高中数学快速知识测评系统
从真实教学痛点出发，10 分钟完成学生知识薄弱点诊断
🧑🏫 背景：一个真实的用户痛点
项目起源于一位退休数学教师（我父亲）的真实需求——退休后仍在带学生，每周好几个。他最大的时间消耗不是「讲题」，而是判断学生到底哪里不会。
现在的办法是：让学生做一张综合卷，然后凭经验看错误分布——不准、慢、而且每个学生都这么做一遍太累了。
市面上没有适合他的工具：要么是整套教务系统（太重、要学），要么是单科刷题 App（只测不分析）。他需要的是：学生来，快速测，一眼看到弱项在哪。
—— 这个项目所有产品决策的底层原则
🎯 产品决策：砍什么比加什么更重要
-
不上登录系统，不上后端数据库
理由：目标用户是一线辅导教师，技术基础弱。登录注册对他来说是额外的操作负担，后端数据库意味着服务器成本。全部数据用浏览器 localStorage + Cloudflare Pages 静态托管——零成本、零运维。
-
报告不用雷达图，用模块正确率表
理由：初版用了雷达图——测试时发现「重叠的色块看不懂」。对年轻用户来说很直观的图表，对 60 岁用户完全失效。换成清晰的表格：模块名 + 正确率 + 弱项标注，一眼扫完。
-
题目设计：仿课本不抄课本
理由：241 道题全部设计为「同类不同题」——题型和难度完全对齐人教版教材，但换数字、换场景。学生之前可能做过课本原题，但不会遇到完全一样的题。
-
纯前端，手机可用
理由：学生来家里做测试，未必带电脑。手机打开浏览器就能用，不需要安装任何东西。
🤖 AI 协作：不是一键生成，是四级质量链路
这个项目我一个人做不完——241 道题、18 个模块的知识点拆解、三个年级的诊断逻辑。但我很清楚：AI 强在执行，弱在判断。
（241道初稿）
（逐模块翻书验证）
（找计算错误）
（修复17道AI错误）
（待教师试用）
AI 出的题我逐道验算——高三 54 道里找出了 17 道计算错误。AI 能算，但算不对的概率不低。
需求文档结构化、题库批量生成、全量答案验证——这些我一个人做要两周，AI 几十分钟出初稿。
知道什么时候信 AI、什么时候不信。AI 是放大器，决定音量的旋钮在我手里。
📋 需求文档：从对话到结构化
这个项目的起点不是画原型，是一段真实的对话——问一线教师「你辅导学生的时候最烦什么」。
我把他的碎片化描述整理成了结构化需求文档，包括：
- 用户场景还原（学生怎么来、怎么测、教师怎么看结果）
- 功能边界清单（做 / 不做 / 以后做）
- 18 个知识模块的拆解逻辑
- 三个年级的诊断策略差异
- 技术选型决策树（为什么是纯前端 + Cloudflare）
需求文档完整版 → 查看（网页版，可直接打印为 PDF）
—— 做完这个项目，我意识到自己已经在做产品经理的事了
📱 产品截图（4张）
在线体验 → susu-math-quiz.pages.dev
📈 项目数据
| 指标 | 数据 |
|---|---|
| 题库规模 | 241 道选择题（高一109 + 高二78 + 高三54） |
| 知识模块 | 18 个，覆盖人教版必修+选择性必修全部 5 册 |
| 测试题量 | 高一 20 题 · 高二 22 题 · 高三 18 题 |
| 难度分布 | 基础 86 · 中等 139 · 较难 16 |
| 答案准确率 | 全量逐题手算验证，修复 17 道 AI 计算错误 |
| 开发方式 | AI 生成初稿 + 人工四层验证 + Claude Code 前端开发 |
| 部署成本 | 0 元/月（Cloudflare Pages 免费方案） |
| 时间跨度 | 3 天（需求 → 题库 → 开发 → 上线） |
💡 复盘：如果重来一次
做得对的：
- 从真实用户出发而不是从功能出发——所有决策都落地在「用户会不会用」这个标准上
- AI 协作模式：不是交给 AI 就完了，是建了一个「生成→验证→交叉比对→人工复审」的流水线
- 砍得足够狠——没有为了简历好看加付费墙、数据分析面板、多用户管理
可以更好的：
- 较难题比例偏低（16/241 = 6.6%）——后续需要增加高端学生的挑战题
- 报告缺少「错题解析」——目前只标注强项/弱项，学生不知道具体错在哪
- 应该更早建立逐题验证流程——高三那批题做到第三天才发现 31% 错误率