Course material intake

课程材料摄取

只建立材料证据索引与可读性缺口，不在本阶段确定课程定位、课纲或正文。

输入与工具路由

读取用户给出的项目目录、文件和 URL。优先复用已安装工具：

• PDF、DOCX、表格、音视频分别调用对应文件 Skill；不要自建通用解析器。
• 飞书 Wiki 先解析真实对象，再用 lark-doc / lark-drive 读取。
• 飞书妙记用 lark-minutes 获取 transcript；摘要和关键词只用于导航。
• 无法读取的来源保留原路径或 URL，状态写为 blocked，记录真实错误，不猜内容。

执行流程

1. 确认课程项目已经用 tools/course-project.mjs init 初始化；未初始化则先初始化。
2. 递归盘点用户明确放入范围的文件，排除 .course-producer/、版本库、缓存和构建产物。
3. 为每个来源生成稳定 source_id，计算本地文件 SHA-256；远程对象优先记录对象 token、版本或更新时间，无法取得时记录 fingerprint: null。
4. 识别同一材料的版本与派生关系。只有文件内容、更新时间、明确版本声明或用户决定能证明权威性；不能因为文件名含“最终版”就自动设为当前版本。为每组相关材料记录 source_group、version_relation 与 authority_status，证据不足时使用 candidate 或 conflict。
5. 读取可读正文并分类，分类只能是：
   • execution_instruction：给 Agent 的执行约束，不进入学员正文；
   • course_material：观点、方法、案例、数据、故事、原话和教学决策；
   • meeting_chatter：问候、排期、掉线和无关闲聊；
   • unreadable：缺权限、损坏、格式不支持或内容缺失。
6. 判断每个来源可用于定位、访谈、知识萃取、课纲、逐字稿、审校或海报中的哪些阶段。
7. 把一行一个 JSON 对象追加或幂等更新到 .course-producer/materials.jsonl。同一 source_id + fingerprint 不重复写入。
8. 在 .course-producer/artifacts/material-gap-report.md 汇总可用材料、版本冲突、重复、不可读项和后续阶段真正缺少的证据；单独列出每组材料的当前权威候选与判定依据。
9. 用状态工具把 intake 标记完成，登记 materials.jsonl 与缺口报告、输入指纹和验证结果。

materials.jsonl 契约

每条记录至少包含：

{"source_id":"src-001","source_group":"expert-interview-01","source_type":"minutes_transcript","location":"https://...","title":"专家访谈","fingerprint":"sha256:...","status":"ready","classification":"course_material","version_relation":"canonical","authority_status":"confirmed","purposes":["knowledge_extraction","lesson_writing"],"evidence_locator":"00:12:40-00:18:05","notes":null}

• status：ready、partial、blocked、ignored。
• source_type：写真实类型，如 local_markdown、pdf、docx、audio、minutes_transcript、lark_doc。
• version_relation：canonical、supersedes、superseded_by、parallel、duplicate、unknown。
• authority_status：confirmed、candidate、conflict、not_applicable；只有证据充分时使用 confirmed。
• evidence_locator：页码、段落标题、时间戳或 block id；暂时未知可为 null，后续抽取时补齐。
• 记录错误时使用 error.code 和 error.message，不要记录凭据。

完成检查

• 所有用户指定来源都已登记，数量能与原始输入对上。
• 每条记录都有来源、类型、位置、状态、分类和用途。
• transcript 与摘要没有混用；执行指令和会议闲聊没有进入课程素材。
• 不可读项全部进入缺口报告，错误可复现。
• 同组多版本材料的权威关系有证据；未解决冲突不会被文件名或修改时间静默覆盖。
• materials.jsonl 每行都是合法 JSON，且没有重复的 source_id + fingerprint。

完成后只交付材料索引与缺口报告，把下一阶段交给 course-positioning。