# 产品策划书：BanDu（伴读）— Zotero 插件 | 字段 | 内容 | |------|------| | 中文名 | 伴读 | | 英文名 | BanDu | | 插件全名 | BanDu for Zotero | > 一句话定位：**BanDu（伴读）——在 Zotero 里给每篇论文配一位 AI 老师**——先读完论文备好课， > 再按你选的模式授课（整体讲解 / 逐段精读 / 逐句按需），随时提问、系统不打扰， > 听完后把伴读笔记和参考文献卡片留在 Zotero，写论文时一键引用。 ## 0. 一期范围声明（重要） - **一期 = PC 端 + Zotero 插件**，这是产品本体，不是独立 App 的附属渠道； - 论文库 = Zotero 现有库（零迁移），插件直接读 Zotero 里的 PDF； - 移动端是**未来的独立产品**（v2+），通过云后端与 Zotero 端同步，不在一期考虑； - 一期核心用户 = 自己（dogfooding）→ 再面向 Zotero 学术用户开放。 --- ## 1. 背景与机会 ### 1.1 核心工作流（一期要服务的完整闭环） ``` Zotero 论文库（已有） │ 打开某篇 PDF ▼ BanDu 插件：AI 老师读完整篇 → 备课 → 按模式授课 ── 随时提问 ── 标记重点 │ ▼ 伴读产出留在 Zotero 里： • 伴读报告（问答记录 + 重点标记 + 收听情况）→ Zotero 子笔记，可搜索 • 参考文献卡片（中文速览 + 推荐引用句 + BibTeX） │ ▼ 写论文时：从 Zotero 直接导入引用 + 复用伴读总结（Related Work 素材） ``` ### 1.2 机会点 - 在 Zotero 生态里，**文字 AI 已是红海**（Paper Copilot、Owl 等：摘要/问答/翻译）， **"AI 老师式音频授课 + 段落/句子级交互"仍是空白**——即使桌面端，"边干活边听论文"也是真实场景； - EndNote / Mendeley 无开放插件生态，**插件路线 = Zotero 路线**，护城河是生态卡位； - Paper Copilot 的流行证明 Zotero 用户对论文 AI 的需求强且愿意装插件。 > 立项前需实测确认：Paper Copilot / Owl 最新版是否已加 TTS 朗读（目前判断没有，需录屏存档）。 --- ## 2. 竞品分析 | 产品 | 形态 | 段落级锚定 | 语音伴读 | 听完提问 | 与 Zotero 集成 | 差距 | |---|---|---|---|---|---|---| | Paper Copilot（Zotero 插件） | 插件 | ◐ | ✗ | ✓（文字） | ✓ | 无音频、无老师式授课、无伴读报告闭环 | | Owl（Zotero 插件） | 插件 | ✗ | ✗ | ✓（文字） | ✓ | 同上 | | SciSpace | 网页 | ✓ | ✗ | ✓（文字） | ✗ | 不在 Zotero 工作流里 | | NotebookLM Audio | 网页 | ✗ | ◐（预生成播客，不可交互） | ✗ | ✗ | 不可交互、不可锚定、不在 Zotero | | ChatGPT 语音 + PDF | App | ✗ | ✓ | ✓ | ✗ | 对话不锚定段落、无播放器、无笔记回写 | | Speechify 类 | 多端 | ✗ | ✓（裸读） | ✗ | ✗ | 机器朗读，无 AI 讲解 | **空白确认：Zotero 内 × 老师式授课（整体+逐段+逐句）× 随时提问 × 伴读报告回写，同时满足的产品不存在。** --- ## 3. 核心设计决策 ### 3.0 心智模型：AI = 论文老师（不是 TTS 播放器） 产品的概念基础是一位"**先读完整篇论文、再给读者讲解的老师**"，四个阶段： ``` ① 读 读完整篇论文（解析 + 段落索引 + 全文摘要） ② 备课 基于全文理解生成"讲义"（Lecture 对象，缓存复用）： - 整体讲解脚本（按教学逻辑组织，不按论文物理顺序） - 逐段三层讲解（按论文结构组织） - （按需）逐句讲解 ③ 授课 读者自选模式收听；随时可提问（读者发起，系统不打扰） ④ 复盘 听完后生成伴读报告/笔记 → 回写 Zotero，为写论文提供素材 ``` **关键架构含义：②"备课"是一次性、可缓存的产物。** 老师备一次课，读者听 N 次、换模式重听、隔周再听，都不再花 LLM 成本； 整体讲解与逐段精读**共享同一份备课**（同一个全文摘要上下文），边际成本只多一次生成。 ### 3.1 多种授课模式（粒度 = 模式，不是全局开关） | 模式 | 组织逻辑 | 播放单位 | 场景 | |---|---|---|---| | **整体讲解** | **教学逻辑**：问题→动机→核心方法→关键证据→结论与局限（不是论文物理顺序） | beat（30s–2min 讲解片段，全篇 8–15 个） | 第一次过论文，听"具体讲了什么、核心是什么" | | **逐段精读** | 论文物理顺序：章节→段落 | 段落（>150 词的长段拆 1–3 个"要点"） | 第二次精读，吃透方法/实验 | | **逐句讲解** | 按需：选中任意句子，问"解释这句" | 句 | 硬句子手术 | **逐段与逐句并存的理由**：老师的粒度应随内容难度走—— 简单章节整体带过、核心章节逐段精读、难句子逐句解剖。 **"整篇逐句自动播放"不做**（成本高、收益低），但逐句**按需解释**永远可用； v1.1 加"**难点句清单**"：备课时 AI 主动标出全篇 5–10 个最难读的句子，逐个听讲解 （比整篇逐句性价比高得多的折中）。 **整体讲解的 beat ≠ 段落（关键数据结构差异）**：老师会重组材料 （"这个 motivation 其实在 p12，我们回去看一下"）。 每个 beat 携带 `refs[]` 指回来源段落，用于文字面板同步高亮对应原文、点击"看原文"跳 PDF 页。 v2：**检验模式**——老师反考读者（"你觉得作者为什么这么设计？"，答完给反馈）， 直接服务"提高理解能力"的终极目标。 ### 3.2 老师讲什么：三种内容模型 **① 整体讲解 beat**（全篇 10–20 分钟 ≈ 一杯咖啡过完论文核心）： - 讲解文本（中文口语） - `refs[]`：支撑该 beat 的来源段落 ID - 类型标签：问题引入 / 核心方法 / 关键实验 / 结论局限 / 延伸思考 - 质量要求（防"像 Wikipedia 摘要"）：每个 beat 必须含 **为什么重要 / 一个具体例子或数字 / 一个易混淆点** 三要素 **② 逐段三层讲解**（对应核心诉求"什么意思 / 怎么理解 / 整体研究思路"）： 1. **讲了什么**（白话翻译/转述；公式转口语不念 LaTeX；专有名词保留英文 + 中文解释） 2. **怎么理解**（关键概念、重要数字、和常规做法的差异） 3. **全文定位**（"这是 motivation 收尾，为下一节 method 引出问题"） **③ 逐句讲解**（按需触发）：句翻译 + 句法拆解（长句怎么断）+ 这句话在上下文的作用。 **教师风格（prompt 层可配置）**：主动"点"、不主动"问"—— 提示性内容（易混淆点、作者隐含假设、"注意这里做了一个强假设"）**写进生成的讲义里**， 运行时不弹任何提问提示（见 3.3）。 **语言处理**： - 英文论文：音频 = 中文讲解（不是英文裸读）；文字面板 = 英文原文 + 中文讲解对照； - 中文论文：音频 = 中文"白话简化 + 方法分析 + 全文定位"（价值不在翻译，在降维讲解）； - 自动检测论文语言，切换 prompt 模板；v1.1 可选"原文朗读模式"（英文 TTS 练听力）。 ### 3.3 交互：读者发起，系统不打扰 - **不做**每段/每句播完的"这段有什么疑问吗？"提示（已确认砍掉）； - 交互入口（任意时刻）： 1. **随时提问**：锚定当前位置（当前 beat / 段落），也可问全局 （"这篇和 Transformer 什么关系？"）； 2. **暂停即问**：暂停是天然交互点，暂停时提问入口高亮； 3. **选中句子问**："解释这句"（逐句讲解的入口）。 - 问答上下文：当前单位原文 + 对应讲解 + 全文摘要 + 全文索引（RAG）； 回答**文字先行显示 + TTS 流式播放**；所有问答沉淀进伴读记录（进报告）。 - v1.1：章节边界软提示（**默认关闭**："方法部分讲完了，要问点什么吗？"）。 **系统必须答好的问题类型**（prompt 与 RAG 设计依据）： 翻译类（"这句什么意思"）/ 理解类（"为什么不用 X"）/ 逻辑类（"结论怎么从实验得出"）/ 关联类（"这和前面 Y 什么关系"）/ 元认知类（"这段在全文什么作用"）。 ### 3.4 伴读报告（听后沉淀，存成 Zotero 笔记） 听完（或随时点"生成报告"）自动汇总： ``` # 伴读报告：<论文标题> ## 论文速览 问题/方法/结果/局限（中文四句） ## 收听情况 模式、已听 x%、已听段落列表 ## 问答记录 按段落：Q + AI 回答（可重播） ## 重点标记 读者标记的段落 + AI 一句话理由 ## 参考文献卡片 一句话总结 + 推荐引用句 + BibTeX（BBT citation key） ``` - 存为 Zotero 子笔记（markdown，挂 item 下、可搜索），可导出 .md； - **为写论文服务**：推荐引用句 + 速览可直接进 related work，BibTeX 走 Zotero 原生管道； 后续写相关论文时，Zotero 里搜论文标题即可调出全部伴读素材； - v1.1+：理解度评估（按提问分布："你在实验部分提问最多，建议重听该章节"）。 ### 3.5 与 Zotero 的深度集成（一期核心卖点） | 集成点 | 做法 | |---|---| | 读 PDF | 插件取 item 的 PDF attachment 本地路径，直接读，**论文不出 Zotero** | | 触发 | 选中带 PDF 的 item → Item pane 出现"伴读"标签页 | | 缓存 | 本地 SQLite：Lecture 对象（beats/三层讲解）+ mp3 + 问答记录，key = attachment ID + 文件哈希；二次打开秒进、离线可重听 | | 伴读报告回写 | 报告 + 每段 Q&A + 重点标记 → `Zotero.Note` 子笔记 | | 参考文献卡片 | 中文速览（问题/方法/结果/局限）+ 推荐引用句 + BibTeX 条目（有 Better BibTeX 时取 citation key） | | 写论文导入 | 写 related work 时：卡片摘要可直接粘贴，BibTeX 经 Zotero 原生/BBT 进 LaTeX；重点段落笔记提供引用上下文 | | 伴读库视图 | 插件主窗口列全部论文：未备课 / 已备课 / 已听 x% / 有报告，快速进入 | ### 3.6 播放器 UI（Zotero Item pane 内的"伴读"页） ``` ┌──────────────────────────────────────────────┐ │ 论文标题 [英] 老师已备课 ✓ [备课进度(首次)] │ ├──────────────────────────────────────────────┤ │ 模式: [整体讲解 | 逐段精读] │ │ ▶ ⏸ ⏮ ⏭ 1x/1.5x/2x │ ├────────────────────────┬─────────────────────┤ │ 单位列表： │ 当前内容： │ │ 整体讲解： │ 整体模式: beat 文本 │ │ b1 问题引入 ●已讲 │ + refs 来源段落高亮 │ │ b2 核心方法 ○ │ 逐段模式: 原文(英)+ │ │ b3 关键实验 ○ │ 三层中文讲解(高亮跟随) │ │ 逐段精读： │ ── 提问（随时）── │ │ 2 Method │ Q: ... [重播] │ │ p17 ●已听 [问2] [★] │ A: ... [重播] │ │ p18 ○ │ [输入框: 问当前段/全局] │ │ ... │ [选中句子→解释这句] │ └────────────────────────┴─────────────────────┘ ``` - 文字面板逐句/逐词高亮跟随音频（TTS word timestamps）； - 整体讲解模式：面板高亮当前 beat 的 `refs[]` 来源段落原文，可点"看原文"跳 PDF 页； - 点列表任意行跳播；播放中列表自动滚动跟随；断点续播。 --- ## 4. 技术架构（Local-first） ``` ┌────────────────────────────────────────────────────────┐ │ Zotero 7 (PC, macOS/Win) │ │ ┌────────────────────────────────────────────────────┐ │ │ │ 插件 (TypeScript, 官方 zotero-plugin boilerplate) │ │ │ │ • UI 层：伴读 pane / 伴读库窗口 (HTML5 +