加载失败
Rebrain.gg 是一款在 Show HN 发布的微学习项目，口号为 “Doom learn, don't doom scroll”，旨在把无目的刷屏替换为短时、有目标的学习。评论普遍假定该项目会用 LLM 生成题目或教学片段，因此讨论集中在示例页面的显示/输入错误、如何把交互做得更低认知负荷（如卡片、左右滑动、True/False）以及 AI 内容的可靠性。有人建议结合短视频/YouTube Short（短视频格式），甚至用 nano-banana（可能是生成短视频的工具）自动化短内容以提高粘性；也有人认为用产品去“打败”由成瘾和心理因素驱动的 doomscrolling 本身存在理论矛盾。
有评论指出示例页面存在明显功能和显示错误：用户选了 find . -name "notes.txt"，但提交回显被截断或转义，并且页面把 ls -R | grep notes.txt 与 find 的输入混在一起并提示“部分输入”。这类基础的命令回显错误会误导学习流程，评论建议在向公众展示前修复引号/转义和提交回显问题。还有具体的交互改进建议，例如点击继续或提交时做颜色过渡，以及通过少量 prompt 快速提升界面体验。
多位评论建议把学习机制设计成低认知负荷的轻量交互以更贴近“刷屏”式习惯：以一屏卡片、一指滑动或快速点击为主，减少复杂输入。具体实现提议包括 True/False 的快速题卡、让用户先选主题再用左右滑动在路径间切换（例如左滑继续学 find、右滑学 xargs），以及将碎片化事实以单屏 tile 呈现。有人还建议结合短视频（YouTube Short）或用 nano-banana 自动生成短视频以提高吸引力，但同时提醒不要增加过多思考成本。
有评论质疑把产品标榜为打败 doomscrolling 与实际体验是否匹配：doomscrolling 强调无意识、持续向下刷的低思考成本，而该产品当前流程需要用户做出判断和输入，认知负荷较高。另一种观点是 doomscrolling 的核心在成瘾与个体心理习惯，单靠一款“更有意识”的应用难以根本替代这种无脑刷屏行为。基于此，评论建议要么让交互更贴近低思考成本的滑动体验，要么改变宣传定位以免误导用户预期。
评论中有人明确反对以 LLM 自动生成为主的教学内容，担心模型会自信地输出错误或误导性信息，从而把谬误当作“知识”传播。部分用户分享了具体的偏差案例：用 ChatGPT 生成选择题时出现正确答案偏向同一选项（如均为 C），导致学习者过度纠结；测试 Sonnet 4.6 时也遇到未被自动发现的疏漏并得到空洞的确认式回复。总体意见是把 LLM 作为辅助工具用于练习事实核查可以接受，但不应取代来自权威来源的可靠学习材料。
也有评论强调应鼓励作者早期发布并通过真实用户反馈持续迭代，而不是被完美主义拖住。早期版本可以快速验证想法并至少让部分用户受益，从而证明继续开发的价值。批评固然重要，但有人认为即便不完美也值得展示以获取改进方向和动力。
doomscrolling / doom scrolling: 指在社交媒体或信息流上无意识、持续向下滑动并消费负面或琐碎信息的行为，强调低思考成本与成瘾性。
LLM（Large Language Model）: 大型语言模型，用于生成文本、题目和回答的机器学习模型，擅长生成自然语言但可能出现“幻觉”或事实性错误。