把教材、课件和教学大纲丢进去，按章节分批拆解出知识图谱、问题图谱、能力图谱与思政图谱； 四张图共用一套节点口径，彼此可追溯。学情数据进来，报告自动汇总；点一下，发布成可检索的公开课页。
全部计算在本机完成——教材不出本机，只有图谱拆解与文案撰写会走 AI 通道。
做课程建设的人都清楚：评审看的不是一张漂亮的思维导图，而是节点口径是否统一、能力是否有支撑、成果是否能留下。 而这三点，恰好是纯手工画图最容易塌的地方。
靠思维导图手搓，一门课两周起步。节点层级各人一套，教学大纲一变，整张图要重画一遍——最后往往是「先交一版，别再动它」。
知识图、能力图、问题图分别做，编号体系互不相干。评审追问「这个能力由哪些知识点支撑」，只能临场翻材料。
结项报告最后一周赶出来，图谱数据靠手抄；学情数据散在几个 Excel 里；想做个公开课页，又得求人做站。
同一门课，从「教什么」「能解决什么」「培养了什么」「价值引领在哪」四个角度各画一张图。 四张图不是四份文档，而是同一批节点在不同视图下的投影——所以彼此能对上。
| 图谱 | 回答什么问题 | 节点口径 | 关键字段 | 视图 |
|---|---|---|---|---|
| 知识图谱 | 这门课到底教什么 | 知识点（含模块 / 层级） | 名称、简述、所属模块、难度、节点 ID | 力导向图 + 树状图，可按模块折叠 |
| 问题图谱 | 学完能解决什么问题 | 问题（全局 / 概念 / 方法三层） | 题干、层级、关联知识点、问题类型（启发式 / PBL / 案例式 / 讨论式） | 三列分层，跨层关联用箭头串起 |
| 能力图谱 | 培养了什么能力 | 能力（主能力 / 子能力） | 名称、描述、支撑知识点、关联能力目标 | 主—子两级卡片流，箭头示支撑方向 |
| 思政图谱 | 价值引领落在哪里 | 思政主题（科学精神 / 工匠精神 / 家国情怀…） | 主题、内涵说明、映射知识点、价值标签 | 主题卡片 + 知识点标签对照 |
| OBE 映射 | 目标怎么达成、怎么评 | 课程目标 ↔ 毕业要求指标点 | 目标描述、支撑指标点、达成方式 | 表格化配置，进报告第二章 |
问题卡片上直接写「6 知识点 · 3 相关问题」，能力卡片写「支撑知识点」，评审问什么，点开就是清单，不靠回忆。
知识点改名、调模块、删节点，四张图和报告里的计数同步变化——不存在「图改了报告没改」。
四张图可整体导出为超星尔雅/学习通的 JSON、XMind 思维导图、Word 教研文档——不锁死在工具里。
不做「一键生成万事大吉」的承诺。真实教材动辄几百页，一次性塞给模型，后半本会静默丢掉。 所以拆解是按章节切批、分批抽取、合并去重、人工校对——AI 只负责初稿，判断权留给人。
没有教材原文就拆不出知识点。系统会提示先上传教材，而不是凭空编一版看起来很像的图谱。
分批上限留足余量（最多 20 批）。早期版本批次上限设小了，导致后半本静默丢失——这是踩过的坑，已经写进参数里。
节点名称、所属模块、层级、连线关系都可以手动调；也能单独补一个知识点、补一条关系，不用整门重拆。
教材原文与图谱都以文件形式存在本机 courses/<课程ID>/，不上传云端；换设备用备份 JSON 还原。
学情模块只做两件事：成绩统计和学情画像。不做过程管理、不做打卡签到——那些交给教务系统。 成绩表导入后，报告里的学情章节自动带上数字，不需要再手抄一遍。
按考试/班级导入成绩，自动算出人数、平均分、及格率、最高分与最低分，以及按维度拆分的统计。
课程基本信息、目标与毕业要求映射、知识图谱建设成果、教学资源、教学设计案例、AI 使用记录、学情分析、成效与改进、附件——章节可开关。
每章可让 AI 先写一稿，再手动改；导出 Word 时表格排版按固定列宽处理，图谱截图自动嵌入。
图谱做得再好，交不出去等于没做。导出中心按目标平台的 Schema 自动映射，不用手工对字段。
| 目标 | 格式 | 带什么 | 典型用途 |
|---|---|---|---|
| 超星尔雅 / 学习通 | .json | 三图谱 + OBE，按平台字段映射 | 导入在线课程，建课不用再手填 |
| XMind / MindManager | .xmind | 模块 → 小节 → 知识点 的层级 | 评审现场讲思路、答辩演示 |
| Word 教研文档 | .docx | 教学大纲 / 结项报告 / 思政指南 | 提交材料、教研组传阅 |
| Excel | .xlsx | 节点表、关系表、问题表 | 批量核对、二次加工 |
| 课程备份 | .json | 三图谱 + OBE + 上传的教材全文 | 换机器、留档、交给自己明年用 |
把课程发布成静态网页，挂在对象存储上，免登录、免安装、打开就能看。 公开页不是截图，也不是另做的一套前端——它就是把桌面端的界面冻结成只读，所以内容和你电脑上看到的一模一样。
课程概述、知识图谱（可拖拽缩放）、问题图谱、能力图谱、思政图谱；整份报告的只读预览；知识库检索问答。
学情、导出中心、后台管理、上传与「构建/重建」全部关闭或置灰；所有输入框冻结，防止访客误改内容。
知识库提问走浏览器内的 BM25 全文检索（与桌面端同一套分词规则），不联网、不调模型、不需要服务器。
发布时把当前配色写进页面并锁定，访客看到的就是作者调好的那一版，不会因为系统深浅色而变样。
发布后改课程，公开页不会自动变——需要重新发布一次。这一点很重要：评审前改的内容，不会悄悄跑到已经发出去的链接上。
一句话：解压、双击、用浏览器打开。不用装 Node、不用装数据库、不用配服务器。
| 项目 | 说明 |
|---|---|
| 产品形态 | 桌面端绿色包，Windows / macOS 解压即用；启动后自动打开浏览器界面 |
| 运行时 | 包内自带 Node 运行时，无需安装 Node、数据库或其他依赖 |
| 端口 | 默认 8796；被占用时自动递增，遇到别的软件占着也不会冲突 |
| 数据存储 | 全部落在本机 courses/<课程ID>/，教材原文、图谱、学情、报告分文件保存 |
| AI 通道 | 内置 开箱可用；也可填自己的 API Key（OpenAI 兼容接口），此时不消耗内置额度 |
| 内置额度 | 每设备每月 30 次（云函数按设备计数），额度耗尽会明确提示，不影响已有数据 |
| 降级策略 | 云端不可达时一律放行、不阻断使用；额度服务异常时按不限次处理，不做硬拦截 |
| 系统要求 | Windows 10 及以上 / macOS 12 及以上（Apple Silicon 与 Intel 均可） |
| 浏览器 | Chrome / Edge / Safari 新版即可；无需联网也能浏览已有课程 |
交付包里没有需要「再研究一下怎么装」的环节。按顺序看两份说明，双击启动即可开始。
正在做课程建设 / 结项验收 / 一流课程申报的教学团队；需要把课程材料整理成在线课程资源库的院系；要给学生一个「看得见课程结构」的入口的老师。
不做教务排课、不做在线考试、不做课堂互动签到；不替代学校的课程平台，而是把材料「整好、交出去、发出去」。
AI 负责初稿：拆节点、起问题、写章节文案。节点的准不准、能力挂得对不对，仍然要人来判断——工具不替评审负责。