vistep

这是什么？适合谁？

vistep（官网 vistep.ai）是一个**“看懂每一步”的 AI 教育可视化项目**：它用短篇视觉故事（animated scenes）解释日常机制、科学与计算——你可以跟着一个运动部件、一个信号或一次计算走完全程，然后改变输入看会发生什么。每个场景是章节式的影片（支持暂停、回放、拖动进度），底下由独立的计算模型驱动画面：几何、运动、读数都是真实算出来的，不是纯动画演示，配套文章解释假设并引用来源。

内容为中英双语（作者撰写的旁白、字幕、全文转录），实验（experiments）直接在浏览器里运行——无需账号、无需 API Key、无需在线 AI 服务。

适合谁：想”看懂”而非”背下”机制的学生与自学者（官网提供按建议起始年龄筛选）；寻找可视化教学素材的教师；需要给非专业受众解释系统原理的工程师/科普作者。

不适合谁：需要系统化课程体系（作业、考核、学习路径管理）的用户——这是一个场景化认知工具，不是 LMS；需要离线大量定制课程内容的机构。

使用前提：现代浏览器即可直接体验 vistep.ai；开发者贡献需 Node/Astro 技术栈。

准备工作

1. 环境：现代浏览器（桌面或手机均可访问官网）
2. 获取：直接访问 vistep.ai；开发者 git clone https://github.com/int64ago/vistep.git
3. 成本：MIT 开源，线上内容免费体验；实验无 API 成本（浏览器本地运行）
4. 时间：单场景观看 3-10 分钟（可按兴趣/时长筛选）；本地部署二次开发约 30 分钟
5. 前置知识：体验零门槛；开发贡献需 Astro + TypeScript + Three.js 栈

快速上手（3 步）

第一步：进入 vistep.ai 选一个主题

打开 vistep.ai，首页按 Mechanisms（机制）/ Information（信息）/ Systems（系统） 三大类组织场景，例如 Bicycle gearing（自行车变速）。也可以用搜索框以中/英文关键词找主题。

预期产出：进入一个章节式动画场景页，可播放、暂停、拖动进度。

第二步：看动画 + 换输入做实验

跟随动画中高亮的部件/信号理解流程；在实验环节改变输入参数（例如齿轮比、信号频率），画面中的几何与读数由独立计算模型实时重算，观察结果变化。

预期产出：看到”改变输入 → 模型重算 → 画面反馈”的完整因果链，而不是被动看视频。

第三步：切语言 + 读配套解释

页面切换中/英文旁白与字幕（作者撰写而非机器翻译），配套文章解释模型假设并给出引用来源。

预期产出：同一机制的中英双语理解 + 可追溯的原理出处。

常见踩坑（症状 → 原因 → 解决）

1. 以为只是动画视频。原因：习惯了”看科普视频”的被动模式。解决：注意场景中的实验交互点——模型可操作、输入可改、结果会重算，这是它区别于视频的核心。
2. 找不到适合特定年龄段的内容。原因：场景数量多（当前 65 个），逐个翻效率低。解决：用站内筛选——按兴趣分类、运行时长、建议起始年龄过滤。
3. 中文搜索没结果。原因：搜索词与场景命名不匹配。解决：中英双语都试一次（内容双语，但主题标签偏英文）。
4. 想离线部署给学校用。原因：需要二次开发。解决：仓库 MIT 开源，Astro + Cloudflare Workers 技术栈，按 docs/deployment.md 自行部署。
5. 担心内容质量参差。原因：U 型生成内容泛滥。解决：该项目维护 scene review records（场景评审记录）与 collection expansion record，区分”已交付”与”仍待完整验证”的内容——引用与假设在配套文章中可查。

初级用法

• 课前预习：上课前用 5 分钟看一个机制场景（如自行车变速），带着直觉进课堂。
• 双语学习：英文场景切中文旁白核对理解，或反之用于英语学习。
• 按时间挑内容：只有 10 分钟？用”运行时长”筛选找短场景。

高级玩法

• 教学素材嵌入：教师把特定场景 URL 直接发给学生作为课前/课后任务，实验环节当作业（“把齿轮比调到 X，观察什么变化”）。
• 二次开发：Fork 仓库加自己的场景——Astro + TypeScript + Three.js 栈，实验模型用独立计算实现，配套 CI 已就绪。
• 本地化部署：按 docs/deployment.md 用 Cloudflare Workers 部署私有实例，适合校内网络环境。

小技巧

1. 先看一个 Mechanism 类场景（如 Bicycle gearing）建立对该项目”模型驱动画面”的直观认知。
2. 实验时一次只改一个参数，因果更清晰。
3. 65 个场景不可能一次看完，用年龄+时长双筛选建立自己的”课程表”。
4. 仓库的 scene review records 标注了哪些场景经过完整评审，优先看已评审内容。
5. 对某个解释有疑问时，查配套文章的引用来源，而不是直接接受结论。

常见问题 FAQ

Q1: 需要注册账号或 API Key 吗？

A: 不需要。实验在浏览器本地运行，无需账号、API Key 或在线 AI 服务（README 明确声明）。

Q2: 内容权威吗？

A: 场景由模型驱动、文章解释假设并引用来源，且有 scene review records 评审记录。但它是认知辅助工具而非教科书，关键结论应回到其引用来源核实。

Q3: 和 3Blue1Brown 这类数学可视化频道比有什么不同？

A: 相同点是”模型驱动的可视化讲解”；差异是 vistep 强调交互实验（改输入看重算）与双语、可搜索、按年龄筛选的场景库，且开源可自部署，而视频频道是单向观看。

Q4: 能用于课堂教学吗？

A: 可以。场景 URL 可直接分发，实验环节可作为互动作业。但缺少课堂管理、作业提交等 LMS 功能，需配合其他工具。

Q5: 后续内容会持续增加吗？

A: 仓库维护 collection expansion record（如 expansion-50 记录从 50 到 65 场景的扩张），发布走 CI 自动化，处于活跃扩张期。

免责声明

本文基于公开资料整理，AI 辅助生成，未对全部 65 个场景逐一核验。功能与内容规模以官方仓库与 vistep.ai 实际状态为准。

参考链接

• GitHub 仓库 int64ago/vistep
• 官方网站 vistep.ai
• 项目文档 docs/README.md
• 部署文档 docs/deployment.md
• 贡献指南 CONTRIBUTING.md