封面与流程图沿用 Lora Field Notes 的原创角色和纸张视觉。它们是功能示意，不是产品截图。
输入一个模糊问题，AI 从真实知乎回答和专栏文章中串联证据，组织成可追溯、可追问、可自测的学习线。它不替代知乎——它把知乎的知识变成更易学的结构。
问题 → 澄清 → 搜索 → 选证据 → AI 串联 → 学习线 → 追问 → 收藏导出
AI 澄清学习意图后，从知乎搜索返回回答和专栏文章的摘要级摘录。你手动勾选要引用的来源（AI 只解释候选，不替你选），系统基于选中摘录生成记忆廊桥：按时间排列的学习节点、来源角色、开放追问和自测题。线程内 Study Agent 可以继续追问，但只基于当前线程摘录回答——证据不够时说「证据不足」，不编造。
pnpm install && pnpm dev打开 dev server 输出的地址（不假设固定端口）。
pnpm check # 类型检查
pnpm test # 345 tests
pnpm build # 生产构建| 层 | 技术 |
|---|---|
| 框架 | TanStack Start · TanStack Router |
| 样式 | Tailwind CSS 4 |
| 效果系统 | Effect TS |
| 持久化 | SQLite (better-sqlite3) |
| 测试 | Vite+ · 345 tests |
src/
routes/ # TanStack Router 文件式路由
index.tsx # 搜索入口 + 候选选择
thread/$threadId.tsx # 记忆廊桥 + Study Agent
evals.tsx # 评测看板
server/ # server functions
clarify-question.ts # AI 澄清
search-answer-candidates.ts # 知乎搜索 + 摘录持久化
rank-answer-candidates.ts # AI 候选解释
generate-thread-artifact.ts # 线程合成
ask-thread-agent.ts # 线程内追问
lib/ # 纯域层
thread-artifact.ts # 线程域记录
thread-synthesis.ts # 证据校验合成
thread-study-agent.ts # grounded agent
evals/ # 264 条冻结黄金集
264 条冻结黄金题（SHA-256 锁定，不可修改）：RAG 96、工具调用 48、多轮 48、Bug 回归 36、对抗安全 36。每次运行保存完整 JSON trace（工具输入/输出/耗时/错误），支持版本对比。
本地 /evals 页面可视化所有 run：质量概览、失败分布、trace inspector。
EVAL_DATASET=golden-v2.jsonl EVAL_LIMIT=66 EVAL_STRIDE=4 EVAL_CONCURRENCY=8 pnpm eval只使用官方 API 返回的摘要级 ContentText，不伪装成完整正文。来源可以是知乎回答或专栏文章（均标注）。证据不足时使用诚实的 unknown / evidence_gap 状态，不编造内容。AI 内部细节不对用户暴露。
MIT