DATA_COLLECTION_SUMMARY.md

Clare 登录与数据收集说明

一、登录机制

1.1 当前实现

• 入口：侧边栏 “Student Login” → 输入 Student Name 和 Email/ID → 点击 “Enter”。
• 本质：前端身份标识，不是账号密码认证。
  • 不校验姓名/邮箱是否真实、是否已注册。
  • 不连接学校 SSO 或任何外部认证系统。
• 用途：
  • 解锁聊天、导出、Quiz、TTS 等按钮（未填时这些功能不可用）。
  • 在需要时作为 “学生标识” 参与日志（见下文）。

1.2 登录后保存的内容

所有“登录后”的状态都保存在 Gradio 的会话状态（gr.State） 里，且 仅存在于当前会话：

状态	含义	持久化
user_name_state	学生姓名	否
user_id_state	Email/ID	否
weakness_state	弱项列表	否
cognitive_state_state	认知状态	否
course_outline_state	课程大纲	否
rag_chunks_state	上传文件 RAG 块	否
聊天历史	本轮对话	否

• 刷新页面或关闭标签页 → 上述状态全部清空，相当于新会话。
• 没有数据库、没有后端用户表、没有把学生信息或对话存到文件。

因此：当前没有“根据学生信息建立并持久化个人档案”的机制，只有“当前这次访问”内的状态。

---

二、与 AI 互动的数据是否被收集？

2.1 设计上的“收集”逻辑（LangSmith）

代码里设计了把部分互动数据上报到 LangSmith 的逻辑：

• 数据集名：clare_user_events（需在 LangSmith 中先创建该 dataset）。
• 上报内容（log_event）包括：
  • student_id：即当前输入的 Email/ID（或未登录时为 "ANON"）
  • event_type：事件类型
  • question / answer：问题与回答（部分事件）
  • timestamp、latency_ms、model_name、language、learning_mode 等元数据

会尝试上报的事件类型包括：

event_type	含义
chat_turn	每次和 Clare 的一轮问答
micro_quiz_start	开始 Micro-Quiz
like	点赞某条回答
dislike	点踩某条回答
detailed_feedback	提交详细反馈

也就是说：若 LangSmith 配置成功，理论上会按“学生 ID + 事件类型”收集这些与 AI 的互动数据。

2.2 实际运行情况

• 你之前的日志里有：“LangSmith log failed: Dataset clare_user_events not found”。
• 说明：当前环境里 LangSmith 写入失败，多半是因为：
  • 未在 LangSmith 中创建名为 clare_user_events 的 dataset，或
  • API 密钥/项目配置不正确。

因此：在当前配置下，这些互动数据并没有被成功写入 LangSmith，即 没有在实际落地存储。

---

三、总结回答你的问题

• 登录后，系统会不会根据学生信息“建立”个人档案？
  不会。 没有用户库、没有个人档案表，只有当前会话里的姓名/ID 和状态，刷新即丢失。

• 会不会“收集”与 AI 的互动数据？
  设计上会（通过 LangSmith，且带 student_id），但 目前因为 LangSmith 报错，实际上没有成功写入任何持久化存储。

• 数据存在哪里？

  • 会话内：仅在浏览器与 Gradio 进程内存中，不落库、不写文件。
  • 持久化：当前没有；若修好 LangSmith 并创建 clare_user_events，则会在 LangSmith 中按事件类型 + 学生 ID 存储上述互动数据。

---

四、若要让“登录后根据学生信息建立和收集互动数据”真正生效

1. LangSmith

   • 在 LangSmith 中创建 dataset：clare_user_events。
   • 在 Clare 部署环境（如 HF Space Secrets）中配置正确的 LANGSMITH_API_KEY 等。
   • 这样现有 log_event 才会成功，互动数据才会被收集并按 student_id 可查。

2. 持久化学生与长期档案（可选）

   • 若需要“为每个学生建立档案、跨会话保留弱项/认知状态/历史记录”，需要自行增加后端存储，例如：
     • 数据库（如 PostgreSQL / SQLite）存用户表 + 会话表 + 事件表；或
     • 用 Notion/Google Sheet 等 API 写入。
   • 当前代码没有这类实现，只有 LangSmith 的“事件日志”设计。

---

简要结论：
当前 Clare 的“登录”只是前端解锁功能用的身份标识；会话状态不持久；与 AI 的互动数据在设计上会通过 LangSmith 按学生 ID 收集，但目前因 LangSmith 未配置成功而没有实际写入，因此目前没有在后台根据学生信息建立或持久化收集与 AI 的互动数据。