学面通 AI：产品原型与前端骨架

学面通 AI 的产品原型设计，核心不是先画页面，而是先拆清楚：用户要完成什么任务、系统要提供哪些能力、前端页面应该围绕哪些模块组织。

产品定位

学面通 AI 是面向职场人的全链路 AI 赋能助手，覆盖“学 → 练 → 测 → 面 → 复盘 → 沉淀”的成长过程。

学习

快速问答、知识精讲、难点拆解，帮助用户高效理解学习内容。

训练

个性化题库、评分、薄弱点定位，让训练更有针对性。

求职

简历优化、模拟面试、面试复盘，提升求职准备质量。

沉淀

把学习记录、复盘结果和核心笔记沉淀成个人知识资产。

产品模块

产品模块可以分成两组：学习与训练、求职与沉淀。

学习与训练

碎片化答疑

支持快速问答，一键衔接知识精讲，用来提升学习效率。

难点知识

将复杂知识结构化拆分，配合可视化卡片和语音讲解，帮助用户彻底掌握。

针对性训练

根据用户情况生成个性化题库，结合评分和薄弱点定位，实现精准训练。

求职与沉淀

简历优化

分析简历内容，给出优化建议，并联动题库提升面试通过率。

模拟面试

支持一对一语音面试和实时转写，训练表达能力与临场应变。

面试复盘

分析面试表现，生成复盘报告，抽取薄弱点并给出改进方向。

笔记沉淀

一键保存各模块核心内容，支持富文本编辑，逐步形成个人知识资产。

正向成长循环

学面通 AI 的核心逻辑，是让各个模块形成一个闭环，而不是孤立功能堆叠。

学：通过答疑、精讲和结构化内容建立理解。
练：根据知识点和薄弱点进行针对性训练。
测：通过题库、评分和模拟场景检验掌握程度。
面：进入简历优化、模拟面试和求职表达训练。
复盘：根据表现分析问题，抽取新的薄弱点。
沉淀：把知识点、训练结果和复盘结论保存为长期资产。

用户操作路径

产品原型不能只停留在“有哪些功能”，还要继续拆到“用户怎么走”。流程图的价值，就是把每个模块的入口、分支、输出和回流关系梳理清楚。

学习模块的主入口是用户提问。系统需要先判断用户是否选择了具体模式，再决定是快速回答、知识精讲，还是进入题库训练。

用户输入问题并发送。
如果没有选择模式，默认进入快速回答，直接生成答案。
如果选择知识精讲，AI 输出结构化知识卡片，并配合一对一语音讲解。
如果选择刷题评测，用户输入岗位、技术栈、题目需求或上传简历。
AI 二次确认题型、题目难度和题量，用户确认后生成题库。
用户答题后，AI 对答案评分，抽取薄弱点，并把薄弱点回流到知识精讲。
有价值的答案、讲解和薄弱点可以一键存入笔记模块。

模块	关键入口	AI 处理	主要输出	回流位置
学习模块	用户提问、选择模式	快速回答、知识精讲、题库生成、答案评分	答案、知识卡片、题库、薄弱点	知识精讲、笔记模块
面试模块	简历、面试模式、面试音频	简历分析、模拟面试、复盘分析、知识讲解	优化简历、面试记录、复盘报告、改进建议	知识精讲、笔记模块
笔记模块	各模块一键保存	存储、编辑、整理	个人笔记、复盘材料、知识资产	长期学习与复习

前端页面骨架

前端页面骨架要围绕产品模块组织，让用户能从学习、训练、面试、复盘和沉淀之间自然流转。

页面模块	核心内容	设计重点
首页 / 工作台	学习进度、待训练任务、薄弱点、最近复盘	快速看到当前状态和下一步行动
学习答疑页	问答输入、知识精讲、结构化卡片	支持快速提问和深度理解
训练题库页	个性化题目、评分、错题、薄弱点	让练习结果能反向驱动学习
简历优化页	简历上传、图像 / 文本分析、优化建议	把简历问题转化为可训练项
模拟面试页	语音面试、实时转写、答题记录	强化真实面试场景体验
面试复盘页	表现分析、复盘报告、改进建议	明确下一轮训练方向
笔记沉淀页	学习笔记、复盘内容、富文本编辑	把过程结果变成长期知识资产

前端实现关注点

页面与模块分离

页面负责组织流程，组件负责复用展示，避免把所有逻辑写进单个页面。

状态与数据清晰

学习进度、训练结果、面试记录和笔记内容要有清晰的数据流。

Mock 数据先行

前端骨架阶段可以先用 Mock 数据渲染页面，后续再接真实接口。

组件可复用

卡片、列表、评分、报告、输入区等通用结构要尽量抽成组件。