教学 Agent 不只是一个聊天框

把一个通用聊天框放进课程页面并不困难，困难的是让它承担清楚、有限而且可检查的教学作用。

森林培育课程中的造林规划，需要学生在多个约束之间做选择：立地条件、树种特性、作业方式、生态目标和实施条件相互影响。一个教学 Agent 如果直接给出完整答案，很可能绕过了最重要的学习过程。

从任务闭环设计，而不是从模型开始

林培智师把训练拆成几个明确阶段：理解虚构任务、提交初步方案、按量规查看反馈、完成修改、比较版本，再由教师复核。

系统的价值不在于替学生做决定，而在于把反馈组织到可修改的层次。学生仍需要解释自己的选择，教师仍对正式教学判断负责。

隐私检查必须在选择上下文之前

如果系统先检索资料、再检查输入是否包含姓名、学号、成绩或受限材料，敏感信息可能已经进入不应进入的处理链路。因此隐私前置不是页面上的提醒，而是流程顺序：先判断请求是否允许，再选择最小必要上下文。

公网演示只使用匿名、纯虚构任务，不接入真实学生数据，也不把内部知识库和模型链路宣传成公网实时能力。

能力边界需要和功能一起展示

一个可信的 AI 项目页应同时回答：

• 它真实完成了什么；
• 哪些数据从未进入系统；
• 输出是否是正式评价；
• 是否真的调用了模型或知识库；
• 失败时如何关闭和清理；
• 哪些判断仍由教师承担。

这些边界看似限制功能，实际上决定了工具能否进入真实教学环境。

主站目前只做项目记录

iForestry 主站不会开放公共生成式 AI 或资料上传。这里保留的是教学设计和工程复盘；外部演示作为独立应用，需要继续完成备案、生成内容标识、输入存储和隐私行为的专项核对。