阶段 3 工作包 3D 验证报告
========================
专业模板扩展：理工类 ENG / 医学类 MED + 从现有模板复制新建
时间: 2026-08-22T13:08:41.500Z
模型: deepseek-v4-flash
说明：国内直连 DeepSeek，已清除 HTTP(S)_PROXY / ALL_PROXY。
1. 模板设计要点
----------------
【医学类 MED】
模板=医学类(MED) default_content_depth=applied PPT皮肤=案例叙事
素养侧重=伦理与治理、专业情境迁移
不讲清单=神经网络的数学推导、编程、反向传播、Python 代码
允许工具=公开影像示例、伦理案例库
课型偏好=案例讨论、伦理决策、角色扮演
教学法=医学默认：案例讨论打开困境，伦理决策明确适用边界，角色扮演（医生/患者/信息科）走完知情同意。applied 深度用决策树与影像案例，不写代码。
媒体策略=applied：决策树/影像案例；禁单页堆算法。
学生表现期望=能评价医疗 AI 的适用边界与伦理风险
思政侧重=医者仁心、数据隐私、科技伦理、责任
知识点规则 3 条（舆情/立场/生成责任）；其余第七章知识点跟随模板默认。
- 规则#25 theme=医疗舆情与伦理 type=["案例讨论","伦理决策"]
- 规则#26 theme=医疗立场检测与误判风险 type=["伦理决策","角色扮演"]
- 规则#27 theme=医疗生成内容与知情同意 type=["案例讨论","角色扮演"]
【理工类 ENG】
模板=理工类(ENG) default_content_depth=technical PPT皮肤=数据可视化
素养侧重=概念理解、应用与人机协作、批判评价
不讲清单=闭源内部实现细节
允许工具=Python、数学工具、Jupyter
课型偏好=讲授、实验、项目式
教学法=理工默认：讲授讲清概念与流程，实验用 Jupyter/Python 完成算法分步，项目式收口到可运行的小分析。technical 深度允许公式与代码，但仍须切块，禁止单页堆算法。
媒体策略=technical：切块流程，算法分步图；禁单页堆算法。
学生表现期望=能读懂并应用基本算法概念
思政侧重=科技自立自强、数据安全、创新、理性
知识点规则 4 条（任务版图/舆情技术实现/立场失败/开源数据安全）；其余跟随模板默认。
- 规则#21 theme=任务版图与可计算表示 type=["讲授","实验"]
- 规则#22 theme=舆情技术实现 type=["讲授","实验"]
- 规则#23 theme=立场检测失败的技术原因 type=["实验","项目式"]
- 规则#24 theme=开源模型部署的数据安全 type=["讲授","项目式"]
2. 创建 MED 并套用到演示班级
----------------
已有班级 2024级临床医学演示班 id=9 已套用 MED
班级管理可选模板: 法学类(LAW)、理工类(ENG)、医学类(MED)
含 MED=true 含 ENG=true
本课合并 omit_items: 神经网络的数学推导、编程、反向传播、Python 代码
本课合并课型偏好: 案例讨论、伦理决策、角色扮演
- 舆情分析四环节 [rule] 课型=案例讨论/伦理决策 不讲=神经网络的数学推导、编程、反向传播、Python 代码
- 立场检测的两类失败 [rule] 课型=伦理决策/角色扮演 不讲=神经网络的数学推导、编程、反向传播、Python 代码
- AI 舆情结论的证据效力与法律边界 [template_default] 课型=案例讨论/伦理决策/角色扮演 不讲=神经网络的数学推导、编程、反向传播、Python 代码
向导课型偏好: 案例讨论 / 伦理决策 / 角色扮演
向导 requiresMainCase=true
已绑定主案例 id=1 流浪狗舆情反转事件
3. 生成教案草稿（DeepSeek）
----------------
任务 id=13 type=lesson_plan status=pending
完成后 status=done
lesson_title=舆情分析与立场检测（医学班）
lesson_type=案例讨论
class_profile_summary=临床医学本科，几乎无编程经验，对医患沟通与隐私高度敏感。画像为待验证假设。
relevance_to_major=医疗舆情直接影响医患信任与执业声誉；医生需理解AI舆情分析的边界，保护患者隐私与自身权利。
lesson_events=5
- pre 5 回顾自身对该事件的印象与立场
- in 10 在流程图上标注每个环节的人工决策点
- in 15 小组内按角色发言，列出需补充的事实与法律原则
- in 10 按立场发言，必须援引比例原则或正当程序
4. omit_items / 课型偏好生效
----------------
正文不含「反向传播」: true
正文不含「Python 代码」: true
lesson_type=案例讨论 命中医学课型偏好: true
生成结果满足 MED omit 与课型偏好。
5. 复制新建 ENG 模板流程
----------------
从 ENG 复制 → id=7 code=ENG-COPY-1787404199716 name=理工类（复制验证）
规则条数 4（源 4）
默认深度 technical 工具=Python、数学工具、Jupyter
课型=讲授、实验、项目式
再以 code=ENG 复制: 拒绝（编码已存在）
已清理复制模板 ENG-COPY-1787404199716
6. build / 单测 / 回归
----------------
npm run build: 通过（含 /api/templates/[id]/copy）
s3d:test: 53 passed / 0 failed
回归（均 0 failed）: P4 48、P5 33、P6 52、P7 33、P8 28、P9 55、P10 32、S2A 43、S2B 32、S2C 43、S3A 32、S3B 39、S3C 41
法学 2024级法学1班 template 仍为 LAW，阶段 1/2/3A–3C 未改种子结构。
7. 结论
----------------
总体: 通过
遗留：
- 医学演示班「2024级临床医学演示班」仍套用 MED，未改动 2024级法学1班。
- 复制验证模板已删除；种子保留 LAW / ENG / MED。
- 第七章「AI 舆情结论的证据效力与法律边界」对 ENG/MED 无独立规则，跟随模板默认（符合「可部分知识点留空」）。
- 主案例仍用流浪狗舆情（第七章既有案例），未另建医疗专用案例库。
- DeepSeek v4-flash 偶发 content 为空、只写 reasoning_content；客户端已回退抽取 JSON 并在空回复时加一次「只输出 JSON」重试。