【口算王｜09】HarmonyOS ArkTS 学习统计实战：计算连续训练和正确率趋势

证据边界：本文的“当前实现”来自本轮对本地口算王工程中 LearningStatsPage.ets、StatService.ets、UserDataManager.ets、PracticePage.ets、ExamResultPage.ets 与 EntryAbility.ets 的静态复核。能够确认的是四组 AppStorage 状态、Preferences 恢复、累计答题与正确率聚合、题库进度和近期挑战均分；连续训练、按日正确率历史与趋势图仍是建议扩展。本轮未执行构建、安装、真机运行、数据迁移或性能测量。

学习统计页面最容易出现一种“数字都对，但结论不成立”的问题：累计答题数确实来自真实记录，正确率公式也没有写错，页面却把这些累计值包装成“连续学习”“近期趋势”或“能力提升”。累计值只能说明到目前为止发生了多少次答题，无法回答用户连续训练了几天，也无法告诉用户正确率是在上升还是下降。

连续训练需要按自然日保存活动证据；正确率趋势需要多个时间窗口的答题分子和分母。若数据模型只保留每个题库的累计 finished、累计 correct 和最后更新时间，即使界面画出一条折线，也无法从累计终值还原每天的变化。

本文基于口算王项目 本地口算王工程（脱敏路径） 的真实源码，复核 LearningStatsPage.ets、StatService.ets、UserDataManager.ets、PracticePage.ets、ExamResultPage.ets 与 EntryAbility.ets。包名 com.jiaweikang.one16 是本文草稿核验使用的唯一标记。当前实现真实支持累计答题、累计正确率、挑战次数、训练题库数、收藏数、错题数、近 5 次挑战均分和各题库进度；连续训练天数与正确率趋势尚未实现，文中将其作为基于现有数据链路的增强方案，不把设计代码描述成现成功能。

本文会完成四个工程判断：

• 复核当前每个统计数字的真实来源和计算公式；
• 说明累计正确率、近 5 次均分与正确率趋势的差异；
• 设计能够计算连续训练天数和日正确率趋势的数据模型；
• 给出 ArkTS 聚合算法、持久化边界、多设备布局与测试矩阵。

一、统计页读取的是四组 AppStorage 数据

LearningStatsPage.ets 没有自己读取文件，也没有制造演示数字。页面通过 @StorageLink 订阅四组应用级状态：

@StorageLink('bankProgress')
progressList: BankProgress[] = []

@StorageLink('examHistory')
examHistory: ExamHistory[] = []

@StorageLink('favoriteRecords')
favRecords: FavoriteRecord[] = []

@StorageLink('wrongRecords')
wrongRecords: WrongRecord[] = []

这四组状态分别承担不同统计口径：

状态	页面用途	是否包含时间序列
bankProgress	累计答题、累计答对、题库进度	只保留每个题库最后更新时间
examHistory	挑战次数、近 5 次均分	每次挑战都有完成时间
favoriteRecords	当前收藏数量	有收藏时间，但不是训练证据
wrongRecords	当前错题数量	有最近错误时间，但会去重

页面把计算交给 StatService：

private stats() {
  return StatService.summarize(
```arkts
this.progressList,
this.examHistory,
this.favRecords,
this.wrongRecords
```
  )
}

这是一个合理的职责边界。ArkUI 页面负责展示和响应式排列，统计公式集中在基础特性层。首页和“我的”页面也调用同一个 summarize()，从而避免同一个“正确率”在三个页面出现三种算法。

二、数据在应用启动时从 Preferences 恢复

EntryAbility 启动后调用 UserDataManager.init(this.context)。管理器使用 ArkData Preferences 打开名为 daily_math_drill 的本地存储，并把 JSON 字符串恢复到 AppStorage。

static init(
  context: common.UIAbilityContext | common.Context
): void {
  UserDataManager.prefs =
```arkts
preferences.getPreferencesSync(context, {
  name: UserDataManager.STORE_NAME
})
```

  const progStr = UserDataManager.prefs.getSync(
```arkts
UserDataManager.K_PROGRESS,
'[]'
```
  ) as string

  AppStorage.setOrCreate<BankProgress[]>(
```arkts
'bankProgress',
JSON.parse(progStr) as BankProgress[]
```
  )
}

因此统计页展示的是本机持久化数据，不是网络账户数据，也不是云端跨设备同步结果。用户卸载应用、清除应用数据或在另一台设备安装时，这些统计不会自动迁移。

当前初始化用一个大 try/catch 处理解析失败。任何一项 JSON 异常都可能进入兜底分支，把多组 AppStorage 设为空数组。更细致的做法是逐项解析并校验结构，使某个设置损坏时不影响全部学习记录：

function parseArray<T>(
  raw: string,
  fallback: T[]
): T[] {
  try {
```arkts
const value = JSON.parse(raw) as Object
return Array.isArray(value)
  ? value as T[]
  : fallback
```
  } catch (_) {
```arkts
return fallback
```
  }
}

统计可信度不仅取决于公式，也取决于数据恢复是否完整。页面显示 0 时，应能区分“用户没有训练”和“持久化记录解析失败”。

三、累计答题和累计正确率如何计算

StatService.summarize() 遍历每个 BankProgress，把 finished 与 correct 相加：

let totalAnswered = 0
let totalCorrect = 0

for (const p of progressList) {
  totalAnswered += p.finished
  totalCorrect += p.correct
}

const accuracyPercent = totalAnswered > 0
  ? Math.round(
```arkts
  totalCorrect / totalAnswered * 100
)
```
  : 0

这里使用的是加权总体正确率，不是“各题库正确率的平均值”。假设一年级答了 100 题、正确 90 题，二年级答了 10 题、正确 5 题：

总体正确率 = (90 + 5) / (100 + 10)
```arkts
       = 86.36%
       ≈ 86%

```

如果先计算 90% 和 50% 再取平均，会得到 70%，小样本题库被赋予了与大样本题库相同权重。当前实现按总答对数除以总答题数，口径更适合“全部训练正确率”。

零答题保护也很重要。没有答题时返回 0，避免 NaN 或除零结果进入 UI：

accuracyPercent:
  totalAnswered > 0
```arkts
? Math.round(
    totalCorrect / totalAnswered * 100
  )
: 0

```

但 0% 同时可能代表“尚未答题”和“答过但全部错误”。如果产品需要区分这两个状态，统计结果应增加 hasTrainingData，页面在无数据时显示“暂无记录”，不要让新用户误以为自己正确率为零。

四、BankProgress 是累计快照，不是答题流水

当前进度模型如下：

export interface BankProgress {
  bankId: string
  finished: number
  correct: number
  lastChapterId: string
  updatedAt: string
}

一次练习结束后，UserDataManager.updateProgress() 会找到同题库记录，把本次答题数和答对数累加：

const updated: BankProgress = {
  bankId,
  finished: old.finished + addFinished,
  correct: old.correct + addCorrect,
  lastChapterId: chapterId,
  updatedAt: nowStr()
}

这种结构非常适合快速展示累计值。页面不需要扫描几千条答题流水，就能立即获得题库已答题数和正确率。

它的限制同样明确：旧的 updatedAt 会被覆盖。假设用户周一答 20 题、周二答 30 题，最终只留下累计 50 题和周二的更新时间。仅凭这条记录，无法还原周一、周二分别答了多少题，也无法证明训练连续发生在两个自然日。

因此当前 BankProgress 不能直接计算连续训练天数，也不能生成日正确率趋势。要保留历史，必须新增会追加的会话记录或按日汇总记录。

五、挑战次数和近 5 次均分来自 ExamHistory

挑战结果使用另一组数据：

export interface ExamHistory {
  bankId: string
  score: number
  total: number
  correct: number
  durationSec: number
  finishedAt: string
}

ExamResultPage 出现后调用 addExamHistory()，新记录放在数组头部：

const result: ExamHistory[] = [{
  bankId,
  score,
  total,
  correct,
  durationSec,
  finishedAt: nowStr()
}, ...records]

因此 recentAvgScore() 直接取数组前 N 项：

static recentAvgScore(
  examHistory: ExamHistory[],
  count: number = 5
): number {
  if (examHistory.length === 0) return 0

  const recent = examHistory.slice(
```arkts
0,
Math.min(count, examHistory.length)
```
  )
  const sum = recent.reduce(
```arkts
(value, exam) => value + exam.score,
0
```
  )
  return Math.round(sum / recent.length)
}

这里存在一个隐含契约：examHistory 必须始终按时间倒序。当前写入方法通过前插维持了顺序；如果以后导入备份、合并云端数据或执行迁移，最好在计算前按可解析时间排序，不要继续依赖数组位置。

还要区分“近 5 次均分”和“正确率趋势”。均分只有一个数字，它告诉用户最近五次挑战的平均表现；趋势需要至少两个有时间顺序的点，才能判断变化方向。当前统计页没有绘制趋势图，也没有比较前后窗口。

六、各题库进度和正确率使用独立分母

统计页逐个遍历 BANKS，对每个题库调用：

static bankFinished(
  progressList: BankProgress[],
  bankId: string
): number {
  const progress = progressList.find(
```arkts
item => item.bankId === bankId
```
  )
  return progress ? progress.finished : 0
}

static bankAccuracy(
  progressList: BankProgress[],
  bankId: string
): number {
  const progress = progressList.find(
```arkts
item => item.bankId === bankId
```
  )
  if (!progress || progress.finished === 0) {
```arkts
return 0
```
  }
  return Math.round(
```arkts
progress.correct /
progress.finished * 100
```
  )
}

卡片展示 finished / bank.totalCount、正确率和“未开始/学习中/已完成”标签。标签规则是：

private progressLabel(bank: Bank): string {
  const finished = StatService.bankFinished(
```arkts
this.progressList,
bank.id
```
  )
  if (finished === 0) return '未开始'
  if (finished >= bank.totalCount) return '已完成'
  return '学习中'
}

这里的 finished 是累计答题次数，并不一定是“去重后完成题目数”。用户重复训练同一批题时，累计次数可能超过题库题目总数，页面就会显示类似 120/100。标签会进入“已完成”，但分数文本仍可能超过总量。

如果业务想表达“累计练习次数”，就不应拿它除以题库唯一题目数；如果想表达“题库完成进度”，则需要保存已完成题目的唯一 ID 集合。两个指标不能共用一个字段名称。

七、studiedBankCount 的真实口径

summarize() 直接使用：

studiedBankCount: progressList.length

在当前写入逻辑中，updateProgress() 只有完成练习后才创建记录，所以数组长度通常等于“有训练记录的题库数”。但从数据健壮性看，更准确的算法应过滤 finished > 0，并去重 bankId：

const studiedBankIds = new Set<string>()

progressList.forEach((progress: BankProgress) => {
  if (progress.finished > 0) {
```arkts
studiedBankIds.add(progress.bankId)
```
  }
})

const studiedBankCount = studiedBankIds.size

这样即使迁移数据包含零进度项或重复项，统计也不会虚高。文章和发布说明应称其为“训练题库数”或“已学习题库数”，而不是“训练套数已完成”，因为有一题记录也会计入。

八、连续训练需要新增日维度证据

要计算连续天数，至少需要知道用户在哪些自然日完成过有效训练。一个可复用的数据模型是训练会话：

export interface TrainingSession {
  sessionId: string
  bankId: string
  answered: number
  correct: number
  startedAt: number
  finishedAt: number
  mode: 'practice' | 'exam' | 'wrong'
}

每次完成练习时追加一条记录。连续训练只关心有效会话的日期集合，不关心同一天训练几次：

function localDateKey(timestamp: number): string {
  const date = new Date(timestamp)
  const year = date.getFullYear()
  const month = String(
```arkts
date.getMonth() + 1
```
  ).padStart(2, '0')
  const day = String(
```arkts
date.getDate()
```
  ).padStart(2, '0')
  return `${year}-${month}-${day}`
}

这里使用本地日期，而不是直接截取 UTC 格式。中国时区凌晨训练时，toISOString().slice(0, 10) 可能落到前一天，导致连续天数计算错误。

随后把有效训练日去重：

function trainingDateKeys(
  sessions: TrainingSession[]
): string[] {
  const keys = sessions
```arkts
.filter((session: TrainingSession) =>
  session.answered > 0
)
.map((session: TrainingSession) =>
  localDateKey(session.finishedAt)
)
```

  return Array.from(new Set(keys)).sort()
}

是否把“只打开页面”“收藏一道题”“查看错题”算作训练，需要产品先定义。更稳的口径是至少提交一道答案，避免用户仅启动应用就增加连续天数。

九、连续天数算法必须明确“截至今天”还是“最近一段”

连续训练通常有两种口径：

1. 当前连续：必须今天或昨天有训练，从最近有效日向前计算；
2. 历史最长连续：扫描全部日期，找到最长相邻区间。

计算当前连续天数时，可以先建立日期集合，再从今天向前：

function previousLocalDay(date: Date): Date {
  return new Date(
```arkts
date.getFullYear(),
date.getMonth(),
date.getDate() - 1
```
  )
}

function currentStreak(
  sessions: TrainingSession[],
  now: Date = new Date()
): number {
  const keys = new Set(
```arkts
trainingDateKeys(sessions)
```
  )

  let cursor = new Date(
```arkts
now.getFullYear(),
now.getMonth(),
now.getDate()
```
  )

  if (!keys.has(localDateKey(cursor.getTime()))) {
```arkts
cursor = previousLocalDay(cursor)
```
  }

  let streak = 0
  while (keys.has(localDateKey(cursor.getTime()))) {
```arkts
streak += 1
cursor = previousLocalDay(cursor)
```
  }
  return streak
}

这段代码允许“今天尚未训练，但昨天之前连续”仍显示当前连续天数。若产品要求当天未训练立即归零，可以删除回退到昨天的分支。规则没有绝对对错，但必须写进验收用例。

跨月、跨年和闰日不要用毫秒数简单减 24 * 60 * 60 * 1000 后直接格式化。通过本地日历构造前一天，能降低夏令时地区的日期偏移风险。

十、正确率趋势需要保留分子和分母

趋势点不能只保存百分比。一天答 1 题全对是 100%，一天答 100 题对 90 题是 90%，如果直接平均百分比会得到 95%，却忽略样本量。

按日聚合时应保存：

export interface DailyAccuracyPoint {
  date: string
  answered: number
  correct: number
  accuracyPercent: number
}

从会话记录计算最近七天：

function buildDailyAccuracy(
  sessions: TrainingSession[]
): DailyAccuracyPoint[] {
  const map = new Map<string, {
```arkts
answered: number
correct: number
```
  }>()

  sessions.forEach((session: TrainingSession) => {
```arkts
if (session.answered <= 0) return
```

```arkts
const key = localDateKey(session.finishedAt)
const old = map.get(key) || {
  answered: 0,
  correct: 0
}
map.set(key, {
  answered: old.answered + session.answered,
  correct: old.correct + session.correct
})
```
  })

  return Array.from(map.entries())
```arkts
.sort((a, b) => a[0].localeCompare(b[0]))
.map(([date, value]) => ({
  date,
  answered: value.answered,
  correct: value.correct,
  accuracyPercent:
    value.answered > 0
      ? Math.round(
          value.correct /
          value.answered * 100
        )
      : 0
}))
```
}

图表点由真实分子、分母计算。Tooltip 可以同时显示“86%，18/21”，用户能理解样本量；后续修改四舍五入规则时，也不必丢弃历史。

十一、如何判断趋势，而不是凭肉眼描述

只有两个点时，最后一天比前一天高，并不代表稳定提升。可以比较两个时间窗口的加权正确率：

function weightedAccuracy(
  points: DailyAccuracyPoint[]
): number {
  const answered = points.reduce(
```arkts
(sum, point) => sum + point.answered,
0
```
  )
  const correct = points.reduce(
```arkts
(sum, point) => sum + point.correct,
0
```
  )

  return answered > 0
```arkts
? correct / answered * 100
: 0
```
}

function trendDelta(
  points: DailyAccuracyPoint[]
): number {
  if (points.length < 4) return 0

  const middle = Math.floor(points.length / 2)
  const previous = weightedAccuracy(
```arkts
points.slice(0, middle)
```
  )
  const recent = weightedAccuracy(
```arkts
points.slice(middle)
```
  )

  return Math.round(recent - previous)
}

产品还应设置最小样本量。例如最近窗口少于 20 道题时，只展示趋势线，不输出“提升明显”之类结论。统计结论必须与样本量绑定，不能因为一天答对一道题就宣称能力跃升。

当前源码没有上述趋势判断，也没有趋势结论文案。它只显示累计正确率和近 5 次挑战均分。这一边界在技术文章、应用介绍和上架材料中都应保持一致。

十二、持久化会话时要控制数据规模

Preferences 适合轻量设置和小规模记录。若长期保存每次训练会话，数组会不断增长，序列化和同步写入成本也会增加。可以采用“近期会话 + 日汇总”策略：

export interface DailyTrainingSummary {
  date: string
  answered: number
  correct: number
  sessionCount: number
  activeBankIds: string[]
}

每次训练结束只更新当天汇总：

function mergeDailySummary(
  records: DailyTrainingSummary[],
  session: TrainingSession
): DailyTrainingSummary[] {
  const date = localDateKey(session.finishedAt)
  const index = records.findIndex(
```arkts
item => item.date === date
```
  )

  const old = index >= 0
```arkts
? records[index]
: {
    date,
    answered: 0,
    correct: 0,
    sessionCount: 0,
    activeBankIds: []
  }
```

  const next: DailyTrainingSummary = {
```arkts
date,
answered: old.answered + session.answered,
correct: old.correct + session.correct,
sessionCount: old.sessionCount + 1,
activeBankIds: Array.from(new Set([
  ...old.activeBankIds,
  session.bankId
]))
```
  }

  const result = [...records]
  if (index >= 0) result[index] = next
  else result.push(next)
  return result
}

如果只需要最近 90 天趋势，可在持久化前裁剪更早记录。若要支持多年历史、复杂查询或数据迁移，RDB 比一个不断增长的 Preferences JSON 更合适。

十三、统计页当前没有折线图

LearningStatsPage 的真实 UI 由以下部分组成：

• 渐变概览卡；
• 三张数据摘要卡；
• “各年级训练进度”标题；
• 六个题库进度项；
• 每个题库的进度条、正确率和状态标签。

页面没有 Canvas 折线图、柱状图或按日列表。“正确率趋势”目前是文章中的增强设计，不是现有页面截图可验证的能力。

如果新增趋势图，优先保证可读性：

• 横轴使用最近 7 天或 14 天，避免标签拥挤；
• 无训练日显示断点还是 0%，必须定义清楚；
• 数据点提供答题数和答对数；
• 深色模式下坐标、折线和提示文字保持对比度；
• 屏幕阅读场景提供文本摘要，不只依赖颜色；
• 图表为空时显示“完成一次训练后生成趋势”。

无训练日通常不应当作 0%。它代表没有样本，而不是全部答错。折线可以断开，也可以只连接有效训练日，但不能擅自补零。

十四、响应式布局已有窄屏和宽屏分支

页面通过两个条件决定布局：

private useGridLayout(): boolean {
  return this.currentBp === 'lg' &&
```arkts
this.pageWidth >= 700
```
}

currentBp 来自 AppStorage，pageWidth 通过根容器 onAreaChange 更新。宽屏概览四项横排，题库卡按 32% 宽度形成三列；窄屏概览改为两行两列，题库卡纵向排列。

双条件比只看设备类型更稳。平板进入小窗口后，即使设备断点仍偏大，只要实际宽度不足 700，就不会强行塞三列。

新增趋势图时也应复用实际容器宽度：

private chartHeight(): number {
  return this.useGridLayout() ? 280 : 220
}

宽度由父容器约束，Canvas 或图表组件不要使用屏幕固定宽度。窗口缩放、横竖屏切换后，应重新计算绘制区域，防止点位和文字重叠。

十五、常见统计异常与排查顺序

现象	优先检查	真实原因或修复
新用户显示正确率 0%	totalAnswered 是否为 0	用“暂无记录”区分无数据
总正确率与题库平均不同	是否采用加权口径	总答对数除以总答题数
近 5 次均分选错记录	examHistory 是否倒序	写入前插或计算前排序
进度出现 120/100	finished 是否累计次数	与唯一完成题数拆成两个指标
连续天数始终为 1	是否只保留最新 updatedAt	新增日汇总或会话流水
凌晨训练落到前一天	是否截取 UTC 日期	使用本地日历日期键
无训练日显示 0%	是否把无样本当错误	使用缺失点或断线
趋势被少量题目放大	是否忽略样本量	保留 answered/correct 并设阈值
清理一项后统计全空	初始化是否整体 catch	逐项解析、逐项兜底
平板小窗卡片拥挤	是否只看设备断点	同时检查实际页面宽度

排查时先记录原始数组长度和聚合分子、分母，不要只看最终百分比。显示 86% 并不能证明输入记录正确。

十六、可执行测试矩阵

统计服务适合用纯数据做单元测试：

const progress: BankProgress[] = [
  {
```arkts
bankId: 'b_grade1',
finished: 100,
correct: 90,
lastChapterId: 'c1',
updatedAt: '2026-07-20 10:00'
```
  },
  {
```arkts
bankId: 'b_grade2',
finished: 10,
correct: 5,
lastChapterId: 'c2',
updatedAt: '2026-07-21 10:00'
```
  }
]

const stats = StatService.summarize(
  progress,
  [],
  [],
  []
)

// totalAnswered = 110
// totalCorrect = 95
// accuracyPercent = 86

连续训练增强至少覆盖：

用例	日期集合	预期
无记录	空	0 天
今天训练	今天	1 天
今天、昨天	连续两日	2 天
今天、前天	中间断一天	1 天
昨天、前天	今天未训练	按产品规则为 2 或 0
跨月	7 月 31 日、8 月 1 日	2 天
跨年	12 月 31 日、1 月 1 日	2 天
同日多次	三次同一天	1 天

趋势测试要覆盖：

• 零答题日不参与正确率除法；
• 同一天多会话正确合并；
• 每个点保留 answered 与 correct；
• 时间排序与输入数组顺序无关；
• 最近窗口和上一窗口使用加权正确率；
• 样本不足时不输出提升或下降结论。

十七、发布前复核清单

面向 HarmonyOS 5.0 及以上环境，可以按以下清单验收：

• UserDataManager.init() 在页面创建前完成；
• Preferences 恢复后四组 AppStorage 数据与本地记录一致；
• 累计正确率使用总答对数除以总答题数；
• 无数据状态不与真实 0% 混淆；
• 近 5 次均分只基于真实挑战历史；
• 挑战历史顺序契约明确；
• 题库“累计答题次数”和“唯一完成进度”没有混用；
• 收藏数、错题数描述为当前集合数量；
• 当前页面未宣称连续训练或趋势图已经实现；
• 若新增连续训练，使用本地自然日并定义今天未训练的规则；
• 若新增趋势，保存每日答题分子和分母；
• 无训练日不会伪造为 0%；
• 宽屏三列、窄屏单列和概览两行布局无溢出；
• 深浅色、长题库名、零数据和超大累计值仍可读。

十八、迁移策略：不能用一个累计终值伪造历史

为现有用户增加 TrainingSession 或 DailyStat 时，最危险的做法是把旧的累计答题数平均摊到过去若干天。这样的迁移看似能让趋势图立即有数据，实际上日期、每日分母和连续天数都是猜出来的，用户看到的上升或下降也没有证据。稳妥方案是保留原来的 BankProgress 作为“迁移前累计基线”，从升级后的第一次真实训练开始追加带日期的新记录。页面可以继续展示全量累计值，同时把趋势区间标注为“自升级后开始统计”。

迁移需要版本标识，而不是依赖数组是否为空。空数组既可能表示首次安装，也可能表示用户刚刚清空了历史。建议在 Preferences 中保存独立的 schemaVersion，并记录首次启用日统计的本地日期。读取旧数据失败时仍保持原累计统计可用，新增趋势区域进入空状态，不把解析异常解释成“连续 0 天”。这是建议实现；当前源码没有 schemaVersion、会话流水或日汇总迁移逻辑。

interface StatsMigrationState {
  schemaVersion: number
  dailyStatsEnabledDate: string
}

interface DailyStat {
  localDate: string
  answered: number
  correct: number
}

十九、日期边界：连续训练必须按用户本地自然日计算

连续天数不是简单地用时间戳相减再除以 24 小时。用户在晚上十一点五十分和次日零点十分各练习一次，虽然只相隔二十分钟，却属于两个自然日；反过来，夏令时或时区变化也可能让相邻自然日不是严格的二十四小时。计算前应把每条有效训练映射成用户本地的 YYYY-MM-DD，去重、排序后再判断日期是否相邻。若产品没有跨设备同步，就使用设备本地时区并在规则中写清楚；若以后接入云同步，还要同时保存原始时间戳与记录时区，避免服务器时区重算造成打卡日漂移。

“连续训练 7 天”还必须回答一个产品问题：今天尚未训练时，是展示截至昨天的连续记录，还是立即显示 0？更友好的口径通常是今天有记录则从今天向前数，今天没有记录则允许从昨天向前数，并提示“今天训练后可延续”。但这只是推荐规则，不能混进当前页面已有能力。测试时至少覆盖同一天多次训练、跨零点、缺一天、空历史、未来时间、重复记录和手动修改系统时间。

二十、趋势验收：分母、窗口和空状态要同时可解释

正确率趋势应保留每天的答对数与答题数，再计算 correct / answered，不能直接平均每日百分比。例如第一天答 1 题且全对，第二天答 99 题且答对 49 题，两个百分比的算术平均是 75%，而两天合计正确率只有 50%。页面若展示七日趋势，应明确每个点是单日正确率、滚动平均还是七日累计；比较“上升”也应设置最小答题量，避免只答一题就产生夸张波动。

趋势图并非必需的第一步。数据不足两天时可以展示空状态和累计卡片；某天答题数为零时应显示缺口而不是 0% 正确率；存在数据时，点选信息要同时展示日期、答题数、答对数和正确率。窄屏下优先保证数值与标签可读，不能为了塞满七个点而让文字重叠。完成这些口径后，再把聚合结果交给 ArkUI 图表或自定义绘制层，页面只负责渲染，不在 @Builder 中临时修正业务数据。

总结

学习统计的可信度来自数据口径，而不是卡片数量。当前口算王源码通过 Preferences、AppStorage、UserDataManager 与 StatService 建立了完整的本地累计统计链路：练习结束累加题库进度，挑战完成追加历史，统计页展示累计答题、加权正确率、近 5 次均分及各题库进度。

这套模型适合回答“到目前为止答了多少、总体正确率多少”，却不足以回答“连续训练了几天、正确率如何变化”。要补齐后两项，需要新增按日汇总或训练会话，保留自然日、答题数和答对数，再用明确的日期规则和加权窗口计算。只有原始证据、聚合公式和页面文案三者一致，学习统计才是可复核的工程功能，而不是看起来漂亮的数字。

---

AI 辅助声明：本文在人工核对真实工程源码和统计口径后，使用 AI 辅助整理结构、润色表达并生成示意图；当前事实、建议扩展和未执行验证均已分别说明。

CSDN-SERIES:ALL-163188525