2026 年 9 月 25 日，ArchSight 科学实验室 v1.7.0 正式发布。
上一版让更多实验、讲义和学习路线有了清楚的入口。这一版要解决的是进入以后怎么办：学习者能否知道为什么学这一章，能否亲手改变条件、看懂结果，并从当前证据找到下一步。
三分钟实验、讲义馆、学习路线、亮暗主题和账号访问都不是这次才出现的。v1.7.0 的变化，是把已有内容组织成更连贯的学习过程。
39 条路线，不再只是一串实验链接
过去打开学习路线，能看到先后顺序，却未必知道“为什么先学这里”。现在，39 条路线都有公开导览，先讲适合谁、需要什么基础、这条路会回答什么问题，再进入课程学习和路线进度。
本轮还为这些路线整理了 116 章章节指导。章节之间会交代上一章留下了什么疑问、这一章要用什么新工具，以及做完实验后应当能解释什么。实验和讲义仍是学习的主体；课程指导负责把它们接起来。8 条免费路线可直接阅读章节指导；其余路线可先看公开导览和章节大纲，再按现有通行证权限阅读深入内容。
例如从向量走向矩阵和张量，学习者先知道“坐标变了，哪些性质没变”，再去操作相应实验。这比只列出几个实验名称更容易形成自己的问题。
手机上，从预测走到解释
三分钟实验原本就有。v1.7.0 更在意它和完整实验之间的衔接：从首页或一个具体问题进入，先预测，再改变一个主要条件；需要深入时切到完整实验，返回、刷新或稍后继续，不必重新寻找刚才的任务。
数学、物理、化学的代表路径都按“预测—操作—证据—解释—继续探索”打磨。条件改变后，旧条件下填写的答案和完成提示不会继续冒充当前结论；此前尝试及其证据仍可回看。电脑上更完整的分析视图也保留了下来。
这件事看似是操作细节，其实关系到学习是否可信。图形动了，不等于理解已经发生；读数变了，也要知道是哪一个条件造成的。
两个互动样板，让图形和读数说同一件事
我们在 M0607“平面截正方体”和 P1401“薄透镜成像”上花了很多时间。截平面的位置、透镜与光屏的关系，如果只靠静态图片和文字，学习者很难把空间操作与结果对应起来。
M0607 把三维截面、二维真形、精确参数和数值结果放进同一次运行。转动视角只改变看法，不改变实验条件；截面退化成面、线、点或空集，也如实解释为几何结果。
P1401 把物体、透镜、焦点、光屏与成像读数放在同一个互动工作区。移动器件或输入参数后，光路和读数一起响应；固定快照与恢复也围绕同一组条件展开。
这不是宣布所有实验都要三维化。三维适合讲清空间关系和装置位置；曲线或平面图更直接时，我们仍用更直接的表达。后续会继续在合适的场景打磨三维仿真，让专业交互更易上手。
讲义馆：读得下去，也经得起推敲
实验能让人发现现象，讲义要接住接下来的追问：公式里的量是什么，单位是否一致，结果在什么条件下成立，操作是否真的支持文字里的解释。
本轮集中打磨了旗舰和核心内容。30 篇旗舰讲义完成了内容与公式出版收口，179 篇探索讲义也纳入逐篇审查与必要修订。我们反复检查科学关系、公式语义、实验对应、算例与适用边界；需要改的回到正式内容源修改，原本准确的内容则保留。
讲义尽量先用直观问题引入，再展开公式和推导。比如读一个公式，先知道符号代表什么，再看它如何计算、何时不能继续套用。这样既不把复杂知识削平，也不要求每个人一进来就读完推导。
学过什么，接下来做什么
学习记录现在是独立入口。它汇集最近的明确学习位置、正在进行的路线和已有练习证据，帮助学习者从真实位置继续；路线内部则专注于本路线的章节与进度。首页也会依据已有状态给出更明确的下一步。
播放和反馈同样按科学语义整理。系统演示不是用户亲手做过的实验；看过一段动画，也不能直接记作理解通过。一次探索结束后，更有价值的是回看自己改变了什么、哪项证据支持当前判断、还有什么需要再试。
还需要一点耐心
ArchSight 科学实验室面向愿意主动探索数理化的学习者、教师和自学者。我们不想把它做成靠连续奖励推动点击的平台。第一次使用，某些概念和控件可能并不轻松；比较两组条件、读懂一项读数，有时需要停下来想一想。
我们会继续降低不必要的操作门槛，打磨课程引导、讲义可读性和更友好的互动方式。但不会把复杂知识包装成“点一下就学会”。
ArchSight 科学实验室 v1.7.0 已正式发布。读者可按产品全名检索公开版本说明，从一条学习路线或一个三分钟实验开始。先做一个预测，只改变一个条件，再看看证据是否支持原来的想法。
我们尤其想听真实使用后的意见：哪一步难找、哪个控件不顺手、哪篇讲义仍没讲明白，或哪项读数与你的预期不同？欢迎在本文评论区留下具体问题和复现步骤。我们会认真看，能复现的问题尽快修复，并把这些反馈带进后续打磨。
还有一个开放问题：如果科学实验室继续建设生物学科，你最希望先通过交互理解什么？这不是下个版本的功能预告，我们想先听听大家的学习需要。
关注我们
筑见实验室（ArchSight Labs）关注科学学习、建筑工程、软件架构与 AI 实践，持续用内容、开源和产品实验，把复杂问题转化为可理解、可验证、可复用的能力。
