Course quality editor

课程质量审校

围绕已有稿件审校和修订，不另起炉灶重写整门课。开始前读取课程定位、蓝图、知识卡、全部章节，以及 知识库/方法论/课程审校.md。

审校顺序

1. 运行 node tools/course-lint.mjs <lessons-dir> --output <review.jsonl>，得到可复现的禁用句式、模板转场、字幕式断行和证据提示。
2. 做课程级检查：模块是否按学习成果排序，第一、第二模块能否独立交付结果，章节是否螺旋复用，承诺是否越过定位边界。
3. 做章节级检查：教学任务、认知起终点、挑战情境、段落到段落的因果/动作连接、信息密度、术语解释和前后桥接。
4. 核查事实证据：数字、案例、背书、高风险承诺是否对应 knowledge_card_id 与来源；找不到时标为补材料，不能润色成确定事实。
5. 对每个问题选择动作：
   • auto_fix：不改变观点的措辞、重复、缺桥接、段落节奏与明确格式问题；
   • needs_evidence：缺数据、案例、授权或原始来源；
   • needs_decision：课程承诺、品牌立场、目标人群、价格、公开风险或证据冲突需要用户判断。
6. 先复制原稿到 .course-producer/artifacts/revised-lessons/ 再应用 auto_fix。不覆盖已确认原稿，除非用户明确要求原位修改。
7. 把所有发现逐行写入 .course-producer/artifacts/review.jsonl；修复后更新 status 与 revision_locator，保留问题原始证据。
8. 重新运行确定性扫描并做课程级复核。高风险问题未解决时不能把 quality_review 标记完成。

review.jsonl 契约

{"review_id":"rev-001","scope":"lesson","artifact":"lessons/01.md","locator":"## 方法","category":"logic_gap","severity":"high","evidence":"上一段产物没有进入本段动作","action":"auto_fix","status":"fixed","suggestion":"补充产物到动作的桥接","revision_locator":"revised-lessons/01.md#方法"}

category 可使用 course_order、logic_gap、repetition、density、spoken_flow、ai_smell、unexplained_term、unsupported_claim、position_conflict。不要输出主观“AI 概率”。

保真边界

• 可以改结构、顺序、句群、转场、重复和术语解释。
• 不改变讲师观点、战略立场、案例因果、数字口径和课程承诺。
• 对观点有疑问时写 needs_decision，不要用审校者立场替换。
• 逐字原话只在确认是引用错误时改；普通口语不因“不够精致”被抹平。

完成检查

• 课程级与章节级审校都已执行。
• review 每条有位置、具体证据、严重度、动作和状态。
• 自动修复后的稿件可回放，原稿仍可恢复。
• 数字、案例、背书和高风险承诺有来源或明确待补。
• 没有用概率分数代替具体文本证据。
• 修订没有改变讲师观点和战略立场。

完成后可进入 course-lark-delivery；用户对修订结果反馈时按审美对齐入口处理。

Feedback Learning

用户对修订稿给出反馈、亲自改稿、选择版本或明确满意时，先判断是否只是当前作品修改。用户确认要沉淀后，调用 course-aesthetic-alignment 记录 edit trace、正反例或 preference pair；单次满意不能直接更新本 Skill 的审校规则。