项目背景
WhiteMirror 项目探索 AI 能力如何进入学习场景。本案例聚焦平台 0-1 的产品定义与信息结构，不包含未确认的用户规模、商业数据或内部材料。
核心问题
教育产品不能只提供一个聊天框。需要把学习目标、内容、练习、反馈与 AI 能力组织成连续的任务体验。
我的角色
参与产品定位、目标用户任务梳理与平台结构设计，重点把抽象的 AI 教育愿景转化为可落地的页面和功能边界。
用户与业务痛点
- 学习者不知道该如何提出有效问题，也难以判断回答是否真正帮助理解。
- 内容、工具和学习进度若彼此割裂，会增加认知负担。
- 平台需要同时服务学习体验与内容维护，角色目标并不完全相同。
产品方案
- 以学习目标和任务流组织课程、知识内容、练习与 AI 辅助入口。
- 区分学习者路径与内容管理路径，避免同一界面承担过多角色。
- 为首次使用设计示例问题、能力说明和结果边界，降低 AI 使用门槛。
AI 方案
- 把 AI 定位为学习过程中的解释、检索与反馈助手，而不是替代完整学习流程。
- 在入口处说明适用问题、知识范围和不确定性，帮助用户形成正确预期。
遇到的困难与解决方式
遇到的困难
- 0-1 阶段需求容易不断扩张，需要持续判断哪些能力属于 MVP。
- AI 能力表达过于宽泛时，用户难以理解产品到底解决什么问题。
解决方式
- 用核心用户任务和阶段目标筛选功能，优先建立可以完整走通的学习闭环。
- 将 AI 能力落到具体场景和操作上，避免用模糊的智能化概念代替产品设计。
项目结果
- 完成了平台核心任务、信息架构与 AI 能力边界的 0-1 产品框架。
- 量化结果尚未在公开材料中确认，可在后续补充经验证的数据。
面试官可能追问的问题
0-1 阶段如何控制范围？
我会这样回答
我会用目标用户、核心任务和最短闭环三项标准判断功能优先级，无法直接服务闭环的能力先不进入 MVP。
AI 教育平台和普通课程平台有什么区别？
我会这样回答
差异不只是增加对话入口，而是让解释、检索和反馈进入学习任务，同时保留内容边界和学习路径。