（14646期）curriculum-generator – 结构化教育课程智能生成系统

结构化教育课程智能生成系统 Apni Pathshala 开源教育课程生成系统，通过结构化问卷与强制人工确认机制，为教育 POD 生成定制化课程方案并自动填充经白名单过滤的学习资源链接。 使用说明 核心用法 curriculum-generator 是一款面向教育 POD（Points of Delivery）的智能课程生成系统，采用双场景工作流设计： 场景 A：现有课程评估——通过结构化问卷收集目标受众画像、基础设施详情与教师能力数据，输出诊断报告与改进建议 场景 B：新课程设计——从学习领域定义、课程结构开发、教师准备度评估到持续改进机制，生成完整的 Excel/CSV 课程文件 系统强制要求在每个关键步骤收集完整输入，任何信息缺失或存在风险判断时触发人工升级（Human Escalation），禁止静默推断。 显著优点 风险管控严格：内置 5 大类硬停止升级触发器（缺失输入、教师能力不足、运营不可行、高风险变更、利益相关方冲突），确保教育决策不损害学生与教师权益 资源自动化：集成 neo-ddg-search 自动检索并填充教育平台资源链接（YouTube、FreeCodeCamp、W3Schools 等白名单域名），减少人工搜集负担 结构化输出：生成标准化 Excel 文件，包含课程 ID、目标 POD 类型、覆盖主题、资源链接等 10 个字段，便于后续管理与追踪 记忆与学习机制：自动保存对话上下文、决策记录与升级日志至本地目录，支持课程持续迭代优化 潜在缺点与局限性 外部依赖风险：核心功能依赖 neo-ddg-search skill，若该组件失效或返回恶意链接，将直接影响课程质量 资源搜索局限：采用关键词匹配与首 URL 提取策略，可能遗漏更优质资源；对冷门主题支持有限 人工瓶颈：严格的升级策略在复杂场景下可能导致频繁中断，降低自动化效率 本地化限制：当前设计针对印度 Apni Pathshala 项目优化，国际化适配需额外调整 适合的目标群体 教育 NGO 与非营利组织的课程设计师 偏远地区数字素养项目的 POD 运营者 缺乏专业教研团队但需标准化课程输出的小型教育机构 需要快速生成可落地课程方案的教育技术志愿者 使用风险 性能风险：资源搜索阶段若网络延迟或 neo-ddg-search 响应缓慢，可能触发 3 分钟超时机制，导致部分主题标记为 "MANUALRESEARCHNEEDED" 依赖项风险：Node.js 环境与 Python pandas 库为必需组件，环境缺失将导致 Excel 生成失败 数据一致性风险：文件系统写入操作若遇异常中断，可能造成记忆文件损坏或输出不完整 内容安全风险：尽管有域名白名单，外部链接仍可能失效或内容变更，需定期人工复核 原始说明 Intelligent educational curriculum generation system with strict step enforcement and human escalation policies