
- 版本选择与回退
用户体验
- 学习与场景页
- 云数据分页
- 音频缓存与进度
界面之外，什么能证明它真的被推进过？
APP-01版本化结构内容
13 个云集合构建为可选择、可核验、可回退的发布版本。
APP-03双层质量门禁
机器结构检查之外，69 篇中高级阅读仍由人工完成语义复核。
QUALITATIVE
真实小程序路径
发现、学习、泛听、词汇和阅读分级五张真机截图展示同一套学习系统在真实使用中的连续路径。
发现页把一句可听、可收藏的场景阿语与语法内容放在同一入口。
学习页按零基破冰、核心技能和阅读拆出渐进路径，而不是堆叠功能入口。
泛听电台把阿语原句、译文、播放队列与深度解构连成听力场景。
词汇页同时提供进度、释义、收藏和发音，支持重复学习。
阅读分级把文章、句法点和词法点按初中高三级组织，体现内容系统而非单篇展示。
只展示可以解释口径的结果。
2,318 条
版本化结构内容
截至 2026.08
69 篇
中高级阅读人工复核
截至 2026.07
复盘
早期产品的关键不一定是加入更多 AI，而是知道什么时候应把 AI 关掉，把内容质量、合规和稳定链路先做实。