AI 编的书名毫无破绽，却查无此物：把大模型接进教学系统后立的 6 条规矩

课程实施大纲的第五节是学习资源：教材、参考书目、平台网址。第六节是考核方式与比例。

这两节交给模型写，它能写得毫无破绽：书名像书名，出版社像出版社，网址格式也对，一查，查无此物。考核比例更要命，那是教务要对的账，要拿来定分数。

这是我做智能备课文档生成系统时认清的一件事：模型最危险的输出不是明显的错，而是看起来合理的编造。 明显的错一眼就能挑出来，编得像样的东西会一路混进要交上去的材料里。

在另一个系统教师个人中台里接模型起草会议纪要，也踩过同类的坑。两个系统做下来，攒了 6 条规矩。

规矩一：能核实的事实，照抄，不经模型

大纲第五节、第六节现在只允许从课程标准原样搬运，一个字不改。考核方式那一节最初就是 AI 写的，后来改成照抄：课程标准里那张评价表本身就是答案，连合并单元格一起搬。

课程标准里没有的，只写一行「课程标准中未提供，请教师补充」。宁可留个空让老师补，也不让模型生成一条。 编一个像模像样的比例，比留空更糟。

改完后那轮真实验收，导出的考核表和课程标准里那张逐格一致，四个比例 10/10/30/50 都是原值。

课程目标代码、能力指标代码也归这一条：只能来自已解析的课程标准和人才培养方案，对不上就中止，不降级，不「尽力而为」。

规矩二：别让模型算日期

中台的会议纪要是录音转写后由模型起草的，我确认之后才入库。

问题出在日期上。模型不知道会是哪天开的，看到转写里的「下周三」，会凭空编一个日期，实测编到了前一年。

现在提示词里写死了这条，大意是：

只有转写中出现明确日期时才填写 YYYY-MM-DD；「下周三」「明天」这类相对表述一律返回 null，不要推算。

留空让人填，好过给一个看起来精确的错日期。

规矩三：把输出的形状说死，再配一个 smoke 脚本

纪要的返回结果要过 schema 校验，而且是 strict 模式：少一个键、多一个键、类型不对，整份丢弃。

实测 DeepSeek 会把 discussionPoints（讨论要点）写成 {topic, details} 这样的对象数组，而 schema 要的是字符串数组。内容可能完全正确，整份照样被丢，报错只有一句 MINUTES_INVALID_RESPONSE，光看它很难直接定位原因。

所以提示词里光报字段名不够，每个字段的形状都要说死：字符串还是数组，数组里装字符串还是对象，能不能为空。再配一个专门的 smoke 脚本真调一次模型，让这类问题暴露在配置阶段，而不是上线之后。

规矩四：模型负责的格子，导出前逐项验收

学校的教案模板里，需要 AI 生成的格子用深红色标出来，一共 212 处。这个颜色就是模板和系统之间的契约：导出后回头逐格比对，还保持模板原文的红字格就是漏填，直接中止导出。这道闸门抓住过 60 处真实漏填。成品本身不带红色，写入时把颜色剥掉。

大纲模板用同一套契约，锚点却不一样。大纲模板是整行标红的，「通过本课程学习，同学们能够：」这种固定引导语也是红字，拿颜色当锚点会误判。所以大纲改用占位符文字「【AI 生成…】」认位置，导出前还剩一处就中止，并报出是哪几节。两种锚点在各自的模板里都有效，但不能互换。

这类闸门防的都是「看起来完整的半成品」。有一回拿另一门课的成品大纲当模板导出，文件里混进了那门课的简介和考核方式，学时写的是人家的 32（本课 80），光看版面未必看得出来。

规矩五：长调用拆开，结果存库

大纲的学习进程是一次模型调用，实测 60 到 160 秒；大纲正文是另一次调用，约 30 秒；客户端超时设在 300 秒。两次串在一个请求里，模型稍慢一点就压到天花板上，整个请求作废。

现在生成大纲时不顺带生成正文，正文等到导出时按需生成，生成完存库复用。第一次导出多等约 30 秒，之后秒出，而且每次导出的正文一模一样，老师为了调排版反复导出，正文不会导一次变一次。

顺带一条：超时最早设的是 60 秒，超时了报的却是「模型未返回有效结构化内容」，看上去像模型的错。报错后来按原因拆开，超时就说超时。

规矩六：进度要读实时状态

有一次老师点了生成整门课教案，界面五到十分钟一直停在「0/20 次课已生成 · 生成中」，以为系统死了。其实一直在正常生成，查库时已经有 18 份落库。

根因是进度接口读的「已成功条数」字段，要等整批跑完才写一次。于是整个过程都显示 0/20，最后一瞬跳到 20/20，和卡死看起来一模一样。

改法是让进度接口现场数每一条的状态，不多一次查询；整批结束时写最终值的逻辑保留不动。实时计数和最终持久化是两件事，可以并存。

这条看着和「编造」无关，其实是一回事：界面上显示的数字也得是真的。

把规矩写进 CLAUDE.md，连原因一起写

这些规矩最后都落进了项目的 CLAUDE.md。备课系统那份写得很直白：它比直接问 AI 要一份教案强的地方，全在这几条硬约束上；违反任何一条的改动都是错的，即使测试通过、即使被要求「先跑通再说」，因为这是系统存在的理由。

原因一定要一起写。这些约束在代码里看不出是刻意的，很容易被后来的改动当成「多余的麻烦」删掉。和跨会话记忆那篇一个思路：别指望谁记得，落到文件上。

如果你也在把大模型接进自己的系统，可以把下面这段放进项目的 CLAUDE.md 或 AGENTS.md，按业务改：

本项目接入大模型时遵守以下规则，任何改动不得绕过，即使被要求「先跑通再说」：

1. 可被核实的事实（书名、作者、网址、比例、编号代码）只从用户提供的原始材料照抄，不经模型生成；材料里没有的，写「原材料中未提供，请补充」。
2. 不让模型推算日期：原文有明确日期才填，相对表述一律留空。
3. 模型输出格式写清每个字段的类型和嵌套形状，保留一个真实调用的 smoke 脚本，换模型先跑它。
4. 模型负责的位置要有明确标记，导出前逐项检查，有未填项就中止并报出位置。
5. 耗时长的模型调用不和其他调用串在同一个请求里，结果存库复用。
6. 进度显示读实时状态，不读批次结束后才写入的字段。

每条规则的原因写进代码注释，删改前先读注释。

具体怎么落地，可以翻开源仓库 teaching-design-system-open；只想先看看界面，可以逛静态演示，账号 admin / 000000。

小结

模型能写的东西越来越多，但能被核实的，就别让它生成；它负责的，就逐项验收，宁可中止，也不交半成品。