案例 A：一直加大初始值
用户行为描述：用户连续 3 次只调高起点，几乎不比较线性增长和指数增长的后期差异。
系统判断错因：系统判断：更关注“开始时有多少”，没有建立“增长方式会改变后期节奏”的认识。
对应改进建议：改进建议：引导用户对比两次后 5～7 天的曲线，重点观察后期谁拉开得更快。
时序花园
AI 思维训练产品原型
评测与 Bad Case
这一页使用静态 mock 数据展示作品站中的评测视角：我们不只展示“能玩”，也展示“哪里会卡住、提示是否有帮助、下一步怎么迭代”。
常见误解分类
- 只关注结果，不看变化过程。
- 看到数值大就判断增长快，没有观察后几天是否突然拉开。
- 会记住一个例子，但换到新场景后不会迁移。
失败案例示例
案例 B：一旦失败就继续调大
用户行为描述：用户在溢出后继续把参数调大，认为数值更大就更接近目标。
系统判断错因：系统判断：存在“数值越大越好”的直觉偏差，没有把“刚好”作为目标。
对应改进建议：改进建议：增加一次“刚好多一点 / 刚好少一点 / 刚好合适”的反思提示。
案例 C：主关会做，迁移关失效
用户行为描述：用户能完成蔷薇花墙，但进入郁金香花海后重新回到试错式乱调。
系统判断错因：系统判断：记住了具体例子，但还没有真正迁移到新的场景。
对应改进建议：改进建议：在迁移前增加一句方法回顾，提醒先判断增长节奏，再决定改哪类参数。
提示有效性
提示前完成率
42%
未获得提示时，用户更容易卡在“只改大数值”的策略中。
提示后完成率
68%
加入轻量提示后，更多用户开始比较过程而不是只盯最终结果。
二次纠正率
57%
首次失败后，超过一半用户会调整方法，而不只是继续放大参数。
迁移题通过率
49%
说明方法迁移仍有提升空间，是下一阶段优化重点。
后续迭代方向
- 增加更多训练世界，覆盖更多增长与变化主题。
- 增加 AI 追问，让系统在失败后提出更贴近错因的下一问。
- 增加长期学习档案，帮助家长看见孩子跨主题的变化轨迹。