Co wyszło, szczerze.

Powoli otwieramy bramy pierwszej kohorcie bety Fluery. iOS (iPadOS) i macOS docierają pierwsze — Android, Windows i Linux pójdą w ślad, gdy będziemy przerabiać backlog alfy.

Co jest w środku

• Nieskończony canvas z 13 pędzlami wrażliwymi na nacisk
• Pełny 12-krokowy cykl uczenia się, z czterema strukturalnymi funkcjami aktywnymi
• Harmonogram powtórek rozłożonych w czasie ze spersonalizowanymi wagami FSRS
• Storage local-first szyfrowany SQLCipher, cloud sync opt-in
• Współpraca P2P szyfrowana end-to-end (tryby Visit, Teaching, Duel)

Czego jeszcze nie ma

• Time Travel audio-sync nadal w alfie, tylko na iOS
• Release Androida w następnym cyklu bety
• Dashboard śladu audytu dla instytucji w roadmapie

Jak wejść

Zapisz się na waitlistę bety. Onboardingujemy falami około pięćdziesięciu osób na tydzień i czytamy każdą odpowiedź.

Ghost Map dociera do swojej pierwszej użytecznej formy. Po Kroku 3 cyklu studenci mogą aktywować overlay porównawczy: ich canvas naprzeciw idealnej mapy wygenerowanej przez AI. Rozbieżności pulsują wizualnie.

Nowości

• Overlay Ghost Map z czerwonymi (brakujące), żółtymi (źle połączone), niebieskimi (dodane) wskaźnikami
• Suwak pewności przy każdym sokratejskim ujawnieniu — aktywuje nadkorekcję
• Flow próby on-canvas: studenci piszą korektę ręcznie, zanim pojawi się ideał
• FAB z przyciskami Porównaj/Ujawnij podczas prób

Ulepszenia

• Pozycjonowanie Gemini jest niedeterministyczne; dodaliśmy post-pass anty-nakładanie (minimalny odstęp 350px)
• Pipeline rysowania nie zacina się już podczas próby inline
• Tekst etykiet jest teraz zakotwiczony w stałym rozmiarze ekranu (160px, 1 linia); prostokąty skalują się z canvasem

Znane problemy

• Gemini czasem upycha węzły w jeden klaster — post-pass czasem oddziela je od powiązanych grup
• Brak auto-detekcji, kiedy student kończy pisać próbę (tylko ręczne potwierdzenie)
• Wykończenie wizualne ghost-węzłów (animacje, przejścia) zostanie poprawione w v0.10

Standardowy harmonogram FSRS dochodzi blisko. Ostatnie 20% — ta część, która odróżnia dobry system powtórek rozłożonych w czasie od świetnego — to personalizacja.

Nowości

• Osiem wag FSRS (w0–w7) skalibrowanych per użytkownik przez gradient descent na historii powtórek
• Modyfikatory pedagogiczne ułożone na wierzchu:
  • Bonus nadkorekcji — błędne odpowiedzi z pewnością 5 dostają krótsze odstępy (i priority badge)
  • Malus peeku — przedwczesne ujawnienia skracają następny odstęp (żadnego darmowego lookupu)
  • Sygnał czasu odpowiedzi — wolne poprawne odpowiedzi są traktowane jako słabsze niż szybkie poprawne odpowiedzi
  • Scaffolding breadcrumb — łańcuchy podpowiedzi skalują odstęp w zależności od tego, ile rusztowania było potrzebne
• Kalibracja wag per przedmiot (medycyna vs matematyka vs języki)

Ulepszenia

• Kolejność kolejki powtórek używa teraz topological sort prerekwizytów, nie zwykłego sortowania po dacie
• Feedback po powtórce celebruje wysiłek zamiast poprawności (microcopy nastawienia na rozwój)

Podziękowania

Wszystkim z zamkniętej alfy, którzy wygenerowali wystarczająco dużo danych powtórek, by gradient descent naprawdę się zbiegł. Harmonogram jest lepszy, bo wasze powtórki były niedoskonałe.