course-generator（课程生成器）

课程生成器 v2.0

概述

课程内容管理平台，支持三种工作模式：

核心原则：

• 忠实原文：保留文献中的核心观点、具体例子、重要表述，不添加文档外信息
• 叙述性写作：完全避免要点罗列，使用段落形式，包含完整的论证和阐述
• 详尽完整：总览 + 专题文档，包含核心观点、案例分析、重要表述、数据支撑、背景信息
• 智能处理：自动识别并去除发言人标记、时间戳，提取配图链接，清洗冗余信息，转换口语为书面语

模式识别

根据用户输入自动判断工作模式：

• 生成模式：用户提供了文件/目录路径，或明确要求"生成课程""整理文献""从转录稿生成"
• 归档模式：用户要求"归档""整理到知识库""保存课程"
• 提取模式：用户描述了培训需求（受众、时长、方向），如"给某企业做培训，需要 XX 内容"

Step 0：读取配置

读取 config/paths.md 获取路径配置：

• knowledge_base：知识库根目录
• archive_root：课程归档路径
• archive_naming：归档目录命名规范
• curriculum_file：课程主题体系文件路径
• training_root：培训材料根目录

生成模式

流程

读取文献 → 智能识别内容特征 → 生成课程大纲 → 生成总览+专题 → 归档到知识库

Step 1：读取文献文件

使用 Glob 工具一次性读取指定目录下的所有文献文件：

Glob: {输入目录}/**/*.{md,txt}

保持完整上下文，一次性读取所有文件内容。

Step 2：智能识别内容特征

检测文件特征，自动识别内容类型：

• 发言人标记：发言人1、发言人2等
• 时间戳模式：00:00、12:34等格式
• 配图链接：包含图片URL链接
• 转录特征：口语化表达、现场演示描述等

根据识别的内容特征，自动选择最合适的处理方式。

Step 3：生成课程大纲

调用 AI 模型，一次性分析所有文献并生成课程大纲。详见 outline_prompt.md。

核心要求：

• 整体把握：理解所有内容的整体脉络和逻辑关系
• 主题识别：基于所有内容自动识别主要主题
• 内容优化：清洗冗余信息，保留核心内容，转换口语为书面语
• 课程组织：按主题生成章节，案例和展望融入相应主题
• 配图处理：识别配图并合理安排到相关主题章节

输出格式：

课程标题：[基于原文生成的课程名称]

第一章 [主题名称] - 核心观点摘要
  [相关案例和应用场景将融入本章节]
第二章 [主题名称] - 核心观点摘要
  [相关案例和应用场景将融入本章节]

Step 4：生成总览文档

详见 overview_prompt.md。

输出文件名：00 [课程名称] - 总览.md

Step 5：生成专题文档

详见 chapter_prompt.md。

可选模块架构：AI 从 11 个可选模块中选择合适的组合：

默认推荐组合：

• 理论类：引言与概述 + 核心概念与原理 + 本章小结
• 实践类：引言与概述 + 应用场景 + 最佳实践 + 本章小结
• 案例类：引言与概述 + 实践案例 + 对比分析 + 本章小结
• 综合类：根据内容特点灵活组合

Step 6：创建输出目录并保存

1. 读取 config/paths.md 中的 archive_root 和 archive_naming
2. 按命名规范创建目录：YYMMDD 课程主题/
3. 保存文件：

- 总览：00 [课程名称] - 总览.md - 章节：0X [章节序号] [主题名称].md

1. 目录位于 archive_root 下（默认 2 - 📚 知识整理/）

归档模式

流程

读取课程文件 → 确定归档路径 → 移动/复制 → 更新索引

Step 1：读取待归档课程

使用 Glob 读取指定目录下的课程文件（00 *.md、0X *.md）。

Step 2：确定归档路径

1. 读取 config/paths.md 配置
2. 从总览文件中提取课程名称和日期信息
3. 按命名规范确定目标路径：{archive_root}/{YYMMDD} {课程主题}/

Step 3：归档文件

1. 使用 Bash 创建目标目录
2. 将课程文件复制到目标目录
3. 验证文件完整性（总览 + 全部章节）

Step 4：更新索引

如果知识库目录下存在 README.md，将新课程添加到索引中。

提取模式

流程

解析需求 → 匹配课程 → 定位素材 → 提取重组 → 输出方案

Step 1：解析客户需求

从需求描述中提取关键信息：

• 受众：企业法务 / 律师 / 法律研发 / 产品团队
• AI 基础水平：零基础 / 有一定经验 / 技术背景
• 培训时长：2-3 小时 / 半天 / 1 天 / 多天
• 重点方向：认知 / 工具 / Agent-Skill / 案例 / 组织 / 超级个体

Step 2：匹配课程讲次

读取 references/curriculum.md，根据需求匹配讲次组合：

1. 基于受众和基础水平确定阶段范围
2. 基于培训时长确定讲次数（每讲约 60-90 分钟）
3. 基于重点方向优先匹配对应讲次
4. 确保选取的讲次逻辑连贯

Step 3：定位素材文件

根据匹配到的讲次，在知识库中定位对应的素材源文件：

1. 对照 curriculum.md 中的素材来源目录
2. 使用 Glob 搜索知识库目录下的相关文件
3. 优先读取总览文件（00_*.md）了解内容全貌
4. 按需深入读取具体章节

Step 4：提取与重组

详见 extract_prompt.md。

核心原则：

• 忠实原文：保留素材中的核心观点、案例、数据
• 逻辑重组：按培训的时间线和认知逻辑重新组织
• 受众适配：根据受众水平调整内容深度
• 时长控制：根据培训时长裁剪内容量

Step 5：输出课程方案

输出定制化课程方案文档，保存到 training_root 目录下。

方案格式包含：培训目标、课程结构（各部分主题+时长+核心内容+详细内容）、素材来源。

参考文档

• config/paths.md - 路径配置
• references/outline_prompt.md - 课程大纲生成提示词
• references/overview_prompt.md - 总览文档生成提示词
• references/chapter_prompt.md - 专题文档撰写提示词
• references/curriculum.md - 课程主题体系精简索引
• references/extract_prompt.md - 提取模式提示词