calx/CLAUDE.md

CLAUDE.md

This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.

What this is

小学生乘法口诀（九九表）语音背诵小程序。核心交互：自动读题 → 小朋友开口说答案 → 本地离线语音识别判分，全程免手（hands-free）。两种模式：顺序闯关、随机挑战（随机模式对错题动态加权）。

只有两份代码文件：index.html（前端单页，含全部 UI/逻辑）和 server.js（后端，零 npm 依赖）。没有构建步骤、没有 package.json、没有 node_modules、没有测试框架。

Commands

# 启动（HTTP:8000 + HTTPS:8443，首次自动生成自签证书）
bash start.sh            # 或 node server.js

# 换电脑 / IP 变了后重新生成自签名证书
bash gen-cert.sh

# 语法检查（无测试框架，改完用这个自查）
node -e "new (require('vm').Script)(require('fs').readFileSync('server.js','utf8'));console.log('server ok')"
node -e "const m=require('fs').readFileSync('index.html','utf8').match(/<script>([\s\S]*?)<\/script>/)[1];new (require('vm').Script)(m);console.log('frontend ok')"

# 端到端验证识别流水线（生成中文语音 → 打 /stt）
say -v Tingting "三七二十一" -o /tmp/t.aiff
ffmpeg -y -i /tmp/t.aiff -c:a libopus /tmp/t.webm
curl -s -X POST --data-binary @/tmp/t.webm -H "Content-Type: audio/webm" http://localhost:8000/stt

# 切换到更快的 base 模型
WHISPER_MODEL=models/ggml-base.bin node server.js

改动 index.html 里判分/解析逻辑（judge/parseNumToken/extractLastNumber）后，务必把纯函数抠出来跑一批中文数字用例（二十一/二一/21/三七二十一/答案是二十一 等都应判对），这是最易回归的部分。

运行环境依赖（非 npm）

后端 shell out 到两个系统命令，缺一不可：

• ffmpeg —— 把浏览器录音（桌面 webm/opus、iOS mp4/aac）统一转 16k 单声道 wav
• whisper-cli —— whisper.cpp 的离线识别二进制（brew install whisper-cpp）

模型放在 models/：ggml-small.bin（默认，较准）、ggml-base.bin（较快）。识别全程离线，不联网、不上云。

Architecture

后端 server.js（纯 Node http/https，无框架无依赖）

• 同一个 handler(req,res) 同时挂在 HTTP(8000) 和 HTTPS(8443) 上。HTTPS 用 certs/ 里的自签证书，缺证书则只起 HTTP。
• 路由：GET /（index.html）、GET /cert（iOS 下载证书）、GET /health、POST /stt。
• POST /stt 流水线（transcribe()）：收原始 body Buffer → 按 Content-Type 定扩展名写临时文件 → ffmpeg 转 wav → whisper-cli -l zh 输出 txt → 去标点/空白 → 返回 {text}。前端只拿 text，判分在前端做，后端不碰口诀逻辑。
• --prompt 用中文数字示例做偏置，提升「得数」识别率。

前端 index.html（单文件，三个「页面」用 .hide 切换：home / game / end）

• 口诀数据：buildProblems() 生成 45 条三角表（a≤b），每条带 weight（随机模式加权用）。kouOf()/numToCn() 生成传统口诀读法（如 三四十二、二五一十）。
• 判分核心（改这里要特别小心，容错是重点需求）：judge(transcript,a,b,p) 先剥掉标点/运算词/口语填充词、再剥掉句首因数前缀（正反序、中/数字），然后 parseNumToken/extractLastNumber 把中文数字或阿拉伯数字解析成整数与乘积比对。要同时容忍 二十一/二一/21/完整口诀/句尾数字等说法。
• 免手录音闭环（关键状态机）：autoAsk()（TTS 读题）→ startRecordCycle()（MediaRecorder 录音 + vadTick() 音量静音检测自动断句）→ stopRecord() → onRecStop()（上传 /stt → judge → resolve）。没听清会自动重录，上限 CONFIG.maxAttempts。
• resolve(correct,timedOut) 是所有作答路径（语音/键盘/超时）的唯一汇合点：更新分数/进度、随机模式调 updateWeight()、触发正/负反馈（positive/negative + 音效 beep + 彩带 + 结果卡 afterSheet）、再 nextQuestion()（顺序模式答错则 retrySame 重问同题）。
• 随机错题加权 updateWeight()：答错/超时大幅提权、答对且快降权、答对但慢小幅提权；pickWeighted() 按权重随机抽题 → 错题/慢题更常出现，练熟自动减少。权重同时看对错和用时（elapsed vs CONFIG.slowMs）。
• 降级链：不支持录音 / 麦克风不可用 → 自动切数字键盘（switchToPad，padMode/autoActive 两个开关联动），键盘作答同样汇入 resolve()。

前端所有可调参数集中在 index.html 顶部的 CONFIG

读题开关、限时秒数、随机题数、错题加权系数、VAD 灵敏度（vadThreshold/vadSilenceMs）、重录次数等。首页「⚙️ 家长设置」面板直接绑定其中常用项。

平台约束（重要，别踩坑）

• iOS 语音必须 HTTPS + 受信任证书。iOS 上所有浏览器都是 WebKit，http://IP 下苹果直接禁麦克风、不弹授权；且浏览器自带的 SpeechRecognition 在 iOS 基本不可用 —— 这正是要走「录音上传后端识别」而非浏览器识别的原因。iOS 首次需下载 /cert 并在「设置 → 通用 → 证书信任设置」里开完全信任，详见 README.md。
• 音频/麦克风/TTS 必须在用户手势内解锁：ensureAudio() 在首页点「开始」（startGame）时调用一次 getUserMedia + AudioContext.resume() + 静音 TTS，之后才能全自动。
• 证书 SAN 里写死了本机 LAN IP；IP 变了必须 gen-cert.sh 重新生成。