Przechwytywanie kontekstu
Słowa i frazy zachowują źródło, zdanie i intencję użytkownika.
Introduction
Kotori od środka
Narzędzia językowe AI łatwo stają się zabawkami do czatu, jeśli nie zachowują pamięci, aktywnego przypominania i intencji uczącego się.
Co musiało pozostać edukacyjne
UX jest lekki podczas przechwytywania i skupiony podczas powtórek: użytkownik ma pozostać w języku, nie w administracji.
SRS
pętla retencji
AI
asystent kontekstu
Capture
z realnych materiałów
Practice
aktywne przypominanie
Features
Najważniejsze funkcje produktu
Wycentrowaliśmy produkt na pętli nauki: przechwyć, wyjaśnij, zaplanuj, przypomnij i użyj.
Wyjaśnienia AI
Asysta wyjaśnia użycie bez ukrywania niepewności.
Powtórki rozłożone
Powtórka łączy się z realnym materiałem zamiast izolowanych fiszek.
Dowody postępu
Produkt pokazuje retencję i użycie, nie tylko streaki.
Pipeline treści AI
Przechwytywanie, wyjaśnienia i powtórki mogą używać odpowiedzi modelu przy zachowaniu kontroli uczącego się.
Panel przechwytywania
Szybki przepływ zamienia frazę w pamięć gotową do powtórki.
Pokój powtórek
Karty zawierają kontekst, podpowiedzi i feedback przypominania.
Dashboard immersji
Użytkownik widzi, jakie materiały zasilają jego pętlę nauki.
Challenges
Rozłączona praktyka
Listy słów, notatki, immersja i praktyka mówienia zwykle wymagają osobnych narzędzi.
Wyzwania techniczne
Niepewność AI
Wyjaśnienia musiały pomagać bez ukrywania niepewności i bez zastępowania aktywnej nauki.
Pętla retencji
Przechwycony język musiał stać się trwałą powtórką, nie kolejną zapomnianą notatką.
Tarcie przechwytywania
Przepływ musiał pozostać lekki w realnych kontekstach immersji.
Wyzwania domenowe
Rozłączona praktyka
Listy słów, notatki, immersja i praktyka mówienia zwykle wymagają osobnych narzędzi.
Panel przechwytywania
Szybki przepływ zamienia frazę w pamięć gotową do powtórki.
Pokój powtórek
Karty zawierają kontekst, podpowiedzi i feedback przypominania.
Technology stack
Stack technologiczny produktu
Kotori łączy przechwytywanie treści, przetwarzanie AI, pamięć słownictwa, harmonogram SRS i przepływy praktyki nad backendem świadomym prywatności.
Backend
.NET learning services
AI
LLM explanations, summaries
Data
Vocabulary memory, review state
Clients
Web and mobile learning surfaces
Web app
Angular, capture and review surfaces
Mobile
.NET MAUI direction, learning sessions
Cloud
GCP, Kubernetes, AI workers
.NET learning services
summaries
review state
Angular
.NET MAUI direction
GCP
AI workers
AI
Clients
Mobile
Language
Immersion
LLM explanations
Vocabulary memory
Web and mobile learning surfaces
capture and review surfaces
learning sessions
Kubernetes
Backend
Data
Web app
Cloud
SRS
LLM explanations
Vocabulary memory
Web and mobile learning surfaces
capture and review surfaces
learning sessions
Kubernetes
Backend
Data
Web app
Cloud
SRS
.NET learning services
summaries
review state
Angular
.NET MAUI direction
GCP
AI workers
AI
Clients
Mobile
Language
Immersion
Preview
Wgląd w platformę
Wybrane ekrany produktu pokazujące układ informacji, decyzje UX i realne powierzchnie systemu.
Japonics
Spraw, by nauka języków z AI była mierzalna bez mechaniczności
Kotori to studium rzemiosła w edukacyjnym UX i odpowiedzialnej asyście AI.