# lazeword 路线图

> 进化的账本是 git + 测试 + 署名，不是 AI 自治。本文件记录已完成的里程碑与待开发项。

## 已落地（2026-08）

- **P1 基础**：单词卡 + FSRS-5 调度 + 事件溯源轨迹（状态 = fold(事件)，append-only，2 万上限 + 确定性压缩）
- **P2 Anki 生态**：TSV 导出 + AnkiConnect 同步 + 复习记录导入（同一条确定性时间线）
- **P3 学科 packs**：数学（1746 词 + 算术/公式题型）、科学（6200）、地理（4148）、自动驾驶（65）、中华文化（50）、AI 素养（64 词 + 论文 + 人物 + 守则 + 对话）、人與詞（56 词 + 11 人物）、工业制造（60）
- **P4 游戏**：记忆翻牌、字母組詞、单词赛车（伪 3D）、单词挖雷（拆雷版）、太空配对；demo 模式不写轨迹
- **P5 dsh 生态**：npm 发布 dsh-lazeword@0.2.0、awesome-dsh-plugin 收录、生态推荐区（5 插件 + 1 skills 集）、官方 skills 适配安装
- **P6 数据进化**：阶段一 fsrsPickRetention（轨迹调优保留率）✅；阶段二 packs 扩展接口（SDK + 校验器 + 脚手架）✅
- **P7 AI 私教**：一节课 = 诊断（tutorDiagnosis）→ 讲课（三级降级）→ 练习（确定性出题）→ 批改（写回 FSRS）→ 下课（课堂记录）

## 待开发

### 8. 场景驱动引擎（核心引擎 v2）—— 见 [scenario-engine.md](./scenario-engine.md)

- 词 = 实体（actor）、句子 = 场景（scenario）、课程/故事 = 场景序列、电影 = 多场景剧情
- 对标自动驾驶 ASAM OpenSCENARIO 场景标准：参数化 + 确定性重放 + 数据驱动回放
- 孩子输入/习惯 = 驾驶数据 → 自动生成个性化场景（私教的造句与 AI 故事是场景生成器 v0）

### 9. 金融素养 pack（含 qlib 参考）

- **词汇层**：投资/股市/量化术语 60-80 词（stock/share/bond/portfolio/dividend/compound interest/index/ETF/risk/volatility/factor/alpha/backtest…）——孩子先拥有讨论金融的语言
- **概念参考页**：复利、风险、回测三张概念卡（确定性渲染）
- **模拟投资游戏**：「学习即仿真」的金融版——种子驱动的随机游走市场 + 买卖决策 + 回测成绩单；教育模拟，零真金白银
- **qlib 参考页**：微软开源量化平台（MIT）作为「真实世界的量化工具」入口——因子/回测/α 概念对照；qlib 是 Python 研究平台，无法嵌入浏览器单文件，我们借其**概念与术语**（署名记录于 ATTRIBUTIONS.md），想深入的孩子可去跑真实 qlib
- **合规边界**（写进 pack 首页）：教育用途、模拟盘、不荐股、不构成投资建议——风险意识本身就是金融素养的核心一课

### 10·五、長期 auto-research 目標：遊戲作為願景的具象化場地

> 游戏不是糖衣，是「学习即仿真」的演示场。每条愿景原则都应至少在一款游戏里具象化。
> 按 autoresearch 五步立目标：**可度量 → 实验 → 评估 → keep/revert → 账本（git log + lessons.md）**。

**已具象化的原则**：
- 单词赛车 = 自动驾驶仿真（相机相对投影、确定性 seed、demo 不写轨迹）——「场景驱动」的具象
- 游戏词池跟随场景筛选——「数据驱动」的具象
- demo 模式自我演示——「时空确定性」的具象

**待实验（每条都有度量）**：
1. **赛车难度自适应**：按 FSRS 状态调车速/词难度；度量：答对率维持 70-85%
2. **游戏信号预测遗忘**：游戏表现能否作为 bandit 信号预测 FSRS 遗忘（场景农场 L1 的回报函数实验）
3. **场景图驱动关卡**：storyboard v0.2 图化后，游戏关卡 = 场景图节点（答错走回炉边）
4. **赛车世界词汇化**：真实道路元素（curve/tunnel/roadside）进赛道美术与词表——把自动驾驶词汇放回世界

**验收**：每个实验在 append-only 账本留下记录（keep/revert 有证据）；不通过度量的实验照常回退。

### 10. 待定（想法池）

- 电影模式：多场景剧情片（躺平模式 + AI 故事 + 场景引擎的合体）
- 香港/内地考级专项：KET/PET/FCE 冲刺课（私教 pack 化）
- 语音跟读评分（诚实边界：识别不可靠，bonus-only 定位）
- 输出型训练任务化（精读/复述/造句场景骨架）——对标 Enjoy 的「用英语」方法论，见 [benchmark-enjoy.md](./benchmark-enjoy.md)
- 真实内容场景（媒体字幕生词）——不绑定任何第三方视频站（聚合站的版权与接口都不可靠），
  做法是「**字幕导入**」：孩子在任意地方看视频/电视台（明珠台、纪录片频道等公开广播），
  导出或粘贴 SRT/VTT 字幕 → 与词库对比提取生词 → 生成学习场景；
  合法导入源优先（TED 等 CC 许可字幕），自用字幕为个人学习用途。
  交互设计参考 DashPlayer（对标二）：先盲听再看字幕、按句循环、悬停查词不打断