证据驱动课程逐字稿
只写课程正文与来源说明,不负责飞书写回、全课审校或海报。开始前读取课程蓝图、
知识卡,以及 知识库/方法论/认知交付与逐字稿.md、
知识库/方法论/学习科学检查.md 和 知识库/模板/单课框架模板.md。
按章执行
- 读取
.course-producer/state.json和course-blueprint.md,列出必写章节及现有状态。已通过章节检查的文件直接复用;输入指纹变化或检查失败的章节才重验。 - 若知识图指纹有效且 Graphify 可用,先按本章概念、案例、原话和边界运行
graphify query "<本章检索问题>" --graph .course-producer/artifacts/knowledge-graph/graph.json --budget 1200缩小候选范围;否则检索知识卡。查询命中必须回到knowledge_card_id + source_id + evidence_locator,不得直接引用图节点标签。 - 为当前章填满单课框架:教学任务、认知起点、认知终点、挑战情境、感知素材、学员行动、前后桥接。
- 把所需
knowledge_card_id与证据定位映射到章节。缺证据的事实、数字、案例和背书写成[待确认:需要的证据],不补造。 - 选择能体现讲师判断与个性的原话、故事和案例;逐字引用注明讲师与
source_id,普通改写不要加引号冒充原话。 - 写正式正文:
- 开头承接上一章、说明本章教学任务并抛出贯穿判断;
- 中段用连续讲课逻辑展开,每个段落完成一个教学动作;
- 方法写出输入、步骤、字段、判断标准、失败边界和可执行模板;
- 结尾回收认知变化、给行动,并说明本章产物如何进入下一章。
- 蓝图要求练习时,先让学员作答、判断或执行,再给标准、反馈和下一次调整动作;不把答案提示藏进题面。
- 多章连续交付时,每章都要用讲师口吻完成“身份问候—上节回收—本节任务—下节预告”;桥接必须说清前一章产物如何进入本章,不能只写“上一节我们讲了”。
- 抽象判断后优先补一个有情境、动作、反馈和结果的真实故事;没有来源时标记待补,不用虚构案例填空。
- 对承担核心教学判断的小标题,优先写成四步:一句话承接前文;用反面故事让误区产生可感知后果;用正面故事展示正确动作与反馈;用一句判断收回本节。已有一个故事同时完成正反对照时不重复添加。
- 开场、课后练习、表格、纯故事章、人格或类型说明不机械套四步。缺真实案例时可以使用明确标注的假设情境,不把合成情境伪装成真实学员经历。
- 同一项目出现多个讲述者时,先核对访谈逐字稿再确定第一人称归属;无法确认就保留姓名或第三人称,不把采访者经历改成讲师自述。
- 段落通常由 2–5 个自然短句构成完整句群。不要把每个短句拆成独立段落,也不要用散文诗、报告或短视频字幕节奏。
- 术语首次出现时解释;保留讲师观点和战略立场,不能用通用 AI 表述把具体经验磨平。
- 写入
.course-producer/artifacts/lessons/<chapter-id>.md,末尾附“来源与待确认项”,列出正文用到的知识卡和未解决证据。 - 对当前章运行章节检查,通过后把章节 id、输入指纹、文件指纹和检查结果写入
lesson-writing-manifest.jsonl;失败只保留当前章为待处理,不回滚其他章节。
禁用写法
正文不得使用模板背景、空洞重要性强调、总结套话和生硬连接词;不得使用“不是……而是……”“随着……的发展”“以……为抓手”“赋能”“首先、其次、最后”。引用中的原话例外,但必须标明来源。
不要机械限制每句字数。清晰度来自完整句群、明确动作和自然停顿,不来自连续句号与换行。
章节检查
- 教学任务和认知起点/终点明确。
- 挑战情境含场景、问题和约束。
- 方法、案例和事实均有知识卡来源或待确认标记。
- 前后桥接说明上一章产物如何支持本章、本章产物如何进入下一章。
- 方法包含可执行字段、步骤、标准与边界。
- 需要练习的章节包含学员动作、反馈标准与下一步;延迟或迁移承诺有对应检查位置。
- 没有字幕式断行、重复案例、未解释术语或编造承诺。
- 连续课程的开场、课间桥接和收束完整;人物归属与来源逐字稿一致。
- 核心教学小节的开头能回答“为什么现在讲这一点”;抽象道理有误区后果与正确动作的对照,且故事密度没有压过教学判断。
全部章节完成后交给 course-quality-editor 做课程级审校。
Feedback Learning
用户对逐字稿提出修改、亲自改稿、选择版本或表示满意时,区分“当前作品可用”和“长期规则可沉淀”。用户确认要启动审美学习后,调用 course-aesthetic-alignment 保存原稿、反馈、改后稿与选择证据;未经验证门不得修改本 Skill。