问它,它知。
练它,你了。
你提问,它从 360 道真题里检索出带来源的答案;你开口练,它按四个维度打分、记住你的薄弱点,下次优先考你。它不替你背书,它陪你学会。
注册需邀请码(内测中)· 游客可免费试练一场 · PC Web 与手机 H5 双端可用
知了教练
一场对练刚结束
道真题 · 大模型应用 194 + 前端 166
个评分维度 · 覆盖 / 深度 / 结构 / 延伸
检索首条命中率 Recall@1 · 百题口语化评测
端可用 · PC Web 与手机 H5 数据互通
刷了很多题,为什么还是不会? — because knowing ≠ learned.
知了解决的不是"题库不够",而是学习里最隐蔽的三件事。
收藏即学会?——看过答案,不等于说得出来。
说出来,才算会
知了的做法:教练出题,你必须真正作答;答完立刻四维打分,再对照标准答案和点评——说不出口的,当场现形。
不知道自己不会什么——刷题从不告诉你盲区在哪。
它记得你的薄弱点
知了的做法:每一次评分都落库,低分题自动进薄弱清单,下次出题 60% 概率优先考你——直到你会为止。
没有反馈的重复,只是自我感动。
学会,可以被量化
知了的做法:进步曲线、知识点分布、复练优先级清清楚楚;一场对练还能生成一张渐变成果卡,发出去接受检验。
问、练、报告——一个教练的完整循环
问答:有据可答,不随口编
它不是普通聊天:收到问题先判断要不要查库(Agent 循环),语义检索最相关的真题,答案带着题库来源,以打字机流式呈现在你面前。
- 检索型 Agent:向量召回 + 重排,双段把关
- 答案可溯源:每条关键结论对应「题库 #编号」
- 主线控制:跑题了,它会温和地把你拉回来刷题
对练:教练出题,四维打分
教练从题库自动出题 → 你作答 → 按四个维度评分(各 10 分,总分后端按公式核算)→ 给出标准答案与针对性点评。评的是"你会不会讲",不是"你背没背过"。
- 四维:知识点覆盖 / 深度理解 / 表达结构 / 延伸拓展
- 公平:出题时模型看不到标准答案,评分才全文参照
- 结构化的分,不是"感觉不错":每维 1–10,算得清清楚楚
请说说闭包是什么,并举一个容易踩坑的例子。
考察点:作用域链 · 变量生命周期 · 经典反例
报告:看得见的进步曲线
每一次对练都沉淀成数据:总分时间序列画出你的进步曲线,知识点分布告诉你时间花在哪,复练清单按优先级排好明天的题。
- 进步曲线:总分时间序列,ECharts 可视化
- 知识点分布:次数 + 均分,盲区一目了然
- 建议复练:按复练优先级排序,不靠感觉
示意数据 · 每条来自你真实的对练记录
知了 · AI 学习教练表达结构 · 延伸拓展
因为从题库到公网,整条链路都是自己造的。
不夸大地说:这里没有黑盒。你想知道答案从哪来、分怎么打、数据存哪,它都能交代。
检索质量有门禁
向量召回 + 重排双段检索;100 条口语化评测集把关,Recall@1 85.6% / Recall@4 92.8%,不达标,构建直接红。
出题与评分隔离
出题时模型看不到标准答案,评分时才全文参照——答案不会"写在提示里",分数才算数。
Agent 循环 · MCP · 零依赖
Node 原生实现 Function Calling 与 MCP 客户端,工具调用轨迹如实显示——它第几轮查了库,你全程看得见。
已在公网,不是演示
PC Web 与手机 H5 双端上线,HTTPS + ICP 备案合规,邀请码内测中。评分限流、用量账本、异地备份都在线上跑着。
这个夏天,把「不会」都练成「知道了」。
打开知了,先免费试练一场:教练出题,你开口答,四维评分当场见分晓。觉得被考住了?那正是它开始工作的时候。
HTTPS · 备案合规 · 手机浏览器即用 · 数据双端互通
没有邀请码? FAQ 里有获取方式 · 或 查看内测申请渠道