Study：对话式、证据可溯的学习方法。Hub：官方体系 + 卖家共创的知识枢纽。AI 应用、场景英语、平台运营三条主线，把零散知识聊成体系。
聊天式学习 · 越聊越成体系 | 证据可溯 · 每个结论回到原文 | 双源枢纽 · 官方体系 × 卖家共创
练习：为无线充电器写一条五点描述，须包含 2 个核心关键词，禁用「best」等平台限制词。📄 证据 · 政策原文 §4.3
AI 反馈：第 3 点含限制词已标红；关键词布局建议前置；语气评分 8.5/10。📄 证据 · 高转化语料 #17
域名里的 .chat 就是我们的学习方式：对话是入口，体系是出口。每一轮对话都在给知识体系添砖，而不是聊完即散。
向 AI 助教追问到底；练英语时它扮演买家、供应商与你过招。
对话里的关键结论自动变成知识卡片，每张都带着证据出处。
卡片精确挂到知识图谱的概念节点上，先修关系自动衔接。
再上传你的 SOP、政策 PDF、笔记——库越用越懂你的生意。
零散输入 → 系统化知识：把零散的知识系统化、成体系，并支持你继续构建自己的知识库。
不教泛泛的「知识」，只教跨境电商工作里真正用到的东西——而且每个结论都能回到证据。
从调 API 到做出可用的 RAG 应用，再落到跨境场景：用 AI 生成 Listing 文案、批量出图、搭选品分析助手。别人手工，你用 AI。
不背单词，只练工作场景：写一条合规又高转化的 Listing、回一封差评挽回信、跟供应商谈判。每篇写作 AI 四维批改，每个推荐表达都附真实语料出处。
Listing 权重逻辑、广告结构、库存与账号健康、多平台打法与合规。杀手锏：运营结论全部回溯平台政策原文，政策更新自动标记重校验——学错的代价是封号，我们不让你学过时的东西。
在 StudyHub，AI 以三重角色贯穿学习全流程——这是与录播网课的代际差异。
大模型应用本身就是第一条主线：提示词、RAG、Agent、出图，学完直接用在你的店铺运营里。
写作四维批改、role-play 情景陪练、按错题与岗位画像生成个性化路径——一个不知道疲倦的私教。
把对话结论、上传的 PDF、零散笔记自动解析归档成体系化的个人知识库，随取随用。
StudyHub 的「Hub」是双源结构：官方供给搭骨架，用户共创长血肉。
白天选品晚上学习：AI 应用线学会用 AI 生成 Listing，运营线搞懂权重逻辑，英语线写出第一条合规五点描述。
广告结构怎么搭、旺季备货怎么算，学完第二天就用；热力图保持节奏，错题本补齐短板。
把公司 SOP 上传成团队知识库，新人按岗位路径学习，进度看板一目了然（团队版规划中）。
课程引擎与内容解耦的可扩展架构，新学科与共创能力按同一套骨架生长。
RAG 核心 6 单元完整可用；场景英语线 MVP（Listing 写作 AI 批改）内测中。
英语线与运营线单元补齐；政策类内容关联原文出处，变更自动标记重校验。
上传自有资料（SOP / 政策 PDF / 笔记），本地优先解析，构建你的私人知识库。
优质卡片审核后进入公共证据库，贡献者获激励——枢纽的一半由用户书写。
当前官网介绍页是零依赖静态页面。这里的登记逻辑只做本地保存与状态恢复，不冒充已经接好了线上账号系统。
登记邮箱的去向：当前页只把你输入的邮箱保存到本机浏览器 `localStorage`，用于演示“登记成功后刷新仍能识别”的体验，不会自动上传到远端服务。
正式版如何切换：接入真实后端后，可以沿用现在的表单入口，把本地登记平滑切换为真实的候补名单、邮件验证或账号登录流程。
学习数据的原则：桌面端继续遵守本地优先思路，学习记录、笔记和导入资料默认保存在你的设备上，导出与备份能力由客户端负责。