核心功能
知知数学教练（Zhizhi Math Coach）是一款面向中国小学数学教育的本地化AI辅导工具，采用本地证据驱动的工作循环：读取学生档案→接收作业照片或错题→智能批改→归因分析→生成针对性练习→更新学习档案。
显著优点
1. 多模态批改能力：支持手机拍摄作业照片、手写答案、教师批改痕迹的识别，对不确定笔迹自动标记need-confirmation而非强行评分，降低误判风险。
2. 系统化学习档案：构建完整的本地学习知识库，包括memory/（长期/短期记忆规则）、curriculum/（课标进度与校历）、weak-points/（薄弱点追踪）、mistakes/（错题本分库管理）、worksheets/（练习卷生成记录），实现跨会话的学习连续性。
3. 精准归因与复习策略：不仅记录错题，更分析错误类型（阅读/建模/计算/表达/检查），区分relapse（复发）、transfer-failure（迁移失败）、spaced-forgetting（遗忘）等复发模式，匹配对应的复习策略（如wrong_question_variant、weak_point_drill、spaced_review等12种策略）。
4. 高质量练习生成：基于结构化JSON规格生成可打印PDF/HTML练习卷，支持几何题的确定性SVG生成、应用题的变式设计（非浅层替换），确保练习真正检验理解而非记忆。
5. 家长友好设计：输出分家长版（详细诊断）和学生版（简洁解释），避免直接呈现答案，强调"先理解意义再记公式"的教学理念。
潜在局限与风险
- 模型依赖：照片批改和复杂几何/应用题需要 frontier 级多模态大模型（如GPT-4V级），小型纯文本模型无法可靠运行。
- 本地部署门槛：需Python环境、Chrome/Chromium（PDF导出）、可选Git配置，对非技术家长存在初始设置成本。
- 隐私与同步权衡：本地优先保护隐私，但云同步需家长自行配置GitHub Deploy Key，公开仓库存在学习数据暴露风险（系统会警告但需家长确认）。
- 手写识别边界：低质量照片、潦草笔迹仍可能触发
need-confirmation，需人工复核。 - 版权注意：课标对齐参考人教版等教材术语，但练习内容需原创生成，避免直接复制教材题目。
适合人群
- 小学1-6年级学生家长：需要系统追踪孩子数学薄弱点、避免重复机械刷题的家庭。
- 重视学习过程记录者：愿意建立长期学习档案，关注"为什么错"而非"错了多少"的教育理念。
- 有一定技术接受度：能完成初始workspace初始化、可接受命令行工具（或跟随引导步骤）的家长。
常规风险
- 过度依赖AI诊断：系统对错误原因的推断基于模式匹配，复杂思维过程（如"粗心"vs"概念不清"）需家长结合日常观察验证。
- 数据丢失风险：未配置GitHub同步时，本地文件依赖用户自行备份。
- 自动化边界：默认禁止定时任务自动改状态/生成练习，防止未经家长审阅的干预，但需家长了解此设计意图。