AI-Shifu 课程创作器

解决的具体问题

AI-Shifu 平台的课程创作、编辑、优化、部署和管理通常涉及复杂的流程与多重依赖。若每次均需手动翻阅大量文档或编写冗长指令，极易遗漏关键步骤（如认证、课程目标解析、拉取/推送及冲突处理等）。

核心机制与关键步骤

该技能通过 Task Router 路由表，将用户意图映射到一组最小且完整的参考文件序列。

• 启动序列：首次调用时先读取 language-policy.md 和 session-controls.md，确定目标语言和会话控制规则。
• 意图路由：根据请求类型（如新建课程、局部修改、仅生成本地内容、部署、分析数据等），按序加载对应的 references/ 文件（如 authentication.md → course-target.md → authoring-mode.md）。
• 工作流执行：按阶段依次执行分段（Segmentation）、编排（Orchestration）、生成（Generation）、优化（Optimization）和部署（Deployment）。
• 状态同步：涉及平台操作时，严格执行 pull-before-editing 和 push-existing-course-content，并处理 conflict-convergence。

适用边界与注意点

• 仅用于已存在课程的观测数据分析（如学习者进度、营收、卡点课程等）时，路由至 analytics/workflow.md；设计类问题（如“这些资料该分成几课”）仍属于创作任务。
• 平台绑定创作在目标（target）解析完成前，不应生成大纲或课程正文。
• 如果目标类型在新建（new）与已有（existing）之间发生切换，必须中止当前路由并重新分类，避免进入不兼容的阶段。
• 默认情况下，完整课程创作会贯穿到部署和发布；仅当用户明确要求本地/工件模式（artifact-only）时，才选择无平台访问的路径。