很多人做 AI 学习产品时，第一反应都是“让用户和模型聊天”。这个方向没有错， 但我很快就发现，学习行为其实比聊天复杂得多。用户并不是一直想提问， 更多时候他只是卡住了一点点，需要一个刚好合适的提示。
这也是 ArtIflow 的出发点。我要做的不是一个万能老师，而是一个能在学习过程中不断接住用户的伴侣： 看图时能解释，读到公式时能翻译，复习时能提醒，遇到不懂的地方又能继续追问。
学习不是一个输入框，而是一连串状态
做产品时我会反复问自己，用户此刻到底处在什么状态。是刚接触内容，还是已经理解一半？ 是需要一个更通俗的解释，还是需要一次更严格的追问？这几个状态决定了 AI 的角色完全不同。
所以 ArtIflow 的设计不是围绕“一个大聊天页”展开的，而是围绕很多小的学习节点展开。 滑动卡片、图片问答、公式解释、复述提醒，这些看起来像分散的功能， 其实都在服务一个目标：让学习过程保持推进感。
为什么移动端反而更适合做这件事
很多人默认认为严肃学习应该发生在桌面端，但我并不完全同意。移动端的优势在于节奏更短、反馈更直接。 当一个解释足够好，一个追问足够准，用户其实很愿意在碎片时间里继续往前推进。
这也是为什么我坚持用 Kotlin 和 Jetpack Compose 去打磨这个应用。 学习体验在移动端最怕的是沉重和迟滞，一旦页面切换、布局组织和交互反馈不顺， 再好的 AI 能力也会被打折扣。
我不想让 AI 抢走学习节奏，我想让 AI 把学习节奏接得更顺。
我对“好老师式 AI”的判断
我越来越不相信那种“永远热情、永远啰嗦、永远给你一大段”的 AI 老师。 真正好的老师不是一直讲，而是知道什么时候该收、什么时候该追、什么时候该停一下让你自己想。
所以在 ArtIflow 里，我更关注答案的节制感。不是生成越多越好，而是它能不能在这一步恰到好处地把用户推到下一步。 这也是之后我还想继续打磨的地方：让教练层更像一位真正有判断的人，而不只是一个会回答问题的模型。
这类产品最难的地方
难点不在模型接入，而在体验的结构化。你要同时处理内容组织、移动端节奏、上下文切换、 还有用户在不同学习阶段的心理状态。每一个点都不算新问题，但放在一起就会非常考验产品感。
正因为如此，我才觉得 ArtIflow 值得继续做。它不是为了证明“我也能接个 LLM”， 而是想认真回答一个问题：如果 AI 真的进入学习过程，我们能不能把学习这件事重新设计一遍。