《人工智能基础》是全校通识课，一个老问题是：按计算机专业的目录往下讲，非计算机学生学不动，也觉得跟自己没关系；往浅里讲，学生又觉得没含金量。以前的做法是"换几个例子、把难度调小一档"，这其实把因班施教理解成了降维——没有回答通识课该让学生带走什么。
另一个问题是教材跟不上。AI 概念、风险与公共事件按季度更新，纸质教材两年一改。靠教师个人搜集热点补课，课程结构容易被新闻带着走；死守印刷版，课堂就在关键术语上过时。
项目组想明白一件事：问题不在"讲多深"，而在目标错位。于是做了两件事——给因班施教一个可操作的定义，再给教材一个可打补丁的机制。
1. 备课流程先"设计"后"开发"。 不是一上来就写教案。先做班级粒度的课程设计（看画像、定本班目标与考核、排周进度、选主案例），再做课时粒度的开发（目标→教案→PPT→材料）。全部上完课再补大纲的旧路径被删了——大纲从"事后补的目录"变成"课前确认的设计对象"。
2. 差异化锚定"素养"，不锚定"深度"。 技术深度（科普/应用/技术）是一回事，认知层级（记忆到创造）是另一回事，两个旋钮分开调。法学班可以在"应用级深度"上要求"评价级认知"——目标不是会写舆情分类器，而是能就"AI 结论能否作为处置依据"给出有法律依据的立场。
3. 质量不靠"生成后再审"，靠"闸门前置"。 六条质量标准（目标可观察、针对画像分布、主案例有困境、价值嵌在争议中、评估提供证据、事实有闭集来源）是模型和教师共用的尺子；六道系统闸门是硬约束：无目标不得确认、案例型课须先选主案例、空知识点拒生成、问卷 A–F 模块不可删、学号不进模型、导出必须带 AI 标识。P10 验收时六道闸门机检全绿，抽检页面要点超标率为 0、引用编造率为 0。
4. 教材活页化。 知识点可以打补丁（概念更新/风险提示/案例替换/废弃标记），补丁按版本链管理，未过期的自动进入备课上下文；热点案例走"先定目标再找案例"，弱匹配不进备课建议。教材不再等两年。
5. 与超星分工，不另起炉灶。 平台只管"生成与导出"，超星泛雅管"发布与回收"，通过题库 Excel、活动清单这类交换物对接。没有承诺也不能承诺 API 一键同步——不做第二套学习平台。
6. 轻量务实。 单机内网、≤10 位教师、SQLite。院系已有学习通就能落地，不必等超星开放接口，也不用重建教学运行系统。
命名：建设性对齐的「双段闸门」智慧备课模式。
公式：可上课教学包 ＝ Align（素养地图 × 班级分布 × 专业 PCK × 活页补丁）▷ Gate（六条标准 ∧ G1–G6）↻ Return（课后证据 · 补丁 · 错误记忆 · 学情修订）
一句话操作定义：先对齐目标与证据再生成学习经历；AI 出草稿，闸门守出口，教师定稿；补丁与课堂证据回到下一课。
能迁移的内核（与课程主题关系不大）：建设性对齐 + 两段式流程、六条质量标准、G1/G3/G6 通用合规闸、问卷蓝图防标签、活页补丁机制、"交换物而非 API"的集成路线。
必须本地化（不可假装通用）：素养五维的操作化指标、专业模板 PCK（omit_items、课型偏好）、主案例与 teaching_note、LMS 列映射、种子"可教最小完整度"。
推广路径：先冻结对齐件 → 做一个可教章 → 做一个专业模板 → 接通双段向导与闸门 → 接交换物 → 打开回写。本项目阶段一正是按这条路径走的：只打磨了第七章法学课一个完整可教实例，其余章占位并强制拒生成——先闭环一课，比先铺全库更接近"可推广"。
本部分基于项目设计说明书 v0.2、融合定稿 v1.1 与实际验收报告撰写；模式图见同目录《…模式图v2.1.html》。