《经济学人》20天精读打卡营
周一到周五|周末复习
Day01 / 20 · 第1周 · 周一正课

AI 文章,真能一眼认出来吗

今天不是背一串“AI味”词汇,而是练一件更重要的事:看证据链,判断一个结论能站多稳。

今日目标 不要凭几个词判断 AI 文风,而要看证据链。
预计用时45-60 分钟
学习路径预习 → 精读 → 诊断 → 输出
今日文章:Large language models like long words and em-dashes—or do they?|Culture|Paper trails(2026年7月30日)
学员登录与同步

首次使用请输入小助理发你的专属码;换手机或电脑时输入同一个专属码,就能同步学习记录。

输入专属码后自动开启云端同步。
一天一篇经济学人|精读打卡营|仅供报名学员个人学习
本周学习地图
Week 1-4

本周学习地图

第1周

Day01
今日
Day02
第1周 · 周二正课 · 可查看
Day03
第1周 · 周三正课 · 可查看
Day04
第1周 · 周四正课 · 可查看
Day05
第1周 · 周五正课 · 可查看
周末
第1周周末复盘 / 总结
复盘

第2周

Day06
Day07
Day08
第2周 · 周三正课 · 可查看
Day09
Day10
第2周 · 周五正课 · 可查看
周末
第2周周末复盘 / 总结
复盘

第3周

Day12
Day13
Day14
Day15
第3周 · 周五正课 · 可查看
周末
第3周周末复盘 / 总结
复盘

第4周

Day16
第4周 · 周一正课 · 可查看
Day18
第4周 · 周三正课 · 可查看
Day19
第4周 · 周四正课 · 可查看
Day20
第4周 · 周五正课 · 可查看
周末
第4周周末复盘 / 总结
复盘
Preview

预习任务

先带着问题读原文,提交后判断能否进入精读。

今晚先圈出A段两次出现的because。作者把"看到delve就说是AI写的"和"看到imprudence就说是简·奥斯汀写的"放在一起比——这两件事到底哪里像?先自己想一遍,再去原文里对答案。B段再找表示时间边界的at least for nowwith every update。这两个短语提醒你:研究发现可以成立,但它不是一张永久有效的检查清单。

今日目标:不要凭几个词判断 AI 文风,而要看证据链。

先完成三件事:
1. 判断这四段各自在推进什么。
2. 完成预习题。
3. 翻译一句长难句挑战。
一、英文原文

A 段|一个词,不能给一篇文章定罪

Spotting AI texts can be tricky. This is in part because you need evidence beyond a few words or dashes: claiming that a text is by an LLM because it uses the word “delve” is like claiming one is by Jane Austen because it uses “imprudence”. Bots also write in slightly different ways. There is no single style of AI writing, explains Karolina Rudnicka, a linguist at the University of Gdansk in Poland, just as there is no single style of human writing. Writers have idiosyncrasies—Emily Dickinson, for instance, loved em-dashes—and bots may do, too.

You can discover AI’s hallmarks by comparing the writing of man and machine. To do this you need a baseline that is distinctive and familiar. The Economist turned to prose that we’re sure is human and that readers will recognise: our own. We designed a study to ask top LLMs—OpenAI’s ChatGPT, Anthropic’s Claude, Google’s Gemini and xAI’s Grok—to write versions of our articles without consulting the web. (As a prompt, we gave them the AI-generated summaries that we have experimentally added to some of our articles.)

B 段|特征会移动,检测也会过时

Our findings are surprising. AI prose is distinguishable by word and punctuation choice as well as sentence and paragraph structure. But its hallmarks are not what you might expect, partly because its writing style has changed with software updates. That does not mean that LLMs are great writers: their prose lacks lucidity and elegance and is often formulaic. So those aspiring to be impressive (human) storytellers should avoid the following peculiarities in their own prose.

So if you want to spot AI writing, look for bland, pretentious prose lavished with Latinate words—at least for now. With every update, our study shows, AI writing is becoming more similar to human prose. Pangram successfully detected AI-generated copy, but may struggle in future. LLMs are trained on human writing and learn from human feedback, notes Tommie Juzek of Florida State University, picking up things people find impressive and dropping things they do not.

二、预习词汇
tricky棘手的,不容易处理的
idiosyncrasy独有的习惯或特点
hallmark标志性特征
baseline参照基准
distinguishable可以区分的
lucidity清晰明了
formulaic程式化的,套路化的
pretentious矫揉造作的,炫饰的
Latinate拉丁语源的
pick up学会,吸收
Pangram一家AI文本检测公司
三、预习检测
1. 作者为什么把delveimprudence放在一起比较?
2. 《经济学人》为什么选择自己的文章作为baseline
3. at least for now在B段中限制了什么?
4. 第3段为什么说AI文本“可以区分”,紧接着又批评其文风?
四、长难句翻译挑战

请先自己翻译下面这句话。不要急着追求漂亮,先把主干、修饰关系和语境逻辑译清楚。

长难句翻译挑战
Claiming that a text is by an LLM because it uses the word “delve” is like claiming one is by Jane Austen because it uses “imprudence”.
🔒

8:00 精读讲义暂未解锁

下一步:等 8:00 解锁后,再看讲义、完成训练和打卡。现在不用提前做这里。

请先完成 21:00 预习包:英文原文、预习题和长难句挑战。

精读讲义将在第二天早上 08:00 自动解锁。解锁后可查看原文标亮版、词汇注释、长难句解析和老师带读。

距离解锁:计算中……
Lesson

段落精读工作台

每段原文下面直接展开译文、词汇和长难句。

今日导读

人脑很爱走捷径。看到长破折号、delve或三点排比,我们很快就会说“这味儿太AI了”。问题是,艾米莉·狄金森也钟爱破折号,简·奥斯汀也会反复使用某些词。语言习惯可以提供线索,却很难单独证明作者身份。

A段先拆掉这种过度自信,再介绍研究方法:确定一批肯定由人写、读者又熟悉的文本,让四款模型在不能上网查询原文的情况下仿写。B段给出更麻烦的答案。AI文本在统计上确实可区分,但模型会从人类反馈中学习,留下的痕迹也会随版本更新。这篇文章真正有意思的地方,不是教我们抓几个“AI味”的词,而是提醒我们:判断一篇文章是谁写的,证据不能太单薄。

四段论证地图
  1. 第1段:抬高证据门槛。 单个词或标点只能算线索,不能单独证明作者身份。
  2. 第2段:建立比较基线。 研究必须先找到确定由人类写成、读者又熟悉的文本,再让模型模仿。
  3. 第3段:公布发现并限制结论。 AI文风确实可区分,但“可区分”不等于“写得好”,特征也会随更新变化。
  4. 第4段:交代结论的保质期。 当前线索仍有用,模型持续向人类文风靠拢,检测方法可能很快过时。
原文精读|译文与解析随段展开
A 段

一个词,不能给一篇文章定罪

Spotting AI texts can be tricky. This is in part because you need evidence beyond a few words or dashes: claiming that a text is by an LLM because it uses the word “delve” is like claiming one is by Jane Austen because it uses “imprudence”. Bots also write in slightly different ways. There is no single style of AI writing, explains Karolina Rudnicka, a linguist at the University of Gdansk in Poland, just as there is no single style of human writing. Writers have idiosyncrasies—Emily Dickinson, for instance, loved em-dashes—and bots may do, too.

本段带走:单个词或标点只能算线索,不能单独证明作者身份。

查看译文收起译文

识别 AI 文本并非易事。这在一定程度上是因为仅凭几个词或标点符号并不足以作为证据:以使用“delve”一词来断定某篇文章出自 LLM 之手,就如同以使用“imprudence”来断定某篇文章出自简·奥斯汀之手一样牵强。此外,不同的 AI 系统写作风格也各有差异。波兰格但斯克大学的语言学家 Karolina Rudnicka 解释道,AI 写作并没有统一的风格,正如人类写作也没有统一的风格一样。作家各有其写作习惯。例如艾米莉·狄金森就钟爱破折号,AI 机器人也可能如此。

本段重点词汇与表达
表达注释

tricky

棘手的,不容易处理的。

✨ 拓展/考点tricky不一定表示危险,常指问题里有容易误判的细节。a tricky question可以是“难回答的问题”,a tricky distinction则是“不容易把握的区别”。

表达注释

idiosyncrasy

个人独有的习惯或特点。

✨ 拓展/考点:形容词是idiosyncratic。本文用艾米莉·狄金森爱破折号举例,说明高频语言特征可能属于个人文风,不能直接变成作者身份的铁证。

本段长难句解析
长难句 1

原句再现 Claiming that a text is by an LLM because it uses the word “delve” is like claiming one is by Jane Austen because it uses “imprudence”.

结构拆解 全句主干是Claiming... is like claiming...is like两边各有一个动名词短语:前半是claiming that a text is by an LLM,后半是claiming one is by Jane Austen。两个claiming内部都带宾语从句,又各自嵌入一个because原因从句。后半的one代替前面的a text

翻译点拨 这句最容易在第一个because之后失去主干。先把两边压缩成“断定A,就像断定B”,再分别补上两条理由。中文用“以……来断定……”保持两侧对称,类比关系就不会散。

推荐译法 以使用“delve”一词来断定某篇文章出自 LLM 之手,就如同以使用“imprudence”来断定某篇文章出自简·奥斯汀之手一样牵强。

You can discover AI’s hallmarks by comparing the writing of man and machine. To do this you need a baseline that is distinctive and familiar. The Economist turned to prose that we’re sure is human and that readers will recognise: our own. We designed a study to ask top LLMs—OpenAI’s ChatGPT, Anthropic’s Claude, Google’s Gemini and xAI’s Grok—to write versions of our articles without consulting the web. (As a prompt, we gave them the AI-generated summaries that we have experimentally added to some of our articles.)

本段带走:判断差异之前,先要有可靠的人类文本作为参照基准。

查看译文收起译文

通过对比人类与机器的写作,你可以识别出人工智能写作的标志性特征。为此,你需要一个既独特又为人熟知的参照基准。《经济学人》选取了我们确信出自人类之手、且读者耳熟能详的文章作为参照,也就是我们自己的文章。我们设计了一项研究,要求顶级 LLMs——OpenAI 的 ChatGPT、Anthropic 的 Claude、Google 的 Gemini 以及 xAI 的 Grok——在不借助网络的情况下,仿照我们的文章进行写作。(我们以 AI 生成的文章摘要作为提示词,这些摘要是我们在部分文章中试验性添加的。)

本段重点词汇与表达
表达注释

hallmark

标志性特征,典型标记。

✨ 拓展/考点hallmark原指金银制品上的纯度印记,后来引申为足以辨认某人、某物或某种风格的特征。它比feature更强调辨识度。

表达注释

baseline

参照基准,基线。

✨ 拓展/考点:实验和政策评估中的高频词。establish a baseline先确定比较起点,之后才能判断观察到的差异来自模型、样本还是研究者自己的选择。

B 段

特征会移动,检测也会过时

Our findings are surprising. AI prose is distinguishable by word and punctuation choice as well as sentence and paragraph structure. But its hallmarks are not what you might expect, partly because its writing style has changed with software updates. That does not mean that LLMs are great writers: their prose lacks lucidity and elegance and is often formulaic. So those aspiring to be impressive (human) storytellers should avoid the following peculiarities in their own prose.

本段带走:“可以区分”不等于“写得好”,也不等于每次都能一眼识别。

查看译文收起译文

我们的研究结果令人意外。AI 生成的文章可以从用词、标点选择以及句子和段落结构上加以辨别。然而,其标志性特征未必符合你的预期,部分原因在于随着软件版本的更新,其写作风格也在不断演变。这并不意味着 LLMs 是优秀的写作者。它们的文章往往缺乏清晰度与优雅感,且常常流于程式化。因此,那些有志于成为出色(人类)故事讲述者的人,应当在自己的写作中刻意避免以下这些特有的表达习惯。

本段重点词汇与表达
表达注释

distinguishable

可以区分的,可辨别的。

✨ 拓展/考点:这个词只表示差异能够被观察或测量。本文谈的是大样本中的文体倾向,不等于普通读者凭一个词就能准确判断单篇文章。

表达注释

lucidity

清晰明了。

✨ 拓展/考点:形容词是lucid。写作评价中的lucidity看重思路是否透亮、读者能否顺利跟上,与词汇是否华丽没有必然关系。

表达注释

formulaic

程式化的,套路化的。

✨ 拓展/考点:由formula引申而来,形容作品反复套用固定配方。它比“有结构”多了一层批评意味,常见搭配有formulaic languagea formulaic plot

So if you want to spot AI writing, look for bland, pretentious prose lavished with Latinate words—at least for now. With every update, our study shows, AI writing is becoming more similar to human prose. Pangram successfully detected AI-generated copy, but may struggle in future. LLMs are trained on human writing and learn from human feedback, notes Tommie Juzek of Florida State University, picking up things people find impressive and dropping things they do not.

本段带走:AI 写作特征会随着模型更新而移动,今天有效的方法未必长期有效。

查看译文收起译文

因此,如果你想识别 AI 写作,至少在目前阶段,不妨留意那些堆砌拉丁词汇、平淡而又矫揉造作的文字。我们的研究表明,随着模型不断更新迭代,AI 写作与人类写作的差距正在逐渐缩小。Pangram 目前能够成功检测出 AI 生成的内容,但未来或许会力不从心。佛罗里达州立大学的 Tommie Juzek 指出,LLMs 基于人类写作进行训练,并从人类反馈中持续学习,逐渐掌握人们认为出色的表达方式,同时摒弃那些不受青睐的写法。

本段重点词汇与表达
表达注释

pretentious

矫揉造作的,炫饰的。

✨ 拓展/考点:常形容文字、谈吐或艺术作品故意摆出高深姿态。pretentious prose不是单纯“正式”,而是为了显得聪明,把本可说清的话说得复杂。

表达注释

Latinate

拉丁语源的。

✨ 拓展/考点:英语里的拉丁语源词往往较长、较抽象,也更有书面感。作者批评的是机械堆砌这类词,不是在否定所有拉丁语源词。

表达注释

pick up

学会,吸收。

✨ 拓展/考点:除“捡起、接人”外,pick up还可表示在接触中逐渐学会。本文与dropping形成并列:模型吸收人们觉得出色的写法,淘汰不受欢迎的写法。

表达注释

Pangram

一家AI文本检测公司。

✨ 拓展/考点:Pangram是一家专门做AI文本检测算法的公司,曾宣称准确率高达99.98%,并与内容平台Substack有合作。

本段长难句解析
长难句 2

原句再现 LLMs are trained on human writing and learn from human feedback, notes Tommie Juzek of Florida State University, picking up things people find impressive and dropping things they do not.

结构拆解 核心判断是LLMs are trained...and learn...,两个谓语由and连接。notes Tommie Juzek...是倒装的引述语,正常语序为Tommie Juzek notes。句末picking up...and dropping...是两个并列的现在分词短语,逻辑主语均为LLMsthings people find impressive中省略了关系词,things they do not则省略了前文重复的find impressive

翻译点拨 先把插在中间的消息来源移到句首,再处理模型“接受训练—从反馈学习—吸收—摒弃”的动作链。最后一个they do not不能只译成“它们不做的事”,需要补出省略的信息:人们不觉得出色、不喜欢的写法。

推荐译法 佛罗里达州立大学的 Tommie Juzek 指出,LLMs 基于人类写作进行训练,并从人类反馈中持续学习,逐渐掌握人们认为出色的表达方式,同时摒弃那些不受青睐的写法。

老师带读:这四段到底怎么读

第1段先破一个大家最容易信的直觉:delve用得多、破折号打得勤,看到这些就喊“AI写的”——这套判断本来就站不住。简·奥斯汀和艾米莉·狄金森就是现成的反例:人写文章也有自己的癖好,模型也一样,光凭一个词定罪太草率了。

单点线索靠不住,那就换个思路。第2段做的事,是先找一把可靠的尺子——用《经济学人》自己的文章当参照,因为作者身份确定、读者也熟悉这种文风;再让四个模型在不联网的情况下改写,尽量避免它们直接照抄。

尺子有了,第3段给出发现,但这里有个容易踩的坑:能不能“看出差异”,跟写得好不好,是两码事。用词、标点、句段结构确实能看出统计上的区别,可这不代表AI写得漂亮。lacks lucidity and elegance说的是质量差,distinguishable说的只是能被看出来——两者别混着读。

第4段给这个发现加了个期限。at least for nowmay struggle in future,都是在提醒你:这些线索现在管用,模型还在不断学人类喜欢的写法,说不定哪天这些特征就变了。整篇读下来,其实是在示范一种读研究报道的方式——先别信单点证据,看看人家怎么建立标准、发现了什么、这发现又能撑多久。

今日最值得带走的一点

The hallmarks of X are not what you might expect.(X的标志性特征,未必是你以为的那些。)

这个句式适合引出反直觉发现。它先承认X确实存在可观察特征,再推翻读者对特征内容的预设。用于技术、消费、教育或社会现象,都能自然地把论述从常识带向证据。

🔒

训练区暂未解锁

训练区会在 8:00 精读讲义解锁后开放。请先完成预习,第二天看完讲义后再进入试译、参考译文和自测练习。

这里不是重复做题,而是把刚学过的词义、结构和译法真正用出来。

距离解锁:计算中……
Practice

掌握诊断与输出

先自测,再翻译、仿写,最后保存今日打卡。

自测题

自测原文

A 段|一个词,不能给一篇文章定罪

Spotting AI texts can be tricky. This is in part because you need evidence beyond a few words or dashes: claiming that a text is by an LLM because it uses the word “delve” is like claiming one is by Jane Austen because it uses “imprudence”. Bots also write in slightly different ways. There is no single style of AI writing, explains Karolina Rudnicka, a linguist at the University of Gdansk in Poland, just as there is no single style of human writing. Writers have idiosyncrasies—Emily Dickinson, for instance, loved em-dashes—and bots may do, too.

You can discover AI’s hallmarks by comparing the writing of man and machine. To do this you need a baseline that is distinctive and familiar. The Economist turned to prose that we’re sure is human and that readers will recognise: our own. We designed a study to ask top LLMs—OpenAI’s ChatGPT, Anthropic’s Claude, Google’s Gemini and xAI’s Grok—to write versions of our articles without consulting the web. (As a prompt, we gave them the AI-generated summaries that we have experimentally added to some of our articles.)

B 段|特征会移动,检测也会过时

Our findings are surprising. AI prose is distinguishable by word and punctuation choice as well as sentence and paragraph structure. But its hallmarks are not what you might expect, partly because its writing style has changed with software updates. That does not mean that LLMs are great writers: their prose lacks lucidity and elegance and is often formulaic. So those aspiring to be impressive (human) storytellers should avoid the following peculiarities in their own prose.

So if you want to spot AI writing, look for bland, pretentious prose lavished with Latinate words—at least for now. With every update, our study shows, AI writing is becoming more similar to human prose. Pangram successfully detected AI-generated copy, but may struggle in future. LLMs are trained on human writing and learn from human feedback, notes Tommie Juzek of Florida State University, picking up things people find impressive and dropping things they do not.

1. A段为什么说,仅凭delve或破折号识别AI文本并不可靠?
答案:B。原文用简·奥斯汀和艾米莉·狄金森说明:个人习惯可以形成线索,却不能单独证明作者身份。A、C、D都把原文说成了绝对规律。
2. B段为什么认为当前的AI检测方法未来可能更难奏效?
答案:C。with every update和句末的picking up...and dropping...共同解释了特征为何会移动。A、B无原文依据;D与原文相反。
3. distinguishable在本文中应当如何理解?
答案:A。研究说AI文本可以从用词、标点和结构上区分,谈的是可观察倾向。B把线索夸成确定判断;C、D都与A段相反。
4. 第2段为什么必须先建立“确定由人类写成”的基线?
答案:A。没有可靠的人类参照,研究看到的差异就难以归因。B、C把研究范围夸大;D也不是建立基线的理由。
翻译练习

请翻译: There is no single style of AI writing, explains Karolina Rudnicka, a linguist at the University of Gdansk in Poland, just as there is no single style of human writing.

✍️ 下笔提示: 先把中间的引述语移到句首;a linguist...是人物同位语,just as连接两项对称判断,别顺着英文顺序一口气硬拖到底。

仿写练习

模仿 The hallmarks of X are not what you might expect.,写两句英文:第一句引出一个反直觉发现,第二句说明真正的特征是什么。

✍️ 下笔提示: 第一句负责搭骨架,第二句必须把观点落地。可以用 They are less about A than about B.Instead of A, the real signs are B and C.

今日打卡
🔒

20:30 翻译门诊暂未更新

下一步:晚上回来这里看共性问题、典型误区和老师补充。现在可以先提交今天最卡的问题。

翻译门诊会根据当天学员提交到答疑池的问题,筛选高频疑问、典型误区和老师补充提醒。

你可以先完成学习任务,并提交问题到答疑池。

距离更新:计算中……
Clinic

课后翻译门诊

把真正卡住的问题留给老师集中处理。

20:30 翻译门诊不是重复上午讲义,而是根据学员提交的问题,补充讲解高频疑问、典型误区和老师提醒。

说明:这里不是提前写好的固定内容,而是老师根据大家白天提交到答疑池的问题,筛选后在 20:30 更新的「答疑精选」。如果当天还没到答疑时间,可以先提交问题。
20:30 翻译门诊|老师补充答疑

今晚重点看三处。

第一,长难句1的真正难点不在生词,在主语太长。看到第一个because时,主句谓语is like还没有出现。先认出claiming...is like claiming...的对称骨架,再把两个原因从句填回去,句子立刻会稳下来。

第二,distinguishable不能读成“一眼就能认出”。文章讨论的是一批文本中可测量的差异。某个词在AI文本里出现频率较高,只能增加怀疑,不能独自完成作者鉴定。考试里遇到alwaysprovecertainly这类绝对化选项,要回头检查原文是不是只说了倾向。

第三,长难句2里最容易误判的是picking updropping的主语。它们都接着前面的LLMs,中间的Tommie Juzek只是消息来源。模型吸收受欢迎的写法,也丢掉不受欢迎的写法,所以“AI味”不会永远固定。今天记住的最好不是一张词语黑名单,而是作者给结论留下的时间边界。

老师工作台 · Day01

发布前校对与答疑管理

新版框架:30天打卡|20天正课|4周完成。老师端重点放在:内容状态、发布物料、答疑取舍、校对清单和学员问题整理。

Course framework

新版课程框架

30天打卡|20天正课
课程周期30天打卡周期,20天正课,4周完成
新版
更新节奏周一到周五更新正课,周末复盘补卡
固定
每日结构每个正课日一篇文章,四段精读
新版
解锁配置21:00预习包;8:00四段精读/试译/自测/打卡;20:30翻译门诊;周末复盘
待接20天数据
Content status

内容状态

21:00 预习包无参考译文
通过
8:00 四段精读前两段重点精读;后两段完整带读;译文后置
通过
20:30 翻译门诊避免重复上午内容
待终审
Today

今日发布节奏

21:00预习包推送
已生成
8:00四段精读 / 试译 / 自测 / 打卡
已生成
12:30午间提醒
已生成
20:30翻译门诊
等问题池
Risk

发布风险

  • escorts 译法需克制。
  • 答疑不要重复上午讲义。
  • 高亮不能粘连或断词。
  • 参考译文必须后置。
Checklist

发布前校对清单

原文理解准确主题:AI 助手商业化
通过
参考译文后置先试译,再展开
通过
高亮与注意点对应6个高亮,6个讲解点
通过
标签准确词义、逻辑、修辞、语序
老师确认
答疑不重复只保留新增问题
待审
自测解释无错位employed 主语为 Chatbots
通过
Publish

发布物料

21:00 预习包群发文案

今晚 Day01 预习包已更新。先不要看译文,完成三件事:读原文、做预习题、试译长难句。明早讲义会先给标亮版、词汇注释和长难句解析,最后再放参考译文。

12:30 午间提醒

Day01 午间提醒:今天重点看三个地方:关键词怎么用、句子逻辑怎么转、长难句怎么拆。先自己判断,再回到讲义里对照。

QA Sync

答疑池同步状态

Cloudflare
学生端提交的问题会发送到 POST /api/submit-question,线上由 Cloudflare Pages Function 写入 Cloudflare D1 答疑池。本地预览会写入 data/questions.jsonl,方便发布前测试。GitHub 只负责保存代码和触发 Cloudflare 部署。
学生端提交入口翻译门诊锁定卡与答疑区均可打开“提交今日问题”弹窗
已接入
同步方式网页表单 → /api/submit-question → Cloudflare D1;GitHub 负责代码版本
已配置
筛选字段提交时间、昵称、问题类型、原句、试译、问题、错因、公开许可、处理状态
待筛选
适合20:30讲解escorts 为什么译成“陪伴者”?
保留
适合20:30讲解sponsored messages 和 advertisements 有什么区别?
保留
文档简答promotion 为什么不是“晋升”?
简答
删除/不重复employed 为什么不是“被雇佣”?上午已讲透
删除
Unlock

学生端按时间解锁

21:00 预习包前一天 21:00 解锁
已配置
8:00 精读讲义第二天 08:00 解锁,未到时间显示锁定卡
已配置
20:30 翻译门诊当天 20:30 更新,未到时间显示提交问题提示
已配置
正式版提醒当前为前端软锁,正式卖课需后端硬锁,未到时间不返回内容
需升级
Social

轻社交功能规划

今日学习动态待接入数据库后开放,不能展示写死示例
待接入
真实打卡广场待接入数据库后开放,当前只保留个人打卡记录
待接入
固定鼓励按钮待接入数据库后开放,用于真实点赞与鼓励
待接入
自由评论区暂不开放,避免增加审核与管理成本
关闭
Gamification

自测与积分设置

每日自测3题自动判分,满分给徽章
已启用
连续签到打卡后自动记录 streak
已启用
积分规则完成任务 +10;自测每题 +10;首次打卡 +10
可调整
排行榜预览版为本地示例,正式版需接后台
待接入
Teacher note

老师端后续可以加的功能

  • 一键生成 21:00 预习包 / 8:00 四段精读 / 20:30 翻译门诊 / 周末复盘群发文案。
  • 从 Cloudflare 答疑池导出问题,自动合并重复问题。
  • 统计学生错因标签,生成本周错因榜。
  • 老师终审按钮:通过后才显示给学生端。
已保存