北京
做一款AI学习工具，最容易犯的错是把摘要当成产品。Recl的开发者Spartan Rich把自己踩过的坑写了出来，没有架构图，只有代码之上的决策。
Recl做的事不复杂：把你保存的视频、短视频、播客和文章，按时间戳做摘要，自动归入主题，再用间隔重复把关键想法在你忘记之前送回来。听起来像个标准AI应用，但真正难的地方全在细节里。
摘要没人能验证，就没人会信
用大模型做摘要，第一反应是把输出做得干净、自信：一段整齐的话，五条漂亮的要点。问题在于，用户分不清哪条要点是对的、哪条稍微错了。对学习类内容来说，稍微错比什么都没有更糟——人们会记住它，然后重复它。
时间戳解决了这个问题。每个关键点都链回它出现的那个时刻，摘要就变成了一份索引。看着不对，点一下就能听到原声。这个选择对信任的贡献，比任何提示词调优都大。摘要不是终点，是进入源内容的入口，能展示出处的地方就展示出处。
其实没人想要摘要
没人早上醒来会想“我要一份已经听了一半的播客的摘要”。他们想要的是记住其中重要的那部分。这直接改变了要生成什么：复习材料每条只能装一个想法，这样才能被单独回忆；措辞要让用户能自检是否真的会了；还得值得留下。
最后一条最难。多生成很容易，少而准才是功夫，而且这基本是个产品问题，换个更好的模型解决不了。
间隔重复本来是给闪卡设计的
间隔重复有几十年的研究支撑：间隔逐渐拉长地复习，每次复习都是一次主动回忆，而不是重读。经典实现都假设卡片是用户自己写的，学习时段是用户自己坐下来安排的。保存的内容把这两个假设都打破了——用户是在刷手机时随手点了“保存”，从没打算学习。
由此推出几件事：
- 复习必须短。一旦像作业，人们就跳过，而跳过的复习等于零。
- 排期必须宽容。人会漏掉几天，用一大堆积压来回应，只会教用户别再打开这个应用。
- 复习时的上下文也重要。从播客里抽出的裸问题会显得没头没尾，指回时间戳能帮人重新锚定。
保留间隔重复的核心——逐渐拉长的间隔、主动回忆——其余全部围绕“从没报名要学习的人”重新设计。
捕获摩擦就是整个漏斗
再聪明的复习引擎，对没被保存进来的内容也毫无作用。从“这个有意思”到“这个已保存”，每多一次点击就流失一批人。所以一键保存很关键，Recl也因此在安卓、网页和Chrome扩展上先做，iPhone版本随后。在用户已经在用的应用和浏览器里接住他们，比让他们把链接复制到新地方强。数一数捕获需要几步，然后为每一步较劲，这活儿不体面，但回报实在。
整理要自动，还要看得懂
人们想要一切被整理好，但不想自己动手。自动主题归类解决了这个，但有个前提：如果系统归档的方式用户看不懂，他们就不再信任主题，退回去刷一个平铺列表。给主题起朴素的名字，让用户看得见某条内容为什么落在那里，再提供一个主题之间关系的视图——在Recl里就是知识图谱。做得好，它还能让用户看到自己在某个主题上存了多少、在另一个主题上存了多少。
对个人内容问答，必须接地
“向你的保存内容提问”听起来简单，直到碰上边界。当答案不在用户保存的东西里，正确的回应是说没有。用看起来像来自他们资料库的通用知识去填空，比不回答更糟。答案指回来源，这个功能才诚实。再加上语义搜索，让人在忘了原话时还能按意思找到东西，就覆盖了大多数“我记得存过这个”的时刻。在个人知识工具里，“我在你的保存里没找到”应该写进功能清单。
免费增值逼你把话说清楚
免费层逼你决定核心循环是什么。对Recl来说，是保存、理解、记住。这个循环必须免费就有用，否则没人会留到在乎其他功能的那天。这是个有用的约束。
这些经验里没有一条来自模型本身。摘要的可信度靠时间戳，复习的留存靠宽容的排期，漏斗的宽度靠少一次点击——都是代码之上的决定。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
