Agregar un tutor de IA a una app de flashcards sin confiar en el LLM
Una flashcard mide el recuerdo, no la comprensión. Volteás la tarjeta, leés la respuesta, y la pregunta “¿realmente lo entendí?” la respondés vos, y sos el juez menos confiable de la sala. La sobreconfianza es el estado por defecto: seguí creyendo que sabía una palabra sin poder usarla en una oración, y la app no tenía forma de distinguir la diferencia.
Uso LexiStack para aprender vocabulario y conceptos técnicos para mí, y esa brecha, entre “esto lo reconozco” y “esto lo puedo usar”, es exactamente lo que un tutor cierra. Así que construí uno: para cada tarjeta de una sesión de estudio, la app ahora me pide que haga algo con el término, un LLM verifica si mi respuesta realmente muestra comprensión, y si no, explica la brecha. La IA nunca califica la tarjeta por su cuenta. Sugiere, y yo decido.
LexiStack ya usaba un LLM para generar contenido (sugerencias de tarjetas, generación de mazos); esto fue el salto a la IA como capa de interacción durante la sesión de estudio. Y plantó la pregunta que definió cada decisión de abajo: ¿cómo le agregás IA a una feature cuyo loop central, el plan de repasos que decide cuándo vuelve cada tarjeta, no puede romperse nunca?
desde plantilla del cliente] B --> C[Usuario escribe la respuesta] C --> D["POST /api/tutor/cards/{id}/validate"] D --> E{¿IA disponible?} E -->|no| F[503, la sesión manual continúa] E -->|sí| G[El LLM devuelve veredicto + feedback] G --> H[Nota derivada en el servidor
a partir del veredicto] H --> I[Nota sugerida resaltada] I --> J[Usuario confirma o la sobreescribe] J --> K["POST /api/study/{id}/review
se actualiza el plan de repasos"]