核心用法
curriculum-generator 是一款面向教育 POD（Points of Delivery）的智能课程生成系统，采用双场景工作流设计：
- 场景 A：现有课程评估——通过结构化问卷收集目标受众画像、基础设施详情与教师能力数据，输出诊断报告与改进建议
- 场景 B：新课程设计——从学习领域定义、课程结构开发、教师准备度评估到持续改进机制，生成完整的 Excel/CSV 课程文件
系统强制要求在每个关键步骤收集完整输入，任何信息缺失或存在风险判断时触发人工升级（Human Escalation），禁止静默推断。
显著优点
1. 风险管控严格：内置 5 大类硬停止升级触发器（缺失输入、教师能力不足、运营不可行、高风险变更、利益相关方冲突），确保教育决策不损害学生与教师权益
2. 资源自动化：集成 neo-ddg-search 自动检索并填充教育平台资源链接（YouTube、FreeCodeCamp、W3Schools 等白名单域名），减少人工搜集负担
3. 结构化输出：生成标准化 Excel 文件，包含课程 ID、目标 POD 类型、覆盖主题、资源链接等 10 个字段，便于后续管理与追踪
4. 记忆与学习机制：自动保存对话上下文、决策记录与升级日志至本地目录，支持课程持续迭代优化
潜在缺点与局限性
1. 外部依赖风险：核心功能依赖 neo-ddg-search skill，若该组件失效或返回恶意链接，将直接影响课程质量
2. 资源搜索局限：采用关键词匹配与首 URL 提取策略，可能遗漏更优质资源；对冷门主题支持有限
3. 人工瓶颈：严格的升级策略在复杂场景下可能导致频繁中断，降低自动化效率
4. 本地化限制：当前设计针对印度 Apni Pathshala 项目优化，国际化适配需额外调整
适合的目标群体
- 教育 NGO 与非营利组织的课程设计师
- 偏远地区数字素养项目的 POD 运营者
- 缺乏专业教研团队但需标准化课程输出的小型教育机构
- 需要快速生成可落地课程方案的教育技术志愿者
使用风险
- 性能风险：资源搜索阶段若网络延迟或 neo-ddg-search 响应缓慢，可能触发 3 分钟超时机制，导致部分主题标记为 "MANUAL_RESEARCH_NEEDED"
- 依赖项风险：Node.js 环境与 Python pandas 库为必需组件，环境缺失将导致 Excel 生成失败
- 数据一致性风险：文件系统写入操作若遇异常中断，可能造成记忆文件损坏或输出不完整
- 内容安全风险：尽管有域名白名单，外部链接仍可能失效或内容变更，需定期人工复核