Niggle.ai
一本 300 页的教科书不是学习工具，它只是一种存储格式。Niggle.ai 读完它，然后生成真正能让您准备好考试的抽认卡、测验和笔记。
行业： 教育、EdTech | 技术栈： Next.js、Supabase、TypeScript、LLM API、文档解析、Vercel | 状态： 已上线 | 访问 Niggle.ai
Niggle.ai 做什么#
Niggle.ai 是一个 AI 学习助手，它处理教育内容并将其转化为主动学习材料。上传一份 PDF、一份文档，或粘贴一个 YouTube 视频 URL。AI 读取内容，然后生成五种类型的学习输出：结构化笔记、简明摘要、抽认卡组、带进度追踪的测验，以及一个可以基于上传材料提问并获得答案的交互式问答界面。
高级套餐为 $9.99/月，文件上传无限制。它为那些宁愿把学习时间花在「学」而不是「整理」上的学生而设计。
被动学习材料的问题#
学生把不成比例的学习时间花在低价值活动上：重读已高亮的段落、滚动翻阅讲义幻灯片、以 2 倍速重看录制课程。学习科学的研究结论已经很清楚。主动回忆（对自己做测验）和间隔重复（以递增间隔复习）相较于被动复习能显著提高记忆保留率（Dunlosky 等，2013，《Psychological Science in the Public Interest》）。
但制作主动回忆材料需要时间。从一章 50 页的内容里做抽认卡，在真正开始学习之前就得花掉一个小时。写练习测验题要求对材料掌握到能编出貌似正确的错误答案的程度。大多数学生跳过这一步，不是因为不知道它有用，而是因为前期成本太高。
Niggle.ai 背后的思路是：把这部分转换工作外包给 AI。学生上传原始材料，不必再花一小时准备，就能得到可以直接用于学习的材料。
我们构建了什么#
文档摄取流水线接受 PDF、文档和 YouTube 视频 URL。每种格式都有各自的处理路径：PDF 走一个解析器，负责文本抽取、表格识别和结构分析；YouTube 视频通过字幕抽取进入系统。
更棘手的部分是让解析器理解结构，而不仅仅是抽取文本。原始文本转储做不出好的抽认卡。解析器需要知道哪些内容是定义、哪些是示例、哪些是核心概念、哪些是支撑细节。正是这种区分让生成出来的学习材料有使用价值，而不只是「技术上存在」。
再往后，每一种输出类型都有自己的生成逻辑。笔记是结构化且有层级的，组织成学生可以不回到原文就能复习的形态。摘要则更短，用于分流判断：这份文档是否相关、它涵盖了什么？抽认卡模块抽取问答对，为选择题生成貌似合理的错误选项，并按主题组织卡片。测验则更进一步，包含不同认知层级（回忆、理解、应用）的题目，并带有逐主题的进度追踪，以此决定哪些卡片需要再次出现。
问答界面大概是实际使用中最常用的功能。上传文档之后，学生可以用自然语言提问：「第 4 章里提到的 X 的三个原因是什么？」AI 从上传内容中作答，而不是从通用知识中作答。对于那些正在学还没完全掌握的密集材料来说，这是真正有用的。
架构：
- Next.js App Router 搭配 TypeScript，作为应用层
- Supabase 用于身份验证、数据库、文件存储和用户进度追踪
- 文档解析流水线，为 PDF、文档和 YouTube 字幕分别设计了格式专属处理器
- 集成 LLM，用于笔记生成、摘要、抽认卡创建、测验生成和问答
- 进度追踪系统，带有逐主题掌握度指标
- Stripe 集成用于订阅计费
- 在 Vercel 上部署
能力#
- 输入：PDF、文档和 YouTube 视频 URL
- AI 生成的笔记、摘要、抽认卡、测验和文档问答界面
- 跨学习会话的进度追踪，带有逐主题的掌握度指标
- 基于个人表现的自适应复习间隔
- 在 $9.99/月 的高级套餐上无限制文件上传
成果#
- 平台已上线，拥有活跃的学生用户群
- 单次上传可产出 5 种输出类型（笔记、摘要、抽认卡、测验、问答）
- 多格式支持：PDF、文档和 YouTube 视频
- 为一家美国 edtech 客户交付
如果您正在打造一款教育工具，或需要一条文档处理流水线，了解我们的定制 AI 解决方案服务，或预约免费的自动化审计。
